电子学习系统中的知识表示与知识发现模型研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (34): 233-235.

电子学习系统中的知识表示与知识发现模型研究

何丽,严冬梅

天津财经大学信息科学与技术系，天津 300222

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-01 发布日期:2007-12-01
通讯作者: 何丽

Research on knowledge representation and discovering models in e-learning system

HE Li,YAN Dong-mei

Department of Information Science and Technology，Tianjin University of Finance and Economics，Tianjin 300222，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-01 Published:2007-12-01
Contact: HE Li

摘要/Abstract

摘要： 领域本体提供了丰富的概念集，是领域知识共享的基础。讨论了电子教学系统中课程知识体系的组织与本体表示方法，构造了基于领域本体的知识发现模型，阐述了基于领域概念对相似性的本体映射过程，实现了基于单元知识的电子教学资源的灵活共享。

关键词: 电子学习系统, 课程, 知识表示, 知识发现

Abstract: Domain ontology provides a rich set of concepts for shared knowledge，and it is the base of sharing domain knowledge.This paper discusses the methods of organization and ontology representation of the curriculum knowledge system，constructs the knowledge discovery models based on domain ontology，expounds the mapping process between two ontology based on the similarity of domain concept couples.It realizes the flexible share of teaching resource based on the unit of knowledge.

Key words: e-learning system, curriculum, knowledge discovering, knowledge representation

何丽,严冬梅. 电子学习系统中的知识表示与知识发现模型研究[J]. 计算机工程与应用, 2007, 43(34): 233-235.

HE Li,YAN Dong-mei. Research on knowledge representation and discovering models in e-learning system[J]. Computer Engineering and Applications, 2007, 43(34): 233-235.

[1]	卢琪，潘志松，谢钧. 融合知识表示学习的双向注意力问答模型[J]. 计算机工程与应用, 2021, 57(23): 171-177.
[2]	吴昊，徐行健，孟繁军. 课程资源的融合知识图谱多任务特征推荐算法[J]. 计算机工程与应用, 2021, 57(21): 132-139.
[3]	宋浩楠，赵刚，王兴芬. 融合知识表示和深度强化学习的知识推理方法[J]. 计算机工程与应用, 2021, 57(19): 189-197.
[4]	杨葛英，沈夏炯，史先进，张磊. 以概念格为背景的关联规则可视化[J]. 计算机工程与应用, 2021, 57(1): 84-91.
[5]	陈甜甜，何秀青，葛文双，何聚厚. 大规模在线协作学习分组方法及应用研究[J]. 计算机工程与应用, 2021, 57(1): 92-98.
[6]	李金海，何有世，马云蕾，周爱平. 基于多层领域本体的知识表示通用模型研究[J]. 计算机工程与应用, 2020, 56(11): 149-155.
[7]	李超，周泓. 基于复合神经网络的学习风格动态分析与研究[J]. 计算机工程与应用, 2018, 54(6): 150-155.
[8]	邵景峰，王蕊超. 基于规则库的用户选课健康状态感知及推荐[J]. 计算机工程与应用, 2018, 54(19): 135-139.
[9]	刘冬明1，杨尔弘2. 个性化知识的表示方法[J]. 计算机工程与应用, 2015, 51(17): 113-117.
[10]	李小华1，吴斌2. 基于粗糙集的网关冗余过滤规则约简算法[J]. 计算机工程与应用, 2015, 51(12): 63-67.
[11]	陈永当，王钰鑫，鲍志强，任慧娟. 基于用户访问信息的数据挖掘方法及其算法[J]. 计算机工程与应用, 2012, 48(15): 133-137.
[12]	张贤坤1，2，刘栋2，3，高珊2，4，杜磊2，5. 基于强相关逻辑的不精确应急时态知识表示[J]. 计算机工程与应用, 2012, 48(15): 138-143.
[13]	杨鹏1，2，孙波1. 改进的描述逻辑框架Rough-SHOIN[J]. 计算机工程与应用, 2012, 48(14): 23-26.
[14]	贺超波1，陈启买2. 高校课程相关性粗糙集分析模型及应用[J]. 计算机工程与应用, 2011, 47(27): 233-235.
[15]	徐伟华1，刘士虎1，张文修2. 一般二元关系下信息系统知识的粒度描述[J]. 计算机工程与应用, 2011, 47(18): 40-44.