基于文本的微學(xué)習(xí)單元層次融合聚類研究.pdf

1、隨著無線網(wǎng)絡(luò)技術(shù)的發(fā)展以及手持移動設(shè)備的普及，一種不受時間和地點限制的學(xué)習(xí)方式──微學(xué)習(xí)（Micro-learning）應(yīng)運而生，它使學(xué)習(xí)者利用碎片化時間獲取知識成為可能。目前，社會中越來越多的人通過這種非傳統(tǒng)的方式在微博、MOOC等媒體或平臺環(huán)境中學(xué)習(xí)并獲得知識。多種多樣的微學(xué)習(xí)平臺也在不斷建立和發(fā)展，與此同時各種微學(xué)習(xí)資源也日漸豐富。但是，隨之而來的是微學(xué)習(xí)資源的碎片化，多個微學(xué)習(xí)資源之間存在冗余和重復(fù)性，同時也出現(xiàn)了信息過載等問題

2、。對于學(xué)習(xí)者來說，很難快速找到適合自己的學(xué)習(xí)資源。因此，對微學(xué)習(xí)資源進行有效的組織將有助于學(xué)習(xí)者提高其學(xué)習(xí)效率。
　　在微學(xué)習(xí)中，微學(xué)習(xí)單元是其最基本的構(gòu)成，由短小的文本、圖片、以及音頻和視頻等資源組成。其中，文本形式的資源是微學(xué)習(xí)的主要資源。本研究從微學(xué)習(xí)單元粒度出發(fā)，嘗試通過文本聚類方法對微學(xué)習(xí)單元進行重組和整合，以幫助學(xué)習(xí)者迅速查找所需要的學(xué)習(xí)知識，同時也為其個性化學(xué)習(xí)打下基礎(chǔ)。本研究主要完成了以下幾方面的工作：
　　

3、（1）在對微學(xué)習(xí)資源管理及文本聚類的研究現(xiàn)狀進行調(diào)查研究的基礎(chǔ)之上，對常用文本聚類算法的優(yōu)缺點進行了分析，并重點研究和分析了AP算法和凝聚層次聚類算法。
　　（2）在AP算法和凝聚層次聚類算法的基礎(chǔ)上，提出了基于AP算法的層次融合聚類算法。該算法首先通過AP算法找到數(shù)據(jù)的聚類中心，然后采用凝聚層次聚類算法將聚類中心聚類為不同類簇，最后將非聚類中心點重新劃分至類簇中完成聚類。
　?。?）結(jié)合文本聚類基本處理流程及微學(xué)習(xí)單元數(shù)據(jù)

4、的特點，在構(gòu)建了基于文本的微學(xué)習(xí)單元聚類框架的基礎(chǔ)上，實現(xiàn)了基于文本的微學(xué)習(xí)單元的聚類過程。首先實現(xiàn)英文文本微學(xué)習(xí)單元分詞，構(gòu)建停用詞表進行停用詞處理以及詞干提取。其次提取單元文本特征，綜合微學(xué)習(xí)單元的標(biāo)題和內(nèi)容特征計算特征權(quán)重，通過向量空間模型將微學(xué)習(xí)單元文本轉(zhuǎn)化為單元向量。最后應(yīng)用本文算法將微學(xué)習(xí)單元聚類為不同的知識群組。
　　為驗證算法的有效性，本文提出的算法與K-means聚類算法進行實驗對比，實驗結(jié)果表明，本文提出的方法