一种用于本体学习并应用于教育的启发式改进 FP-Tree
机器学习
2019-10-31 v1 信息检索
机器学习
摘要
我们提出一种用于从文本中进行本体学习的启发式改进 FP-Tree。与以往研究不同，对于概念抽取，我们采用编译器构造中广泛使用的正则表达式解析方法，即确定性有限自动机（DFA）。因此，概念从非结构化文档中抽取。对于本体学习，我们采用频繁模式挖掘方法，并运用规则挖掘启发式函数提升其质量。该过程不依赖于预定义的词汇-句法模式，故可适用于不同学科。我们将该本体用于面向学生内容相关问题的问答系统。为验证，我们使用了教材问答以及在线课程论坛中的问题。学科专家对系统在一部分问题上的回答质量进行评分，其评分被用于确定最合适的自动语义文本相似度度量，以作为所有回答的验证度量。潜在语义分析（Latent Semantic Analysis）被确定为最接近专家评分的度量。我们将我们的本体与 Text2Onto 在问答系统中的使用进行比较，发现使用我们的本体可回答 80% 的问题，而使用 Text2Onto 仅能回答 28.4%，这得益于我们的方法能够生成更细粒度的层次结构。
引用
@article{arxiv.1910.13561,
title = {A Heuristically Modified FP-Tree for Ontology Learning with Applications in Education},
author = {Safwan Shatnawi and Mohamed Medhat Gaber and Mihaela Cocea},
journal= {arXiv preprint arXiv:1910.13561},
year = {2019}
}