教育信息化領域詞語的共現(xiàn)網(wǎng)絡構建與分析.pdf

1、近年來,由于計算機與網(wǎng)絡技術的迅速發(fā)展,大量的數(shù)據(jù)信息不斷涌現(xiàn),怎樣把這些數(shù)據(jù)信息變換為有用的知識越來越受到人們的關注。因此,有關數(shù)據(jù)挖掘、知識管理方面的研究越來越廣泛,其應用也越來越深入。
　　 數(shù)據(jù)挖掘,總的來說,可以概括為一個在數(shù)據(jù)中發(fā)現(xiàn)模式的過程。傳統(tǒng)的數(shù)據(jù)挖掘技術認為數(shù)據(jù)的屬性和值都是獨立的,這一假設讓數(shù)據(jù)挖掘的理論分析很容易被理解,但在很多實際情況中這一假設并不適用,數(shù)據(jù)的屬性和值并不獨立,而是存在一定的關聯(lián)。因此,

2、將這種關聯(lián)用網(wǎng)絡或者圖的形式加以描述是一種既直觀明了又飽含語義信息的挖掘方式,可以稱之為“基于網(wǎng)絡模型的數(shù)據(jù)挖掘”。
　　 本文的研究正是采用了這種基于網(wǎng)絡模型的數(shù)據(jù)挖掘方法,從領域語料庫中發(fā)掘領域重要詞語之間的關聯(lián)意義,具體地,以復雜網(wǎng)絡的相關理論為基礎,分析研究從領域語料庫中建立的詞語共現(xiàn)網(wǎng)絡,進而發(fā)現(xiàn)有用的知識。研究首先從領域文本語料中提取出人名、機構名及描述領域關鍵概念的詞語;接著以句子為語義單位統(tǒng)計這些詞語的共現(xiàn)信息并

3、按一定規(guī)則構建詞語共現(xiàn)網(wǎng)絡;最后論文從復雜網(wǎng)絡的相關理論出發(fā),分析該詞語網(wǎng)絡的結(jié)構屬性特征,揭示出詞語網(wǎng)絡的小世界及無尺度結(jié)構,探討并實踐了挖掘該詞語網(wǎng)絡的核心節(jié)點的四種方法,進一步從網(wǎng)絡結(jié)構的角度來計算詞語之間的關聯(lián)度,并基于網(wǎng)絡結(jié)構劃分的概念實現(xiàn)了詞語的聚類。實驗結(jié)果表明使用這種有別于向量模型的方法來分析領域文本語料,盡可能地保留了詞語之間的語義信息,具有一定的可行性及借鑒意義。特別地,本文基于網(wǎng)絡模型來挖掘教育信息化領域文本語料,