Web教育資源內(nèi)容切片研究.pdf

1、隨著移動(dòng)互聯(lián)網(wǎng)時(shí)代的極大推進(jìn)，大量的信息都通過(guò)各種移動(dòng)終端傳遞給社會(huì)大眾，每個(gè)人都能夠在任何時(shí)間任何地點(diǎn)通過(guò)各種移動(dòng)設(shè)備快速獲取資源。然而現(xiàn)在豐富多彩、類(lèi)型各異的網(wǎng)絡(luò)資源，基本都是以PC平臺(tái)為標(biāo)準(zhǔn)設(shè)計(jì)的，適合移動(dòng)終端頁(yè)面的教育資源非常少，因此從資源共享、減少重復(fù)開(kāi)發(fā)的視角出發(fā)，充分發(fā)揮現(xiàn)有Web教育資源的利用率，將豐富的Web教育資源引進(jìn)到移動(dòng)終端頁(yè)面上，讓人們進(jìn)行有效的移動(dòng)學(xué)習(xí)是現(xiàn)代教育理論中移動(dòng)教育必須要實(shí)現(xiàn)的目標(biāo)。
　　本文

2、針對(duì)將豐富的Web教育資源引進(jìn)到移動(dòng)終端頁(yè)面從而適合移動(dòng)學(xué)習(xí)，提出了有效且具有泛化能力的Web教育資源內(nèi)容提取及切割技術(shù)，主要包括Web教育資源網(wǎng)頁(yè)內(nèi)容的提取和資源內(nèi)容的切片處理。本文的主要研究工作具體包括以下內(nèi)容:
　　1、提出一種基于改進(jìn)的行塊分布函數(shù)的多線索網(wǎng)頁(yè)內(nèi)容提取算法。該算法是通過(guò)分析網(wǎng)頁(yè)的特殊HTML標(biāo)簽、網(wǎng)頁(yè)中文本語(yǔ)義信息的文本特征、網(wǎng)頁(yè)結(jié)構(gòu)格式信息的視覺(jué)布局特征這三種線索，對(duì)網(wǎng)頁(yè)進(jìn)行預(yù)處理，獲得了粗糙的網(wǎng)頁(yè)正文內(nèi)

3、容，然后結(jié)合改進(jìn)的行塊分布函數(shù)對(duì)網(wǎng)頁(yè)內(nèi)容進(jìn)行提取。
　　2、介紹了Web教育資源內(nèi)容切片顆粒度。切片顆粒度是對(duì)資源文本進(jìn)行切割最基本的要素，明確了顆粒度的大小才能進(jìn)行切割處理。針對(duì)不同類(lèi)型的資源文本，考慮布局信息和句子、文本段落、文本塊層次來(lái)確定顆粒度的大小。
　　3、提出了一種基于模式識(shí)別的HMM文本切割算法。該算法是根據(jù)資源文本的文本語(yǔ)義特征和視覺(jué)布局特征結(jié)合正則表達(dá)式匹配來(lái)判斷文本子主題的邊界，獲得文本語(yǔ)義塊序列，再結(jié)