面向高校学生深度辅导领域的主题建模和主题上下位关系识别研究.PDF

研究论文 面向高校学生深度辅导领域的主题建模和 主题上下位关系识别研究* 庞贝贝 苟娟琼 穆文歆 (北京交通大学经济管理学院 北京 100044) 摘要: 【目的 】对高校学生深度辅导这一特定领域知识进行建模, 提出一个支持小规模知识获取和建模的框架。 【方法 】采用LDA 模型识别出文档集合所包含的主题及标识主题的词组; 对“文档–主题”矩阵进行概念层次分 析, 获取主题之间的上下位关系; 并将建模结果统一编码为本体的形式存入知识库, 以便进行知识检索。【结果 】 本研究面向深度辅导具体应用, 引入概念层次分析法, 在 LDA 建模基础上进一步细化主题知识的粒度, 改善了 LDA 主题建模结果难以表达主题之间关联关系的难题。【局限 】未考虑新的深度辅导文档带来的知识库增量更 新问题。【结论 】本研究框架能够很好地支持深度辅导领域中诸如学生问题、交流方式、引导技巧等多粒度知识 的建模与检索。 关键词: LDA 形式概念分析 知识建模 本体 分类号: TP393 DOI : 10.11925/infotech.2096-3467.2018.0066 辅导员降低压力、提升工作效率。在对深度辅导领域 1 引 言 知识建模中, 多层谈话主题的获取是该领域知识建 高校学生深度辅导主要是指针对困扰学生的具体 模的难点, 具体体现为深度辅导谈话中所涉及的学 问题进行个性化辅导, 为每一名学生的健康成长提供 生问题、交流方式、引导技巧、辅导模式等多粒度知 有力支持。从2009 年开始, 北京市委教育工作委员会 识的建模。 提出要把“确保每名学生每年都能得到至少一次有针 基于此, 针对特定的深度辅导领域知识建模问题, 对性的深度辅导”作为深度辅导工作的一项具体要求。 本研究提出一个支持小规模知识获取和建模的框架, 在具体的深度辅导过程中, 辅导员一方面需要通过与 主要用于从非结构化文本资源中半自动挖掘潜在的知 学生的谈话快速定位学生的问题所在, 另一方面需要 识, 并对获取的潜在知识进行进一步的语义增强知识 针对问题及时对学生行为进行引导。整个辅导过程对 建模, 建立知识库, 实现知识共享。本研究框架所构建 辅导员历史经验的依赖性非常强。对于年轻的辅导员, 的领域知识模型可描述为: 将一个给定的集合(可以 这一挑战无疑是巨大的。然而现有关于深度辅导的研 是一个单一的文本, 也可以是多个文本的集合)抽象为 究多停留在理论教育层面, 缺乏具体的实践指导。 多个主题( 由特征词集描述主题), 以及这些主题之间 因此, 本研究希望通过对历史的非结构化深度 的上下位语义关系。最后, 将研究框架所获得的多粒 辅导文档集进行分析, 提取并存储深度辅导谈话内 度知识统一编码为本体的形式, 以便进行知识存储、 容中涉及的领域知识, 进而以知识检索的方式帮助 检索以及更新。 通讯作者: 苟娟琼, ORCID: 0000-0003-4445-8462, E-mail: jqgou@。 *本文系中央高校基本科研业务费专项资金资助项目“基于数据融合的高校学生行为建模及其应用研究”(项目编号: 2017YJS081) 和国家自然科学青年基金项目“多维情景本体构建与协同研究”(项目编号:的研究成果之一。 92 数据分析与知识发现 总第18 期 2018 年 第6 期 2 相关研究 (2) 从主题与描述主题的词汇之间进行语义增强 视角: 阮光册等[9]利用LDA 主题建模结果进行文本降 2.1 主题模型 维, 并