[发明专利]一种碎片化知识智能化聚合方法

摘要

本发明涉及一种碎片化知识智能化聚合方法，步骤如下：步骤1.定义知识元本体；步骤2.定义碎片化知识本体关联聚合；步骤3.建立基于本体蕴涵的关联聚合规则；步骤4.聚合关联规则判定；步骤5.基于知识元本体的碎片知识关联规则判定；步骤6.碎片知识聚合关联发现；步骤7.实现碎片化知识聚合。本方法通过支持度及置信度判定，判定两个或多个知识元本体关联关系，通过强关联方法实现碎片化知识聚合；该方法分析了碎片化知识特征，面向在线学习要求，将原有固态的知识结构进行重新分割与动态聚合为具有自组织能力的知识簇，最终完成碎片化知识聚合，引导学习者充分利用碎片化时间获取精准有意义的知识内容。

主权项

1.一种碎片化知识智能化聚合方法，其特征在于：步骤如下：步骤1.定义知识元本体：将知识进行合理地碎片化分割，成为具有最小知识点集合的粒度，所述粒度是一个具有完整语义单元的知识元，所述知识元的知识元本体结构描述为如下四元组:K＝(C,P,M,R)                    (1)；其中，K表示知识元本体结构，C表示某个领域概念，P，M分别是概念C上的一组属性和方法，R是建立在C上的与其他概念的一组关系；步骤2.定义碎片化知识本体关联聚合：为进一步明确知识元本体结构的语义内容和语义关联，公式(1)分解为:(C,P,M)                       (2)(C,R)                        (3)其中，公式(2)是对领域概念C自身的描述，体现为对属性集P和方法集M的定义和描述；公式(3)则是对概念C与领域中其他概念之间的一组特定的领域关系R的描述；每个碎片化知识能够由若干知识元本体构成；步骤3.建立基于本体蕴涵的关联聚合规则：对于碎片化知识，建立相关关联规则表示为一个形如的蕴含式，其中且关联规则的支持度support是指搜索集D中同时包含知识点X和知识点Y的搜索次数与所有搜索次数之比，即关联规则的置信度Confidence是指搜索集D中包含知识点X和知识点Y的搜索次数与包含知识点X的搜索次数之比，即当支持度和置信度均较高时，关联规则才是用户感兴趣的、有用的关联规则；关联规则的最小支持度记为supmin，用于衡量关联规则需要满足的最低重要性；最小置信度记为confmin，表示关联规则需要满足的最低可靠性；步骤4.聚合关联规则判定：如果两个碎片化知识点之间的关联规则满足且则关联规则为强关联规则，否则为弱关联规则；步骤5.基于知识元本体的碎片知识关联规则判定：在任意两个碎片知识本体结构K1＝(C1,P1,M1,R1)和K2＝(C2,P2,M2,R2)中，若K1∈K，K2∈K，并有C2∈∪(C1)，其中∪(C1)是概念C1的关联概念集合，则称K1本体蕴涵K2，记做K1→K2，概念C1的关联概念集合∪(C1)是指以节点K1为原点，进行语义链接，所能关联到的所有节点的集合；因此，本体蕴涵实质是在碎片知识本体语义网络图中，如果有C2∈∪(C1)，则节点K1和节点K2之间至少存在一条语义链接；步骤6.碎片知识聚合关联发现：设S和T分别为知识元的数据源，K1和K2为碎片知识本体结构，即K1∈K，K2∈K，若ξ1(K1,S)，ξ2(K2,T)，且K1→K2，则称碎片知识元T构成到碎片知识S的一个知识聚合关联发现；步骤7.实现碎片化知识聚合：根据以上对碎片知识本体结构及聚合关联方法，若碎片知识本体由n个本体元素组成，即概念集C＝{C1,C2,…,C3}和建立在C上的关系集R＝{R1,R2,…,R3}将共同组成一个语义关联聚合网络图:G＝{X,E}              (6)；其中，X为语义关联网络的节点集，E为语义链接集，X的值域为概念集C，E的值域为关系集R；基于此，知识元本体通过概念之间的关系集R构成了相对完善的碎片知识语义内容体系和网络化语义关联结构；通过公式(6)即可实现碎片化知识智能化聚合。