JP6356789B2 - 主要知識ポイント推奨方法及びシステム - Google Patents

主要知識ポイント推奨方法及びシステム Download PDF

Info

Publication number
JP6356789B2
JP6356789B2 JP2016518116A JP2016518116A JP6356789B2 JP 6356789 B2 JP6356789 B2 JP 6356789B2 JP 2016518116 A JP2016518116 A JP 2016518116A JP 2016518116 A JP2016518116 A JP 2016518116A JP 6356789 B2 JP6356789 B2 JP 6356789B2
Authority
JP
Japan
Prior art keywords
knowledge point
knowledge
relationship strength
strength value
points
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
JP2016518116A
Other languages
English (en)
Other versions
JP2016538615A (ja
Inventor
マオ イエ
マオ イエ
ジエンボー シュイ
ジエンボー シュイ
ジー ターン
ジー ターン
リーフオン ジン
リーフオン ジン
ユエンローン ワーン
ユエンローン ワーン
Original Assignee
ペキン ユニバーシティ ファウンダー グループ カンパニー，リミティド
ペキン ユニバーシティ ファウンダー グループ カンパニー，リミティド
ファウンダー アパビ テクノロジー リミティド
ファウンダー アパビ テクノロジー リミティド
ペキン ユニバーシティ
ペキン ユニバーシティ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ペキン ユニバーシティ ファウンダー グループ カンパニー，リミティド, ペキン ユニバーシティ ファウンダー グループ カンパニー，リミティド, ファウンダー アパビ テクノロジー リミティド, ファウンダー アパビ テクノロジー リミティド, ペキン ユニバーシティ, ペキン ユニバーシティ filed Critical ペキン ユニバーシティ ファウンダー グループ カンパニー，リミティド
Publication of JP2016538615A publication Critical patent/JP2016538615A/ja
Application granted granted Critical
Publication of JP6356789B2 publication Critical patent/JP6356789B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/31—Indexing; Data structures therefor; Storage structures
    • G06F16/313—Selection or weighting of terms for indexing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

本発明は、主要知識ポイント推奨方法及びシステムに関し、デジタルデータ処理技術の分野に属する。
知識基盤型経済の到来とともに、デジタル出版は、出版業界で不可避な傾向となりつつある。多くの人は、紙の読書からデジタルの読書にシフトしている。電子書籍、雑誌、電子新聞といった出版リソースには、信頼できる知識を多く含み、利用価値が高い。これらのデジタル出版リソースは、一般に知識や情報を文書及び本や雑誌の記事といった形式で広める。読者が求めることは、これらの文書から関連主要知識ポイントを直接的に取得することであって、これらの文書そのものではなく、更なる研究や学習のためにすべての関連知識ポイントを的確に検索及び収集することである。
主要知識ポイントは、本分野及び関連分野において、他の知識ポイントと密接な関連性を有する知識ポイントである。一般的には、各分野や関連分野にはいくつかの主要知識ポイントがある。これらの主要知識ポイントの学習を通して、本分野及びそれに関連する分野においての概要知識についてのよりよい理解が得られうるので、それにより他の知識ポイントの学習を容易にさせる。Ｅビジネス時代の発達とともに、あらゆる分野において、大量のテキスト情報リソースが利用可能であり、大量の主要知識ポイントが電子書籍、雑誌及び電子新聞の中に含まれ、結果として、主要知識ポイントの早期発見及び正確な追跡は、ある知識を習得したいユーザにとって重要な問題となっている。
従来技術に採用されている主要知識ポイント推奨方法は、ファジー理論に基づく情報レコメンデーション（推奨）技術であって、ファジー集合に保存されたユーザプロファイルとともに、受信した情報は、あるユーザのお気に入り情報を選択するように、ファジー推論を介してユーザプロファイルに対してマッチングされる。選択された情報は、お気に入りの程度によりソートされ、次いで、ユーザに推奨される。しかし、これらの情報レコメンデーションシステムは、ファジー理論に基づき構築され、ファジー理論アルゴリズムは、精度が低い上に適合性に欠ける。また、これらの方法はユーザプロファイルを必要とし、ユーザのお気に入り情報は、一定期間経過後に収集及び選択されるのみとなり得る。さらに、ユーザのお気に入り情報は、絶え間なく変化し、リアルタイムで更新されるユーザプロファイルを追跡するのは困難である。また、これらの方法は、主要知識の要点ではなく、対象の情報又は知識の要点を得るのみである。
本発明において解決される技術的問題は、従来技術の情報レコメンデーションシステムはファジー理論に基づき構築されるが、ファジー理論アルゴリズムは、精度が低い上に適合性に欠けることである。また、これらの方法はユーザプロファイルを必要とし、ユーザのお気に入り情報は、一定期間経過後に収集及び選択されるのみとなり得る。さらに、ユーザのお気に入り情報は、絶え間なく変化し、リアルタイムで更新されるユーザプロファイルを追跡するのは困難である。また、これらの方法は、主要知識の要点ではなく、対象の情報又は知識の要点を得るのみである。このように、レコメンデーション方法及びシステムであって、より客観的且つ効果的な方法で、ユーザが選択的に主要知識ポイントを学習することを助けるために、知識ポイント関係強度が計算され、知識ポイント関係強度に従ってユーザのために主要知識レコメンデーションを実行する、方法及びシステムを提供することが望ましい。
上記の技術的問題を解決するために、本発明において、以下の技術的解決方法が実現される。
主要知識ポイント推奨方法であって、知識ポイント集合における知識ポイントの知識ポイント関係強度値を計算するステップと、前記知識ポイント集合における知識ポイントの前記知識ポイント関係強度値に従ってそれぞれの知識ポイントの重みを計算し、且つ、前記知識ポイント及びこれらの重みをそれぞれ保存する、ステップと、前記知識ポイントの前記重みに従って主要知識ポイントを判定し、且つ、前記主要知識ポイントをユーザに推奨する、ステップと、を有する方法。
任意の選択で、知識ポイント集合における知識ポイントの知識ポイント関係強度値を計算するステップは、知識ポイント明示関係強度値を計算するステップと、前記知識ポイント明示関係強度値に従って知識ポイント暗示関係強度値を計算するステップと、前記知識ポイント明示関係強度値及び前記知識ポイント暗示関係強度値に従って知識ポイント関係強度値を計算するステップと、を有する。
任意の選択で、知識ポイント集合における知識ポイントの知識ポイント関係強度値を計算するステップは、前記知識ポイント集合における知識ポイントの知識ポイント明示関係強度値を計算し、且つ、知識ポイント関係強度行列Ｍを生成する、ステップと、前記知識ポイント関係強度行列に従って重み付き有向グラフＧを作成するステップと、前記重み付き有向グラフＧに従って知識ポイント暗示関係強度値を計算し、且つ、知識ポイント暗示関係強度行列Ｉを生成する、ステップと、前記知識ポイント暗示関係強度行列Ｉを走査し、且つ、前記知識ポイント関係強度行列Ｍを更新するステップと、を有する。
前記知識ポイント集合における知識ポイント及びこれらの重みは、それぞれリストＬに保存される。
任意の選択で、前記知識ポイント集合における知識ポイントの前記知識ポイント関係強度値に従ってそれぞれの知識ポイントの重みを計算し、且つ、前記知識ポイント及びこれらの重みをそれぞれ保存するステップは、前記知識ポイント集合における前記知識ポイント関係強度行列Ｍに従って、知識ポイントｏiから開始する全ての辺の集合Ｔi out及び知識ポイントｏiで終端する全ての辺の集合Ｔi inを取得するステップと、それぞれの知識ポイントｏiの重みωiを設定するステップであって、Ｔi outにある各辺の重みは、θoutを乗じて、且つ次いで、ωiを足し、Ｔi inにある各辺の重みは、θinを乗じて、且つ次いで、ωiを足し、前記得られた重みωiは、リストＬに保存され、ここで、θout、θinは、制御変数であり、且つ、前記それぞれの知識ポイントｏiの重みωiは、０に設定された初期値を有する、ステップと、を有する。
任意の選択で、前記知識ポイントの前記重みに従って主要知識ポイントを判定し、且つ、前記主要知識ポイントをユーザに推奨するステップは、前記知識ポイントの前記重みの降順に前記知識ポイントをソートし、且つ、前記知識ポイントの前記リストＬを更新するステップと、知識ポイント集合における知識ポイントの前記リストＬから最初のＫ個の知識ポイントを主要知識ポイントとして選択し、且つ、これらの主要知識ポイントをユーザに推奨するステップであって、Ｋは、２以上の整数である、ステップと、を有する。
任意の選択で、前記知識ポイント集合における知識ポイントの知識ポイント明示関係強度値を計算するステップは、前記知識ポイント集合における知識ポイントの知識ポイント前方明示関係強度値を計算するステップと、前記知識ポイント集合における知識ポイントの知識ポイント後方明示関係強度値を計算するステップと、前記知識ポイント集合における知識ポイントの前記知識ポイント前方明示関係強度値及び前記知識ポイント後方明示関係強度値に従って知識ポイント明示関係強度値を計算するステップと、前記知識ポイント集合における知識ポイントの前記知識ポイント明示関係強度値に従って前記知識ポイント関係強度行列Ｍを生成するステップと、を有する。
前記知識ポイント暗示関係強度行列Ｉを走査し、且つ、前記知識ポイント関係強度行列Ｍを更新するステップは、前記知識ポイント暗示関係強度行列Ｉにある各要素を走査するステップと、ＩijがＭijよりも大きい又は小さいかを判定するステップであって、Ｉij＞Ｍijの場合は、Ｉij＝Ｍijを再割り当てし、且つ、前記知識ポイント関係強度行列Ｍを更新した後に、前記知識ポイント暗示関係強度行列Ｉにある次の要素に進む、ステップと、Ｉij≦Ｍijの場合は、前記知識ポイント暗示関係強度行列Ｉが走査されるまで、前記知識ポイント暗示関係強度行列Ｉにある次の要素に直ちに進む、ステップと、を有する。
主要知識ポイント推奨システムであって、知識ポイント集合における知識ポイントの知識ポイント関係強度値を計算する関係強度計算モジュールと、前記知識ポイント集合における前記知識ポイントの前記知識ポイント関係強度値に従って知識ポイントの重みを計算し、且つ、前記知識ポイント及びこれらの重みをそれぞれ保存する、重み計算及び保存モジュールと、前記知識ポイントの前記重みに従って主要知識ポイントを判定し、且つ、前記主要知識ポイントをユーザに推奨する、推奨モジュールと、を有するシステム。
任意の選択で、前記関係強度計算モジュールは、知識ポイント明示関係強度値を計算し、前記知識ポイント明示関係強度値に従って知識ポイント暗示関係強度値を計算し、前記知識ポイント明示関係強度値及び前記知識ポイント暗示関係強度値に従って知識ポイント関係強度値を計算するために、使用される。
前記明示関係強度計算モジュールは、特に、前記知識ポイント集合における前記知識ポイントの知識ポイント明示関係強度値を計算し、且つ、知識ポイント関係強度行列Ｍを生成する、関係強度行列生成ユニットと、前記知識ポイント関係強度行列に従って重み付き有向グラフＧを作成する重み付き有向グラフ作成ユニットと、前記重み付き有向グラフＧに従って知識ポイント暗示関係強度値を計算し、且つ、知識ポイント暗示関係強度行列Ｉを生成する、暗示関係強度行列作成ユニットと、前記知識ポイント暗示関係強度行列Ｉを走査し、且つ、前記知識ポイント関係強度行列Ｍを更新する、更新ユニットと、を有する。
前記知識ポイント集合における知識ポイント及びこれらの重みは、それぞれリストＬに保存される。
任意の選択で、前記重み計算及び保存モジュールは、前記知識ポイント集合における知識ポイントの知識ポイント関係強度行列Ｍに従って、知識ポイントｏiから開始する全ての辺の集合Ｔi out及び知識ポイントｏiで終端する全ての辺の集合Ｔi inを取得し、それぞれの知識ポイントｏiの重みωiを設定し、Ｔi outにある各辺の重みは、θoutを乗じて、且つ次いで、ωiを足し、Ｔi inにある各辺の重みは、θinを乗じて、且つ次いで、ωiを足し、前記得られた重みωiは、リストＬに保存され、ここで、θout、θinは、制御変数であり、且つ、前記それぞれの知識ポイントｏiの重みωiは、０に設定された初期値を有する。
任意の選択で、前記推奨モジュールは、前記知識ポイントの前記重みの降順に前記知識ポイントをソートし、且つ、前記知識ポイントの前記リストＬを更新する、ソートサブモジュールと、前記知識ポイント集合における知識ポイントの前記リストＬから前記最初のＫ個の知識ポイントを主要知識ポイントとして選択し、且つ、これらの主要知識ポイントを前記ユーザに推奨する、推奨サブモジュールと、を有し、ここで、Ｋは、２以上の整数である。
前記関係強度行列生成ユニットは、前記知識ポイント集合における知識ポイントの知識ポイント前方明示関係強度値を計算する前方明示関係強度計算サブユニットと、前記知識ポイント集合における知識ポイントの知識ポイント後方明示関係強度値を計算する後方明示関係強度計算サブユニットと、前記知識ポイント集合における知識ポイントの前記知識ポイント前方明示関係強度値及び前記知識ポイント後方明示関係強度値に従って知識ポイント明示関係強度値を計算する明示関係強度計算サブユニットと、前記知識ポイント集合における知識ポイントの前記知識ポイント明示関係強度値に従って前記知識ポイント関係強度行列Ｍを生成する関係強度行列生成サブユニットと、を有する。
任意の選択で、前記更新ユニットは、前記知識ポイント暗示関係強度行列Ｉにある各要素を走査する検索サブユニットと、ＩijがＭijよりも大きい又は小さいかを判定する判定サブユニットと、Ｉij＞Ｍijの場合は、Ｍij＝Ｉijを再割り当てし、且つ、前記知識ポイント関係強度行列Ｍを更新した後に、前記知識ポイント暗示関係強度行列Ｉにある次の要素に進む、更新サブユニットと、Ｉij≦Ｍijの場合は、前記知識ポイント暗示関係強度行列Ｉが走査されるまで、前記知識ポイント暗示関係強度行列Ｉにある次の要素に直ちに進む、更新サブユニットと、を有する。
コンピュータによって実行されたときに主要知識ポイント推奨方法を実行するコンピュータ実行可能命令が保存された１つ又は複数のコンピュータ可読媒体であって、前記方法は、知識ポイント集合における知識ポイントの知識ポイント関係強度値を計算するステップと、前記知識ポイント集合における知識ポイントの前記知識ポイント関係強度値に従って知識ポイントの重みを計算し、且つ、前記知識ポイント及びこれらの重みをそれぞれ保存する、ステップと、前記知識ポイントの前記重みに従って主要知識ポイントを判定し、且つ、前記主要知識ポイントをユーザに推奨する、ステップと、を有する。
本開示の上記の技術的解決方法によると、従来技術よりも１つ又は複数の以下の効果が認められる。
（１） 本開示の主要知識ポイント推奨方法によって、知識ポイント明示関係強度値は、知識ポイント集合における知識ポイントの知識ポイント関係強度値の計算を通して得られる。そして、この知識ポイント関係強度値に従ってユーザが知識を学習するためのレコメンデーションをユーザに与え、ユーザがより客観的且つ効果的な方法で、選択的に主要知識ポイントを学習することを助け、且つ、従来技術における問題点を回避させる。なお、従来技術では、情報レコメンデーションはファジー理論情報レコメンデーション技術に基づいており、しかし、ファジー理論アルゴリズムは、精度が低い上に適合性に欠ける。また、これらの方法は、ユーザプロファイルを必要とし、リアルタイムで更新されるユーザプロファイルを追跡するのは困難である。また、これらの方法は、主要知識の要点ではなく、対象の情報又は知識の要点を得るのみである。
（２） 本開示の主要知識ポイント推奨方法によって、知識ポイント関係強度は、グローバルスペースにおいて知識ポイントの関係強度値の計測し、且つ、知識ポイントの関係強度値を知識ポイント関係強度の強度レベルの判定が容易な［０，１］の範囲でマッピングすることを介して、効果的に評価される。
（３） 本開示の主要知識ポイント推奨方法によって、知識ポイントの重みは、知識ポイント関係強度行列Ｍにおいて知識ポイントｏiから開始する全ての辺の重み及び知識ポイントｏiで終了する全ての辺の重みの合計である。２つの方向における辺の重みに従って知識ポイントの重みを計算することを通して、知識ポイントの重みは均衡化され、知識ポイントの重みの精度が更に向上する。
（４） 本開示の主要知識ポイント推奨方法によって、知識ポイント明示関係強度値は、前方明示関係強度値及び後方明示関係強度値の計算を介して得られ、この双方向関係強度評価方法は、明示関係強度値の精度を更に向上する。
（５） 本開示の主要知識ポイント推奨方法によって、明示関係行列は、知識ポイントの間の最短距離の計算を円滑にするために重み付き有向グラフに変換され、アルゴリズムの実施を単純化し、且つ、計算効率を向上する。
（６） 本開示の主要知識ポイント推奨方法によって、明示関係強度値及び暗示関係強度値は、指数関数及び対数関数を使用して計算され、数学モデルは、柔軟な構想、単純なアルゴリズム及び簡単な実装の観点で有利であるこれらの関数の特徴及びこれらの間の関係に基づき確立される。
（７） 本開示の主要知識ポイント推奨方法によって、明示関係強度値及び暗示関係強度値は、それぞれ明示関係強度行列及び暗示関係強度行列に保存され、且つ、計算においてアクセスがされやすく、処理速度が更に向上し得る。
（８） 本開示の主要知識ポイント推奨方法によって、ダイクストラアルゴリズムは、最短経路長を計算するために使用されてもよく、高速な処理速度、高速な検索及び改善された応答速度の観点から、有利である。
（９） 本開示の主要知識ポイント推奨方法によって、ＳＰＦＡアルゴリズムは、最短経路長を計算する方法として使用される。このアルゴリズムは、キューを維持し、キューが初期化されたときに、ソースの知識ポイントがキューに挿入される。知識ポイントは、隣接のポイントを緩和させる毎に、キューから取り出される。隣接ポイントがうまく緩和された場合は、それはキューに挿入される。アルゴリズムは、キューが空になるときに終了する。アルゴリズムは、単純であって、高速な処理速度を有し、反応速度が向上し得る。
（１０） 本開示の主要知識ポイント推奨方法によって、フロイド-ワーシャル法は、最短経路長を計算する方法として使用される。このアルゴリズムによって、いかなる２点間の最短経路が計算されてもよい。このアルゴリズムは、有向グラフ、負の重み付きの辺を有するグラフを含む、いかなるグラフで使用されてもよく、且つ、最短サブ経路の検索を介して最短経路を得てもよい。このアルゴリズムは、簡単に実施できえ、高速な処理速度及び向上した反応速度を有する。
（１１） 本開示の主要知識ポイント推奨方法によって、ベルマンーフォードアルゴリズムは、最短経路長を計算する方法として使用される。このアルゴリズムは、単一始点最短経路計算に適しており、プログラム及び実施が容易である。
（１２） 本開示の主要知識ポイント推奨方法によって、制御因子βは、前方明示関係強度値の計算のために設定される。制御因子βの設定を通して、μの値による明示関係強度に与える影響が効果的に制御され得る。制御因子βの値は、最適化のための制御因子βを求めるために、知識ポイント集合の特徴に従って選択されてもよい。一般には、制御因子βが１に設定されたときに、よい効果が達成され得る。
（１３） 本開示の主要知識ポイント推奨方法によって、関連因子αは、後方明示関係強度値の計算のために設定される。関連因子αの設定を通して、前方明示関係強度が後方明示関係強度に与える影響は効果的に制御される。１≦α≦５及び異なる値が、知識ポイント集合の特徴に従って選択されてもよい。一般には、関連因子αが２に設定されたときに、よりよい効果が達成され得る。
（１４） 本開示の主要知識ポイント推奨方法によって、制御変数θin、θoutは、知識ポイントの重みの計算のために設定される。制御変数θout、θinは、知識ポイントｏiから開始する辺及び知識ポイントｏiで終了する辺を制御するために使用され、知識ポイントｏiの重みに対するこれらの寄与を調整する。制御変数θout、θinがこれらの値に大きな差を有する場合、これらの辺は、これらの寄与に大きな差を有する。制御変数θout、θinがこれらの値に小さな差を有する場合、これらの辺は、これらの寄与に小さな差を有する。制御変数θoutが大きな値を有するとき、主要知識ポイントは、より強い一般性及び汎用性を有し、逆も同じである。制御変数θinが大きな値を有するとき、主要知識ポイントは、より高いポピュラリティを有し、逆も同じである。θout＝１及びθin＝２の場合、θout∈［０．１，１０］及びθin∈［０．１，１０］であり、よりよい制御効果が達成され得る。制御変数制御変数θout、θinは、ＡＩの介在を実現するために知識ポイント集合の特徴に従って設定されてもよい。
（１５） 本開示の主要知識ポイント推奨方法によって、知識ポイントのリストＬから最初のＫ個の知識ポイントが主要知識ポイントとして使用され、且つ、これらがユーザに推奨され、ここでＫは、２≦Ｋ≦４５の範囲の値である。知識ポイント集合の特徴に従って異なる閾値が選択されてもよく、且つ、必要に応じてユーザにより調整されてもよい。一方で、ユーザは、推奨された主要知識ポイントからお気に入りの知識ポイントを選択してもよい。
（１６） 本開示の主要知識ポイント推奨システムにおいて、主要知識ポイント推奨方法によって、従来技術の問題が効果的に回避され得る。即ち、従来技術の情報レコメンデーションは、ファジー理論情報レコメンデーション技術に基づくが、ファジー理論アルゴリズムは、精度が低い上に適合性に欠ける。また、これらの方法は、ユーザプロファイルを必要とし、リアルタイムで更新されるユーザプロファイルを追跡するのは困難である。また、これらの方法は、主要知識の要点ではなく、対象の情報又は知識の要点を得るのみである。
本発明のより簡単且つ明確な理解のために、本発明の詳細な説明は、添付図面の参照とともに後述される。
本発明の一実施形態による主要知識レコメンデーション方法のフローチャートである。 本発明の一実施形態による重み付き有向グラフの概略図である。 本発明の一実施形態による主要知識ポイント推奨システムの構造図である。 本発明の一実施形態による関係強度計算モジュールの概略図である。
実施形態１
本実施形態における主要知識ポイント推奨方法が提供され、本実施形態のフローチャートは図１に示される。ここで、知識ポイントは、“Qin ShiHuang”, “Tang Dynasty”, “Hundred Days' Reform”といった概念や要素を表す、知識相互ユニットである。知識ポイント集合は、ある分野の一部又はある分野及びそれに関連する分野における知識ポイント集合である。本実施形態では、知識ポイントの名称及びそれらに関連するテキストは、以下の表１に示す。表１に示すように、３つの知識ポイントがあり、Ａ、Ｂ及びＣのように簡便な説明でラベル付けされている。Ｎは、テキストブロックであり、知識ポイントＡ、Ｂ及びＣの名称を含まない。
Figure 0006356789
この主要知識ポイント推奨方法は、以下のステップを有する。
Ｓ１０２： 知識ポイント集合における知識ポイントの知識ポイント関係強度値を計算するステップ。一実施形態では、知識ポイント集合における知識ポイントの知識ポイント関係強度値を計算するステップは、最初に、知識ポイント明示関係強度値を計算するステップと、次に、知識ポイント明示関係強度値に従って知識ポイント暗示関係強度値を計算するステップと、最後に、知識ポイント明示関係強度値及び知識ポイント暗示関係強度値に従って知識ポイント関係強度値を計算するステップと、を有する。
以下に、特定の実施形態の詳細な説明が与えられる。知識ポイント集合における知識ポイントの知識ポイント関係強度値を計算するステップのプロセスは、
（Ｉ） 知識ポイント集合におけるすべての知識ポイントの知識ポイント明示関係強度値を計算し、且つ、知識ポイント関係強度行列Ｍを生成する、ステップである。
特定のプロセスは、
（１） 知識ポイント前方明示関係強度値を計算するステップであって、知識ポイント前方明示関係強度値は、
Figure 0006356789
 であり、ここで、ｆp（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの前方明示関係強度値であって、μは、知識ポイントｏiに関係するテキスト中に現れる知識ポイントｏjの回数であり、且つ、βは、制御因子であり、０．５≦β≦２、μ、ｉ、ｊは、負でない整数であり、ｉ，ｊ＝１，２，．．．ｎ、ｎは、知識ポイントの数である。
本実施形態では、制御因子βは、０．５、０．７、１．２、１．５といった異なる値に設定されてもよい。制御因子βは、μの値が明示関係強度に与える影響を制御する。ユーザは、知識ポイント集合の特徴に従って制御因子βの値を選択してもよく、且つ、知識ポイント集合の特徴に従って最適な制御因子βを求めてもよい。
表１に示すように、知識ポイントＢは、知識ポイントＡの関連テキスト中に２回出現しており、知識ポイントＡから知識ポイントＢの前方関係強度値ｆp（Ａ，Ｂ）は、
Figure 0006356789
 である。
（２）知識ポイント後方明示関係強度値を計算するステップであって、知識ポイント後方明示関係強度値は、
Figure 0006356789
 であり、ここで、ｆN（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの後方明示関係強度値であって、αは、関連因子であり、１≦α≦５、αは、正の整数であり、ｆp（ｊ，ｉ）は、知識ポイントｏjから知識ポイントｏiまでの前方明示関係強度値である。
本実施形態では、関連因子αは、２に設定される。他の実施形態では、関連因子αは、１、１．５、３、４、５といった異なる値に設定されてもよい。関連因子αは、前方明示関係強度が後方明示関係強度に与える影響を制御し、αの値が小さくなるほど、前方明示関係強度による後方明示関係強度に与える影響は大きくなり、且つ、αの値が大きくなるほど、前方明示関係強度による後方明示関係強度に与える影響は小さくなる。
表１において、知識ポイントＡから知識ポイントＢまでの後方明示関係強度ｆN（Ａ，Ｂ）は、
Figure 0006356789
 である。
（３） 知識ポイント前方明示関係強度値及び知識ポイント後方明示関係強度値に従って知識ポイント明示関係強度値を計算するステップであって、知識ポイント明示関係強度値は、
Figure 0006356789
 として計算され、ｆE（ｉ，ｊ）は、ｆE（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの明示関係強度値であって、ｆp（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの前方明示関係強度値であり、ｆN（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの後方明示関係強度値であり、αは、関連因子であり、１≦α≦５、且つ、αは、正の整数である。
知識ポイントｏiから知識ポイントｏjまでの明示関係がない場合は、Ｅijは、０である。本実施形態では、ある知識ポイントから当該ポイント（それ自身）までの明示関係強度は、１と設定されてもよく、しかしこれは実際的な意味を持たない。
表１において、知識ポイントＡから知識ポイントＢまでの明示関係強度値ｆ（Ａ，Ｂ）は、
Figure 0006356789
 である。
知識ポイントＡ、知識ポイントＢ及び知識ポイントＣの間の明示関係強度は、上記の２つのステップの順に従って計算される。
本実施形態の主要知識ポイント推奨方法によって、知識ポイント明示関係強度値は、前方明示関係強度値及び後方明示関係強度値の計算を通して得られ、且つ、この双方向関係強度評価方法は、明示関係強度の精度を更に向上し得る。
本実施形態の主要知識ポイント推奨方法とともに、明示関係強度及び暗示関係強度は、指数関数及び対数関数を使用して計算され、数学モデルは、柔軟な構想、単純なアルゴリズム及び簡単な実装の観点で有利であるこれらの関数の特徴及びこれらの間の関係に基づき確立される。
（４） すべての知識ポイントの明示関係強度値に従って知識ポイント関係強度行列Ｍを生成するステップ。
表２に示すように、知識ポイント関係強度行列Ｍ（この時点でここに明示関係強度値が保存されている。）は、表１に示す知識ポイントＡ、Ｂ及びＣの間の明示関係強度値に従って生成される。
Figure 0006356789
（ＩＩ） 知識ポイント関係強度行列に従って重み付き有向グラフＧを作成するステップであって、重み付き有向グラフＧは、辺、重み及び頂点を有し、辺及び重みは、Ｍij＞０の場合に、知識ポイントｏiから知識ポイントｏjまでの辺の重みが−ｌｎ（Ｍij）と設定され、Ｍij＝０の場合に、Ｇにおいて知識ポイントｏiから知識ポイントｏjまでの辺はないものと設定され、ここで、Ｍijは、知識ポイントｏiから知識ポイントｏjまでの明示関係強度値を表す。
重み付き有向グラフＧは、Ｍと同じ頂点を有する。本発明で、明示関係行列は、知識ポイントの間の最短距離の計算を円滑にするために重み付き有向グラフに変換され、アルゴリズムの実施を単純化し、且つ、計算効率を向上する。本実施形態の重み付き有向グラフＧは、行列として表される。表２に示す知識ポイント関係強度行列に基づき作成された重み付き有向グラフＧは、表３に示される。
Figure 0006356789
表３に示すＮＵＬＬは、辺がないことを表す。
一代替実施形態として、重み付き有向グラフＧは、図２のように示されてもよい。図２に示すように、知識ポイントの間の明示関係は、重み値をもつ辺として視覚的に表され、且つ、知識ポイントは、重み付き有向グラフＧの頂点である。
（ＩＩＩ） 重み付き有向グラフＧに従って知識ポイント暗示関係強度値を計算し、且つ、知識ポイント暗示関係強度行列Ｉを生成する、ステップ。
知識ポイント暗示関係強度は、
Figure 0006356789
 であって、ｆI（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの暗示関係強度値を表し、Ｃijは、重み付き有向グラフＧにおいて知識ポイントｏiから知識ポイントｏjまでの最短経路長を表す。
知識ポイントｏiから知識ポイントｏjまでの単純経路がない場合は、ｆI（ｉ，ｊ）＝０であり、即ち、ある知識ポイントから当該知識ポイント（それ自身）までの暗示関係強度の値は、０に設定される。それ以外の場合に、暗示関係強度ｆI（ｉ，ｊ）の複数の値は、知識ポイント暗示関係強度行列Ｉを生成するために行列に保存される。
ダイクストラアルゴリズムは、最短経路長Ｃijを計算するために使用されてもよく、処理速度が高速であり、且つ、高速な検索及び改善された応答速度を実現し得る。
表１に示す知識ポイントＡ、Ｂ及びＣの間の暗示関係強度値に基づき生成された知識ポイント暗示関係強度行列Ｉは、表４に示される。
Figure 0006356789
（ＩＶ） 知識ポイント暗示関係強度行列Ｉを走査し、且つ、知識ポイント関係強度行列Ｍを更新する。特に、このプロセスは、暗示関係強度行列Ｉにある各要素を走査するステップと、ＩijがＭijよりも大きい又は小さいかを判定するステップと、
Ｉij＞Ｍijの場合は、Ｍij＝Ｉijを再割り当てし、且つ、知識ポイント関係強度行列Ｍを更新し、且つ、知識ポイント暗示関係強度行列Ｉにある次の要素に進む、ステップと、
Ｉij≦Ｍijの場合は、知識ポイント暗示関係強度行列Ｉの各要素が走査されるまで、知識ポイント暗示関係強度行列Ｉにある次の要素に直ちに進む、ステップと、を有する。
表５は、図１の知識ポイントＡ、Ｂ、Ｃの間の更新された関係強度値を示す。
Figure 0006356789
表５から分かるのは、表２の複数の値が、暗示関係強度値により更新されており、且つ、関係強度値のすべての値が[０，１]の範囲内にあることである。
本実施形態の主要知識ポイント推奨方法によって、明示関係強度値及び暗示関係強度値は、指数関数及び対数関数を使用して計算され、数学モデルは、柔軟な構想、単純なアルゴリズム及び簡単な実装の観点で有利であるこれらの関数の特徴及びこれらの間の関係に基づき確立される。
本実施形態の主要知識ポイント推奨方法によって、明示関係強度値及び暗示関係強度値は、それぞれ明示関係強度行列及び暗示関係強度行列に保存され、且つ、計算においてアクセスがされやすく、処理速度が更に向上し得る。
Ｓ１０４： 知識ポイント関係強度のすべての値に従って知識ポイントの重みを計算し、且つ、知識ポイント及びこれらの重みをそれぞれ保存する、ステップ。
特定のプロセスは、知識ポイント関係強度号列Ｍに従って、知識ポイントｏiから開始する全ての辺の集合Ｔi out及び知識ポイントｏiで終端する全ての辺の集合Ｔi inを取得するステップであって、知識ポイントＡの重みωAを計算すること、Ａから開始する全ての辺の集合ＴA out＝｛（Ａ，Ｂ），（Ａ，Ｃ）｝及びＡで終端する全ての辺の集合ＴA IN＝｛（Ｂ，Ａ），（Ｃ，Ａ）｝を取得すること、知識ポイントＡの重みωAを計算することである、ステップと、それぞれの知識ポイントｏiの重みωiを設定するステップであって、Ｔi outにある各辺の重みは、θoutを乗じて、且つ次いで、ωiを足し、Ｔi inにある各辺の重みは、θinを乗じて、且つ次いで、ωiを足し、得られた重みωiは、リストＬに保存され、ここで、θout、θinは、制御変数であり、且つ、それぞれの知識ポイントｏiの重みωiは、０に設定された初期値を有する、ステップと、を有する。
辺（Ａ，Ｂ）は、ＴA outから取得され、重みωAの初期値は、０に設定され、且つ、この辺の重みは、θoutを乗じて、且つ次いで、ωAを足し、ここで、θoutの値は１であって、ωA＝０＋０．６６１７６８４８９７２３８４６４＊１＝０．６６１７６８４８９７２３８４６４を得る。この計算は、ＴA out中の全ての辺に実行され、そして、ωA＝０．８６５６４４８７１８８０８０２３２が得られる。辺｛Ｂ，Ａ｝は、ＴA INから得られ、且つ、この辺の重みは、θinを乗じて、且つ次いで、ωAを足し、ここで、θoutの値は２であって、ωA＝０．８６５６４４８７１８８０８０２３２＋０．５６１９４２８２３４９１９２８１＊２＝１．９８９５３０５１８８６４６５８５２を得る。この計算は、ＴA IN中の全ての辺に実行され、そして、ωA＝２．１６２６５２７９８９５４４９４が得られる。同様に、知識ポイントＡ、Ｂ及びＣに対応する重みが得られ、ωA＝２．１６２６５２７９８９５４４９４、ωB＝２．５０１６３６０１２６１９６３４、ωC＝１．２６４５０９１６６４５８８４６である。
制御変数θout∈［０．１，１０］、θin∈［０．１，１０］である。本実施形態では、θout＝１、θin＝２である。他の実施形態では、θout、θinは、０．５、１．５、２．５、３、３．７、５、７、９といった他の異なる値を有してもよい。均等化（辺の重みのバランス）を考慮して、制御変数θout、θinは、知識ポイントｏiから開始する辺及び知識ポイントｏiで終了する辺を制御するために使用され、知識ポイントｏiの重みに対するこれらの寄与を調整する。制御変数θout、θinがこれらの値に大きな差を有する場合、これらの辺は、これらの寄与に大きな差を有する。制御変数θout、θinがこれらの値に小さな差を有する場合、これらの辺は、これらの寄与に小さな差を有する。制御変数θoutが大きな値を有するとき、主要知識ポイントは、より強い一般性及び汎用性を有し、逆も同じである。制御変数θinが大きな値を有するとき、主要知識ポイントは、より高いポピュラリティを有し、逆も同じである。制御変数θout、θinは、ＡＩの介在を実現するために知識ポイント集合の特徴に従って設定されてもよい。
Ｓ１０６： 知識ポイントの重みに従って主要知識ポイントを判定し、且つ、主要知識ポイントをユーザに推奨する、ステップ。知識ポイント及びこれらの重みはそれぞれリストＬに保存される。本実施形態では、このプロセスは特別に、知識ポイントの重みの降順に知識ポイントをソートし、且つ、知識ポイントのリストＬを更新し、リストＬ＝知識ポイントのωB、ωA、ωCを得る、ステップと、知識ポイントのリストＬから最初のＫ個の知識ポイントを選択し、且つ、これらの主要知識ポイントを主要知識ポイントとしてユーザに推奨する、ステップであって、Ｋは、２以上の整数であり、且つ、すべての知識ポイントの数よりも小さい。一般に、Ｋは、２≦Ｋ≦４５の範囲の値である。知識ポイント集合の特徴に従って異なる閾値が選択されてもよく、且つ、必要に応じてユーザにより調整されてもよい。一方で、ユーザは、推奨された主要知識ポイントからお気に入りの知識ポイントを選択してもよい。
本実施形態では、知識ポイントのリストＬから最初の２つの知識ポイントωB、ωAが選択されるように、Ｋは２に設定される。これらの２つの知識ポイントは、主要知識ポイントである。
実施形態２
重み付き有向グラフＧに基づき知識ポイント暗示関係強度値を計算し、且つ、知識ポイント暗示関係強度行列Ｉを生成する、ステップを除き、本実施形態の他のステップは、実施形態１のものと同じである。
重み付き有向グラフＧに基づき知識ポイント暗示関係強度を計算し、且つ、知識ポイント暗示関係強度行列Ｉを生成する、ステップは、知識ポイント暗示関係強度値ｆI（ｉ，ｊ）＝ｅｘｐ（−Ｃij）であって、ｆI（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの暗示関係強度値を表し、Ｃijは、重み付き有向グラフＧにおいて知識ポイントｏiから知識ポイントｏjまでの最短経路長を表す。知識ポイントｏiから知識ポイントｏjまでの単純経路がない場合に、ｆI（ｉ，ｊ）＝０、即ち、ある知識ポイントから当該知識ポイント（それ自身）までの暗示関係強度の値は、０に設定される。それ以外の場合に、暗示関係強度ｆI（ｉ，ｊ）の複数の値は、知識ポイント暗示関係強度行列Ｉを生成するために行列に保存される。
ＳＰＦＡアルゴリズムは、最短経路長を計算する方法として使用される。このアルゴリズムは、キューが初期化されたときに、キュー及びソースの知識ポイントがキューに挿入される。知識ポイントは、隣接のポイントを緩和させるために、毎回キューを取り出す。隣接ポイントがうまく緩和された場合は、キューに挿入される。アルゴリズムは、キューが空になるときに終了する。アルゴリズムは、単純であって、高速な処理速度を有し、反応速度が向上し得る。
実施形態３
重み付き有向グラフＧに基づき知識ポイント暗示関係強度値を計算し、且つ、知識ポイント暗示関係強度行列Ｉを生成する、ステップを除き、本実施形態の他のステップは、実施形態１のものと同じである。
重み付き有向グラフＧに基づき知識ポイント暗示関係強度を計算し、且つ、知識ポイント暗示関係強度行列Ｉを生成する、ステップは、知識ポイント暗示関係強度値ｆI（ｉ，ｊ）＝ｅｘｐ（−Ｃij）であって、ｆI（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの暗示関係強度値を表し、Ｃijは、重み付き有向グラフＧにおいて知識ポイントｏiから知識ポイントｏjまでの最短経路長を表す。知識ポイントｏiから知識ポイントｏjまでの単純経路がない場合に、ｆI（ｉ，ｊ）＝０、即ち、ある知識ポイントから当該知識ポイント（それ自身）までの暗示関係強度の値は、０に設定される。それ以外の場合に、暗示関係強度ｆI（ｉ，ｊ）の複数の値は、知識ポイント暗示関係強度行列Ｉを生成するために行列に保存される。
フロイド-ワーシャル法は、最短経路長を計算する方法として使用される。このアルゴリズムでもって、いかなる２点間の最短経路が計算されてもよい。このアルゴリズムは、有向グラフ、負の重み付きの辺を有するグラフを含む、いかなるグラフで使用されてもよく、且つ、最短サブ経路の検索を介して最短経路を得てもよい。このアルゴリズムは、簡単に実施できえ、高速な処理速度及び向上した反応速度を有する。
実施形態４
重み付き有向グラフＧに基づき知識ポイント暗示関係強度値を計算し、且つ、知識ポイント暗示関係強度行列Ｉを生成する、ステップを除き、本実施形態の他のステップは、実施形態１のものと同じである。
重み付き有向グラフＧに基づき知識ポイント暗示関係強度値を計算し、且つ、知識ポイント暗示関係強度行列Ｉを生成する、ステップは、知識ポイント暗示関係強度値ｆI（ｉ，ｊ）＝ｅｘｐ（−Ｃij）であって、ｆI（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの暗示関係強度値を表し、Ｃijは、重み付き有向グラフＧにおいて知識ポイントｏiから知識ポイントｏjまでの最短経路長を表す。知識ポイントｏiから知識ポイントｏjまでの単純経路がない場合に、ｆI（ｉ，ｊ）＝０、即ち、ある知識ポイントから当該知識ポイント（それ自身）までの暗示関係強度の値は、０に設定される。それ以外の場合に、暗示関係強度ｆI（ｉ，ｊ）の複数の値は、知識ポイント暗示関係強度行列Ｉを生成するために行列に保存される。
ベルマンーフォードアルゴリズムは、最短経路長を計算する方法として使用される。アルゴリズムは、単一始点最短経路計算に適しており、プログラム作成及び実施が容易である。
本実施形態の主要知識ポイント推奨方法は、知識ポイント集合における知識ポイントの知識ポイント関係強度値を計算するステップと、知識ポイント集合における知識ポイントの知識ポイント関係強度値に従って知識ポイントの重みを計算し、且つ、知識ポイント及びこれらの重みをそれぞれ保存する、ステップと、知識ポイントの重みに従って主要知識ポイントを判定し、且つ、主要知識ポイントをユーザに推奨する、ステップと、を有する。本実施形態では、知識ポイント関係強度は、知識ポイント集合における知識ポイントの知識ポイント関係強度値を計算するステップを介して得られ、そして、より客観的且つ効果的な方法で、ユーザが選択的に主要知識ポイントを学習することを助け、且つ、従来技術における問題点を回避するために、ユーザにレコメンデーションが与えられる。この従来技術のおける問題点とは、情報レコメンデーションがファジー理論情報レコメンデーション技術に基づいており、しかし、ファジー理論アルゴリズムは、精度が低い上に適合性に欠けることである。また、これらの方法は、ユーザプロファイルを必要とし、リアルタイムで更新されるユーザプロファイルを追跡するのは困難である。また、これらの方法は、主要知識の要点ではなく、対象の情報又は知識の要点を得るのみである。
実施形態５
図３は、本発明の一実施形態による主要知識ポイント推奨システムの構造図である。本実施形態では、関係強度計算モジュール３１は、知識ポイント明示関係強度値を計算し、知識ポイント明示関係強度値に従って知識ポイント暗示関係強度値を計算し、且つ、知識ポイント明示関係強度値及び知識ポイント暗示関係強度値に従って知識ポイント関係強度値を計算する。
図４は、本発明の一実施形態による関係強度計算モジュールの概略図である。図４に示すように、本実施形態では、関係強度計算モジュール３１は、特に、知識ポイント集合における知識ポイントの知識ポイント明示関係強度値を計算し、且つ、知識ポイント関係強度行列Ｍを生成する、関係強度行列生成ユニット３１１を有する。本実施形態では、関係強度行列生成ユニットは、特に、知識ポイント集合における知識ポイントの知識ポイント前方明示関係強度値を計算する前方明示関係強度計算サブユニット３１１１を有する。知識ポイント前方明示関係強度値は、
Figure 0006356789
 と表され、ｆp（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの前方明示関係強度値であって、μは、知識ポイントｏiに関係するテキスト中に現れる知識ポイントｏjの回数であり、βは、制御因子であり、０．５≦β≦２、μ、ｉ、ｊは、負でない整数であり、ｉ，ｊ＝１，２，．．．ｎ、ｎは、知識ポイントの数である。本実施形態では、制御因子βは、１である。
関係強度行列生成ユニットは、知識ポイント集合における知識ポイントの知識ポイント後方明示関係強度値を計算する後方明示関係強度計算サブユニット３１１２を有する。知識ポイント後方明示関係強度値は、
Figure 0006356789
 と表され、ここで、ｆN（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの後方明示関係強度値であって、αは、関連因子であり、１≦α≦５、αは、正の整数であり、ｆp（ｊ，ｉ）は、知識ポイントｏjから知識ポイントｏiまでの前方明示関係強度値である。
関係強度行列生成ユニットは、知識ポイント集合における知識ポイントの知識ポイント前方明示関係強度値及び知識ポイント後方明示関係強度値に従って知識ポイント明示関係強度値を計算する明示関係強度計算サブユニット３１１３を有する。知識ポイント明示関係強度は、
Figure 0006356789
 と表され、ここで、ｆE（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの明示関係強度値であって、ｆp（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの前方明示関係強度値であり、ｆN（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの後方明示関係強度値であり、αは、関連因子であり、１≦α≦５、且つ、αは、正の整数である。
関係強度行列生成ユニットは、知識ポイント集合における知識ポイントの知識ポイント明示関係強度値に従って知識ポイント関係強度行列Ｍを生成する関係強度行列生成サブユニット３１１４を有する。
関係強度計算モジュール３１は、知識ポイント関係強度行列に従って重み付き有向グラフＧを作成する重み付き有向グラフ作成ユニット３１２を有する。重み付き有向グラフＧは、辺、重み及び頂点を有し、辺及び重みは、Ｍij＞０の場合に、知識ポイントｏiから知識ポイントｏjまでの辺の重みが−ｌｎ（Ｍij）と設定され、Ｍij＝０の場合に、Ｇにおいて知識ポイントｏiから知識ポイントｏjまでの辺はないものと設定され、ここで、Ｍijは、知識ポイントｏiから知識ポイントｏjまでの明示関係強度値を表す。重み付き有向グラフＧは、Ｍと同じ頂点を有する。重み付き有向グラフＧは、行列として表される。
関係強度計算モジュール３１は、重み付き有向グラフＧに従って知識ポイント暗示関係強度値を計算し、且つ、知識ポイント暗示関係強度行列Ｉを生成する、暗示関係強度行列作成ユニット３１３を有する。知識ポイント暗示関係強度は、
Figure 0006356789
 と表され、ここで、ｆI（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの暗示関係強度値を表し、Ｃijは、重み付き有向グラフＧにおいて知識ポイントｏiから知識ポイントｏjまでの最短経路長を表す。知識ポイントｏiから知識ポイントｏjまでの単純経路がない場合に、ｆI（ｉ，ｊ）＝０、即ち、ある知識ポイントから当該知識ポイントまでの暗示関係強度の値は、０に設定され、それ以外の場合に、暗示関係強度ｆI（ｉ，ｊ）の複数の値は、知識ポイント暗示関係強度行列Ｉを生成するために行列に保存される。
最短経路長Ｃijは、ダイクストラアルゴリズム、ＳＰＦＡアルゴリズム、フロイド-ワーシャル法又はベルマンーフォードアルゴリズムを使用して計算されてもよい。
関係強度計算モジュール３１は、知識ポイント暗示関係強度行列Ｉを走査し、且つ、知識ポイント関係強度行列Ｍを更新する、更新ユニット３１４を有する。本実施形態では、この更新ユニット３１４は、知識ポイント暗示関係強度行列Ｉにある各要素を走査する検索サブユニット３１４１と、ＩijがＭijよりも大きい又は小さいかを判定する判定サブユニット３１４２と、Ｉij＞Ｍijの場合は、Ｍij＝Ｉijを再割り当てし、且つ、知識ポイント関係強度行列Ｍを更新した後に、知識ポイント暗示関係強度行列Ｉにある次の要素に進む、更新サブユニット３１４３と、Ｉij≦Ｍijの場合は、知識ポイント暗示関係強度行列Ｉが走査されるまで、知識ポイント暗示関係強度行列Ｉにある次の要素に直ちに進む、更新サブユニット３１４３と、を有する。
本実施形態は、知識ポイント集合における知識ポイントの知識ポイント関係強度値に従って知識ポイントの重みを計算し、且つ、知識ポイント及びこれらの重みをそれぞれ保存する、重み計算及び保存モジュール３２を有する。
知識ポイント集合における知識ポイントの知識ポイント関係強度値に従ってそれぞれの知識ポイントの重みを計算し、且つ、知識ポイント及びこれらの重みをそれぞれ保存するステップは、知識ポイント集合における知識ポイント関係強度行列Ｍに従って、知識ポイントｏiから開始する全ての辺の集合Ｔi out及び知識ポイントｏiで終端する全ての辺の集合Ｔi inを取得するステップと、それぞれの知識ポイントｏiの重みωiを設定するステップであって、Ｔi outにある各辺の重みは、θoutを乗じて、且つ次いで、ωiを足し、Ｔi inにある各辺の重みは、θinを乗じて、且つ次いで、ωiを足し、得られた重みωiは、リストＬに保存され、ここで、θout、θinは、制御変数であり、且つ、それぞれの知識ポイントｏiの重みωiは、０に設定された初期値を有する、ステップと、を有する。制御変数θout∈［０．１，１０］、θin∈［０．１，１０］である。知識ポイント集合における知識ポイント及びこれらの重みは、それぞれリストＬに保存される。
知識ポイントの前記重みに従って主要知識ポイントを判定し、且つ、前記主要知識ポイントをユーザに推奨する、推奨モジュール３３は、特に、前記知識ポイントの前記重みの降順に前記知識ポイントをソートし、且つ、前記知識ポイントの前記リストＬを更新する、ソートサブモジュール３３１と、知識ポイント集合における知識ポイントのリストＬから最初のＫ個の知識ポイントを主要知識ポイントとして選択し、且つ、これらの主要知識ポイントをユーザに推奨する、推奨サブモジュール３３２と、を有し、ここで、Ｋは、２以上の整数であり、Ｋは、２≦Ｋ≦４５の範囲である。本実施形態では、Ｋ＝２である。
本実施形態の主要知識ポイント推奨システムは、上記の主要知識ポイント推奨方法でもって、従来技術の問題が効果的に回避できる可能性がある。即ち、従来技術の情報レコメンデーションは、ファジー理論情報レコメンデーション技術に基づくが、しかし、ファジー理論アルゴリズムは、精度が低い上に適合性に欠ける。また、これらの方法はユーザプロファイルを必要とし、リアルタイムで更新されるユーザプロファイルを追跡するのは困難である。また、これらの方法は、主要知識の要点ではなく、対象の情報又は知識の要点を得るのみである。
明らかに、上記の実施形態は、明確な説明のために与えられた例にすぎないが、本発明を限定するものではない。上記の説明に基づき当業者により他の変更及び変形がなされてもよく、本明細書中で網羅的に記載されているわけではない。これらの変更及び変形は、未だ本発明の保護範囲内に包含されている。
当業者は、本出願の実施形態は、方法、システム、又はコンピュータプログラムのプロダクトとして提供することができることを理解すべきである。従って、本出願は、全体的にハードウェアの実施形態、全体的にソフトウェアの実施形態、又はソフトウェアとハードウェアを組み合わせた実施形態の形態を使用することができる。更には、本出願は、コンピュータによって実行可能なプログラミングコードを有する１つ又は複数の記憶媒体（限定を伴うことなしに、ディスクメモリ、ＣＤ−ＲＯＭ、光メモリなどを含む）上において実行されるコンピュータプログラムプロダクトの形態を使用することもできる。
本出願は、本発明の実施形態による方法、機器（システム）、及びコンピュータプログラムプロダクトのフローチャート及び／又はブロックダイアグラムを参照して記述されている。フローチャート及び／又はブロックダイアグラム中のそれぞれのフロー及び／又はブロックのみならず、フローチャート及び／又はブロックダイアグラム中のフロー及び／又はブロックの組合せは、コンピュータプログラム命令を通じて実現可能であることを理解されたい。このようなコンピュータプログラム命令は、フローチャート中の１つ又は複数のフロー及び／又はブロックダイアグラムの１つのブロック又は複数のブロック内において規定されている機能を実現する装置が、コンピュータ又はプログラム可能なデータ処理機器の任意のその他のプロセッサによって実行される命令によって生成されるように、機械を生成するべく、汎用コンピュータ、特殊目的コンピュータ、組込み型プロセッサ、又はプログラム可能なデータ処理機器の任意のその他のプロセッサに提供されることができる。
また、このようなコンピュータプログラム命令は、コンピュータの可読メモリ内において保存されたコマンドがコマンド装置のプロダクトを生成するように、特定のスタイルにおける動作にコンピュータ又はその他のプログラム可能なデータ処理機器を導きうるコンピュータの可読メモリ内に保存可能であり、このような命令装置は、フローチャート中の１つ又は複数のフロー及び／又はブロックダイアグラムの１つ又は複数のブロック内に規定されている機能を実現することができる。
また、このようなコンピュータプログラム命令は、コンピュータ又はその他のプログラム機器によって実行される命令が、フローチャート中の１つ又は複数のフロー及び／又はブロックダイアグラムの１つのブロック又は複数のブロック内において規定されている機能を実現するように、コンピュータ又はその他のプログラム可能な機器上において一連の動作ステップを実行してコンピュータによって実現されるプロセスを生成するように、コンピュータ又はその他のプログラム可能なデータ処理機器上に読み込むこともできる。
以上、本願の好適な実施形態について説明したが、当業者であれば、基本的な創造的概念を理解すれば、これらの実施形態の更なる変更及び変形を実施することができる。従って、添付の請求項は、好適な実施形態と、本願の範囲内のすべての変更及び変形と、を包含するべく解釈されることを意図している。

Claims (15)

  1. コンピュータによって実行される主要知識ポイント推奨方法であって、前記コンピュータは、
    知識ポイント集合における知識ポイントの知識ポイント関係強度値を計算するステップであって、前記知識ポイントの知識ポイント関係強度値を計算するステップは、
    知識ポイント集合における知識ポイントの知識ポイント明示関係強度値を計算するステップと、
    前記知識ポイント明示関係強度値に従って知識ポイント暗示関係強度値を計算するステップと、
    前記知識ポイント明示関係強度値及び前記知識ポイント暗示関係強度値に従って知識ポイント関係強度値を計算するステップと、を有する、ステップと、
    前記知識ポイント集合における知識ポイントの前記知識ポイント関係強度値に従ってそれぞれの知識ポイントの重みを計算し、且つ、前記知識ポイント及びこれらの重みをそれぞれ保存する、ステップと、
    前記知識ポイントの前記重みに従って主要知識ポイントを判定し、且つ、前記主要知識ポイントをユーザに推奨する、ステップと、
    を実行することを特徴とする方法。
  2. 請求項１に記載の主要知識ポイント推奨方法であって、知識ポイント集合における知識ポイントの知識ポイント関係強度値を計算するステップは、
    前記知識ポイント集合における知識ポイントの知識ポイント明示関係強度値を計算し、且つ、知識ポイント関係強度行列Ｍを生成する、ステップと、
    前記知識ポイント関係強度行列に従って重み付き有向グラフＧを作成するステップと、
    前記重み付き有向グラフＧに従って知識ポイント暗示関係強度値を計算し、且つ、知識ポイント暗示関係強度行列Ｉを生成する、ステップと、
    前記知識ポイント暗示関係強度行列Ｉを走査し、且つ、前記知識ポイント関係強度行列Ｍを更新するステップと、
    を有すること、を特徴とする方法。
  3. 請求項２に記載の主要知識ポイント推奨方法であって、前記知識ポイント集合における知識ポイントの前記知識ポイント関係強度値に従ってそれぞれの知識ポイントの重みを計算し、且つ、前記知識ポイント及びこれらの重みをそれぞれ保存するステップは、
    前記知識ポイント集合における前記知識ポイント関係強度行列Ｍに従って、知識ポイントｏiから開始する全ての辺の集合Ｔi out及び知識ポイントｏiで終端する全ての辺の集合Ｔi inを取得するステップと、
    それぞれの知識ポイントｏiの重みωiを設定するステップであって、Ｔi outにある各辺の重みは、θoutを乗じて、且つ次いで、ωiを足し、Ｔi inにある各辺の重みは、θinを乗じて、且つ次いで、ωiを足し、前記得られた重みωiは、リストＬに保存され、ここで、θout、θinは、制御変数であり、且つ、前記それぞれの知識ポイントｏiの重みωiは、０に設定された初期値を有する、ステップと、
    を有すること、
    及び／又は、
    前記知識ポイントの前記重みに従って主要知識ポイントを判定し、且つ、前記主要知識ポイントをユーザに推奨するステップは、
    前記知識ポイントの前記重みの降順に前記知識ポイントをソートし、且つ、前記知識ポイントの前記リストＬを更新するステップと、
    知識ポイント集合における知識ポイントの前記リストＬから最初のＫ個の知識ポイントを主要知識ポイントとして選択し、且つ、これらの主要知識ポイントをユーザに推奨するステップであって、Ｋは、２以上の整数である、ステップと、
    を有すること、を特徴とする方法。
  4. 請求項２乃至３のいずれか一項に記載の主要知識ポイント推奨方法であって、前記知識ポイント集合における知識ポイントの知識ポイント明示関係強度値を計算するステップは、
    前記知識ポイント集合における知識ポイントの知識ポイント前方明示関係強度値を計算するステップと、
    前記知識ポイント集合における知識ポイントの知識ポイント後方明示関係強度値を計算するステップと、
    前記知識ポイント集合における知識ポイントの前記知識ポイント前方明示関係強度値及び前記知識ポイント後方明示関係強度値に従って知識ポイント明示関係強度値を計算するステップと、
    前記知識ポイント集合における知識ポイントの前記知識ポイント明示関係強度値に従って前記知識ポイント関係強度行列Ｍを生成するステップと、
    を有することを特徴とする方法。
  5. 請求項２乃至４のいずれか一項に記載の主要知識ポイント推奨方法であって、前記知識ポイント暗示関係強度行列Ｉを走査し、且つ、前記知識ポイント関係強度行列Ｍを更新するステップは、
    前記知識ポイント暗示関係強度行列Ｉにある各要素を走査するステップと、
    ＩijがＭijよりも大きい又は小さいかを判定するステップであって、Ｉij＞Ｍijの場合は、Ｍij＝Ｉijを再割り当てし、且つ、前記知識ポイント関係強度行列Ｍを更新した後に、前記知識ポイント暗示関係強度行列Ｉにある次の要素に進む、ステップと、
    Ｉij≦Ｍijの場合は、前記知識ポイント暗示関係強度行列Ｉが走査されるまで、前記知識ポイント暗示関係強度行列Ｉにある次の要素に直ちに進む、ステップと、
    を有することを特徴とする方法。
  6. 請求項４に記載の主要知識ポイント推奨方法であって、知識ポイント前方明示関係強度値は、
    Figure 0006356789
     と表され、ｆp（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの前記知識ポイント前方明示関係強度値であって、μは、前記知識ポイントｏiに関係するテキスト中に現れる前記知識ポイントｏjの回数であり、且つ、βは、制御因子であり、０．５≦β≦２、μ、ｉ、ｊは、負でない整数であり、ｉ，ｊ＝１，２，．．．ｎ、ｎは、知識ポイントの数であること、
    又は、
    知識ポイント後方明示関係強度値は、
    Figure 0006356789
     と表され、ｆN（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの前記知識ポイント後方明示関係強度値であって、αは、関連因子であり、１≦α≦５、αは、正の整数であり、ｆp（ｊ，ｉ）は、知識ポイントｏjから知識ポイントｏiまでの前記知識ポイント前方明示関係強度値であること、
    又は、
    知識ポイント明示関係強度値は、
    Figure 0006356789
     と表され、ｆE（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの前記知識ポイント明示関係強度値であって、ｆp（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの前記知識ポイント前方明示関係強度値であり、ｆN（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの前記知識ポイント後方明示関係強度値であり、αは、関連因子であり、１≦α≦５、αは、正の整数であること、
    を特徴とする方法。
  7. 請求項２乃至６のいずれか一項に記載の主要知識ポイント推奨方法であって、前記重み付き有向グラフＧは、辺、重み及び頂点を有し、
    辺及び重みは、
    Ｍij＞０の場合に、知識ポイントｏiから知識ポイントｏjまでの辺の前記重みが−ｌｎ（Ｍij）と設定され、Ｍij＝０の場合に、Ｇにおいて知識ポイントｏiから知識ポイントｏjまでの辺はないものと設定され、ここで、Ｍijは、知識ポイントｏiから知識ポイントｏjまでの前記知識ポイント明示関係強度値を表し、
    重み付き有向グラフＧは、Ｍと同じ頂点を有すること、
    又は、
    知識ポイント暗示関係強度値は、
    Figure 0006356789
     と表され、ここで、ｆI（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの前記知識ポイント暗示関係強度値を表し、Ｃijは、前記重み付き有向グラフＧにおいて知識ポイントｏiから知識ポイントｏjまでの最短経路長を表し、
    知識ポイントｏiから知識ポイントｏjまでの単純経路がない場合に、ｆI（ｉ，ｊ）＝０、即ち、ある知識ポイントから当該知識ポイントまでの前記知識ポイント暗示関係強度の前記値は、０に設定され、
    それ以外の場合に、前記知識ポイント暗示関係強度ｆI（ｉ，ｊ）の複数の前記値は、知識ポイント暗示関係強度行列Ｉを生成するために行列に保存されること、
    を特徴とする方法。
  8. 請求項３に記載の主要知識ポイント推奨方法であって、前記制御変数θout∈［０．１，１０］、θin∈［０．１，１０］であること、
    又は、
    Ｋは、２≦Ｋ≦４５の範囲であること、
    を特徴とする方法。
  9. 主要知識ポイント推奨システムであって、
    知識ポイント集合における知識ポイントの知識ポイント関係強度値を計算する関係強度計算モジュールであって、前記知識ポイント集合における知識ポイントの知識ポイント関係強度値を計算することは、
    知識ポイント集合における知識ポイントの知識ポイント明示関係強度値を計算し、
    前記知識ポイント明示関係強度値に従って知識ポイント暗示関係強度値を計算し、
    前記知識ポイント明示関係強度値及び前記知識ポイント暗示関係強度値に従って知識ポイント関係強度値を計算すること、を有する、関係強度計算モジュールと、
    前記知識ポイント集合における前記知識ポイントの前記知識ポイント関係強度値に従って知識ポイントの重みを計算し、且つ、前記知識ポイント及びこれらの重みをそれぞれ保存する、重み計算及び保存モジュールと、
    前記知識ポイントの前記重みに従って主要知識ポイントを判定し、且つ、前記主要知識ポイントをユーザに推奨する、推奨モジュールと、
    を有することを特徴とするシステム。
  10. 請求項９に記載の主要知識ポイント推奨システムであって、
    前記関係強度計算モジュールは、
    前記知識ポイント集合における前記知識ポイントの知識ポイント明示関係強度値を計算し、且つ、知識ポイント関係強度行列Ｍを生成する、関係強度行列生成ユニットと、
    前記知識ポイント関係強度行列に従って重み付き有向グラフＧを作成する重み付き有向グラフ作成ユニットと、
    前記重み付き有向グラフＧに従って知識ポイント暗示関係強度値を計算し、且つ、知識ポイント暗示関係強度行列Ｉを生成する、暗示関係強度行列作成ユニットと、
    前記知識ポイント暗示関係強度行列Ｉを走査し、且つ、前記知識ポイント関係強度行列Ｍを更新する、更新ユニットと、
    を有すること、
    を特徴とするシステム。
  11. 請求項１０に記載の主要知識ポイント推奨システムであって、前記重み計算及び保存モジュールは、前記知識ポイント集合における知識ポイントの知識ポイント関係強度行列Ｍに従って、知識ポイントｏiから開始する全ての辺の集合Ｔi out及び知識ポイントｏiで終端する全ての辺の集合Ｔi inを取得し、それぞれの知識ポイントｏiの重みωiを設定し、Ｔi outにある各辺の重みは、θoutを乗じて、且つ次いで、ωiを足し、Ｔi inにある各辺の重みは、θinを乗じて、且つ次いで、ωiを足し、前記得られた重みωiは、リストＬに保存され、ここで、θout、θinは、制御変数であり、且つ、前記それぞれの知識ポイントｏiの重みωiは、０に設定された初期値を有すること、
    又は、
    前記推奨モジュールは、
    前記知識ポイントの前記重みの降順に前記知識ポイントをソートし、且つ、前記知識ポイントの前記リストＬを更新する、ソートサブモジュールと、
    前記知識ポイント集合における知識ポイントの前記リストＬから前記最初のＫ個の知識ポイントを主要知識ポイントとして選択し、且つ、これらの主要知識ポイントを前記ユーザに推奨する、推奨サブモジュールと、を有し、Ｋは、２以上の整数であること、
    を特徴とするシステム。
  12. 請求項１０乃至１１のいずれか一項に記載の主要知識ポイント推奨システムであって、前記関係強度行列生成ユニットは、
    前記知識ポイント集合における知識ポイントの知識ポイント前方明示関係強度値を計算する前方明示関係強度計算サブユニットと、
    前記知識ポイント集合における知識ポイントの知識ポイント後方明示関係強度値を計算する後方明示関係強度計算サブユニットと、
    前記知識ポイント集合における知識ポイントの前記知識ポイント前方明示関係強度値及び前記知識ポイント後方明示関係強度値に従って知識ポイント明示関係強度値を計算する明示関係強度計算サブユニットと、
    前記知識ポイント集合における知識ポイントの前記知識ポイント明示関係強度値に従って前記知識ポイント関係強度行列Ｍを生成する関係強度行列生成サブユニットと、
    を有すること、
    又は、
    前記更新ユニットは、
    前記知識ポイント暗示関係強度行列Ｉにある各要素を走査する検索サブユニットと、
    ＩijがＭijよりも大きい又は小さいかを判定する判定サブユニットと、
    Ｉij＞Ｍijの場合は、Ｍij＝Ｉijを再割り当てし、且つ、前記知識ポイント関係強度行列Ｍを更新した後に、前記知識ポイント暗示関係強度行列Ｉにある次の要素に進む、更新サブユニットと、
    Ｉij≦Ｍijの場合は、前記知識ポイント暗示関係強度行列Ｉが走査されるまで、前記知識ポイント暗示関係強度行列Ｉにある次の要素に直ちに進む、更新サブユニットと、
    を有すること、
    を特徴とするシステム。
  13. 請求項１２に記載の主要知識ポイント推奨システムであって、知識ポイント前方明示関係強度値は、
    Figure 0006356789
     と表され、ｆp（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの前記知識ポイント前方明示関係強度値であって、μは、前記知識ポイントｏiに関係するテキスト中に現れる前記知識ポイントｏjの回数であり、且つ、βは、制御因子であり、０．５≦β≦２、μ、ｉ、ｊは、負でない整数であり、ｉ，ｊ＝１，２，．．．ｎ、ｎは、知識ポイントの数であること、
    又は、
    知識ポイント後方明示関係強度値は、
    Figure 0006356789
     と表され、ｆN（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの前記知識ポイント後方明示関係強度値であって、αは、関連因子であり、１≦α≦５、αは、正の整数であり、ｆp（ｊ，ｉ）は、知識ポイントｏjから知識ポイントｏiまでの前記知識ポイント前方明示関係強度値であること、
    又は、
    知識ポイント明示関係強度値は、
    Figure 0006356789
     と表され、ｆE（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの前記知識ポイント明示関係強度値であって、ｆp（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの前記知識ポイント前方明示関係強度値であり、ｆN（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの前記知識ポイント後方明示関係強度値であり、αは、関連因子であり、１≦α≦５、αは、正の整数であること、
    を特徴とするシステム。
  14. 請求項１０に記載の主要知識ポイント推奨システムであって、前記重み付き有向グラフＧは、辺、重み及び頂点を有し、
    辺及び重みは、
    Ｍij＞０の場合に、知識ポイントｏiから知識ポイントｏjまでの辺の前記重みが−ｌｎ（Ｍij）と設定され、Ｍij＝０の場合に、Ｇにおいて知識ポイントｏiから知識ポイントｏjまでの辺はないものと設定され、ここで、Ｍijは、知識ポイントｏiから知識ポイントｏjまでの前記知識ポイント明示関係強度値を表し、
    重み付き有向グラフＧは、Ｍと同じ頂点を有すること、
    又は、
    重み付き有向グラフＧは、行列として表されること、
    又は、
    知識ポイント暗示関係強度値は、
    Figure 0006356789
     と表され、ここで、ｆI（ｉ，ｊ）は、知識ポイントｏiから知識ポイントｏjまでの前記知識ポイント暗示関係強度値を表し、Ｃijは、前記重み付き有向グラフＧにおいて知識ポイントｏiから知識ポイントｏjまでの最短経路長を表し、
    知識ポイントｏiから知識ポイントｏjまでの単純経路がない場合に、ｆI（ｉ，ｊ）＝０、即ち、ある知識ポイントから当該知識ポイントまでの前記知識ポイント暗示関係強度の前記値は、０に設定され、
    それ以外の場合に、前記知識ポイント暗示関係強度ｆI（ｉ，ｊ）の複数の前記値は、知識ポイント暗示関係強度行列Ｉを生成するために行列に保存されること、
    を特徴とするシステム。
  15. コンピュータによって実行されたときに主要知識ポイント推奨方法を実行するコンピュータ実行可能命令が保存された１つ又は複数のコンピュータ可読媒体であって、
    前記方法は、
    知識ポイント集合における知識ポイントの知識ポイント関係強度値を計算するステップであって、前記知識ポイントの知識ポイント関係強度値を計算するステップは、
    知識ポイント集合における知識ポイントの知識ポイント明示関係強度値を計算するステップと、
    前記知識ポイント明示関係強度値に従って知識ポイント暗示関係強度値を計算するステップと、
    前記知識ポイント明示関係強度値及び前記知識ポイント暗示関係強度値に従って知識ポイント関係強度値を計算するステップと、を有する、ステップと、
    前記知識ポイント集合における知識ポイントの前記知識ポイント関係強度値に従って知識ポイントの重みを計算し、且つ、前記知識ポイント及びこれらの重みをそれぞれ保存する、ステップと、
    前記知識ポイントの前記重みに従って主要知識ポイントを判定し、且つ、前記主要知識ポイントをユーザに推奨する、ステップと、
    を有することを特徴とするコンピュータ可読媒体。
JP2016518116A 2013-09-29 2013-12-06 主要知識ポイント推奨方法及びシステム Expired - Fee Related JP6356789B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201310456539.3 2013-09-29
CN201310456539.3A CN104516904B (zh) 2013-09-29 2013-09-29 一种关键知识点推荐方法及其系统
PCT/CN2013/088748 WO2015043073A1 (zh) 2013-09-29 2013-12-06 一种关键知识点推荐方法及其系统

Publications (2)

Publication Number Publication Date
JP2016538615A JP2016538615A (ja) 2016-12-08
JP6356789B2 true JP6356789B2 (ja) 2018-07-11

Family

ID=52741914

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016518116A Expired - Fee Related JP6356789B2 (ja) 2013-09-29 2013-12-06 主要知識ポイント推奨方法及びシステム

Country Status (5)

Country Link
US (1) US10289623B2 (ja)
EP (1) EP3051433A4 (ja)
JP (1) JP6356789B2 (ja)
CN (1) CN104516904B (ja)
WO (1) WO2015043073A1 (ja)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160124959A1 (en) * 2014-10-31 2016-05-05 Google Inc. System and method to recommend a bundle of items based on item/user tagging and co-install graph
CN104765767B (zh) * 2015-05-12 2019-11-08 上海复勤商务咨询有限公司 针对智能学习的知识存储系统及其知识搜索方法
CN105306540A (zh) * 2015-09-24 2016-02-03 华东师范大学 一种获得社交网络中影响力最大的前k个节点的方法
CN106327321A (zh) * 2016-08-22 2017-01-11 洪婷 一种自动生成财务数据的方法
CN107507468A (zh) * 2017-08-11 2017-12-22 北京点易通科技有限公司 一种知识空间有向图的自适应学习方法及系统
CN107562854B (zh) * 2017-08-28 2020-09-22 云南大学 一种定量分析党建数据的建模方法
CN107622048B (zh) * 2017-09-06 2021-06-22 南京硅基智能科技有限公司 一种文本模式识别方法及系统
CN107943853A (zh) * 2017-11-06 2018-04-20 浙江三米教育科技有限公司 知识节点选择测试方法及其所应用计算机设备和存储介质
CN110598073B (zh) 2018-05-25 2024-04-26 微软技术许可有限责任公司 基于拓扑关系图的实体网页链接的获取技术
CN109062955A (zh) * 2018-06-25 2018-12-21 广东神马搜索科技有限公司 项目间关联关系挖掘方法、装置、计算设备及存储介质
CN109800300A (zh) * 2019-01-08 2019-05-24 广东小天才科技有限公司 一种学习内容推荐方法及系统
CN109829059A (zh) * 2019-01-18 2019-05-31 平安科技（深圳）有限公司 推荐知识点的方法、装置、设备及存储介质
CN109885772A (zh) * 2019-02-27 2019-06-14 上海优谦智能科技有限公司 基于知识图谱的教育内容个性化推荐系统
CN112784062B (zh) * 2019-03-15 2024-06-04 北京金山数字娱乐科技有限公司 一种成语知识图谱构建方法及装置
CN110928920B (zh) * 2019-11-19 2022-08-09 广东交通职业技术学院 一种基于改进位置社交的知识推荐方法、系统及存储介质
CN112380429A (zh) * 2020-11-10 2021-02-19 武汉天有科技有限公司 一种习题推荐方法及装置
CN112699308B (zh) * 2021-01-13 2024-07-23 广西申能达智能科技有限公司 一种基于聚类算法的学科题目知识点推荐方法及系统
CN114936315B (zh) * 2022-04-07 2024-07-16 网易有道信息技术（北京）有限公司 自适应推题的方法及其相关产品
CN114781710B (zh) * 2022-04-12 2022-12-23 云南师范大学 一种综合学习过程及题目知识点难度特征的知识追踪方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11272684A (ja) 1998-03-19 1999-10-08 Mitsubishi Electric Corp 情報提供方法および装置
JP2000200197A (ja) 1999-01-06 2000-07-18 Nippon Telegr & Teleph Corp <Ntt> 知識蓄積・選択方法、知識蓄積・選択装置及び知識蓄積・選択プログラムを記録した記録媒体
AU5934900A (en) * 1999-07-16 2001-02-05 Agentarts, Inc. Methods and system for generating automated alternative content recommendations
JP2005242807A (ja) 2004-02-27 2005-09-08 Yamatake Corp 関連知識検索装置、文章ネットワーク生成装置、文章ネットワーク生成方法、およびプログラム
JP2008123271A (ja) 2006-11-13 2008-05-29 Mitsubishi Electric Corp 知識ベース検索システム及び知識ベース検索方法
CN101067807A (zh) * 2007-05-24 2007-11-07 上海大学 文本语义的可视化表示与获取方法
US9367823B1 (en) * 2007-11-09 2016-06-14 Skyword, Inc. Computer method and system for ranking users in a network community of users
CN101281530A (zh) * 2008-05-20 2008-10-08 上海大学 基于概念衍生树的关键词层次聚类方法
JP2009288829A (ja) * 2008-05-27 2009-12-10 Sony Corp コンテンツ表示装置およびコンテンツ表示方法
CN101630314B (zh) * 2008-07-16 2011-12-07 中国科学院自动化研究所 一种基于领域知识的语义查询扩展方法
CN102622363A (zh) * 2011-01-28 2012-08-01 鸿富锦精密工业（深圳）有限公司 关联词汇搜索系统及方法
JP5043209B2 (ja) * 2011-03-04 2012-10-10 楽天株式会社 集合拡張処理装置、集合拡張処理方法、プログラム、及び、記録媒体
JP5691735B2 (ja) * 2011-03-29 2015-04-01 ソニー株式会社 コンテンツ推薦装置、推薦コンテンツの検索方法、及びプログラム
US8719248B2 (en) * 2011-05-26 2014-05-06 Verizon Patent And Licensing Inc. Semantic-based search engine for content
US8918431B2 (en) * 2011-09-09 2014-12-23 Sri International Adaptive ontology
CN103077247B (zh) * 2013-01-17 2016-05-25 清华大学 一种社交网络中的朋友关系传递树的建立方法

Also Published As

Publication number Publication date
JP2016538615A (ja) 2016-12-08
CN104516904A (zh) 2015-04-15
US10289623B2 (en) 2019-05-14
EP3051433A4 (en) 2017-06-28
EP3051433A1 (en) 2016-08-03
WO2015043073A1 (zh) 2015-04-02
US20160224564A1 (en) 2016-08-04
CN104516904B (zh) 2018-04-03

Similar Documents

Publication Publication Date Title
JP6356789B2 (ja) 主要知識ポイント推奨方法及びシステム
WO2018227800A1 (zh) 一种神经网络训练方法及装置
Boussau et al. Efficient likelihood computations with nonreversible models of evolution
JP2023139057A (ja) リソース制約付きニューラルネットワークアーキテクチャ検索
El-Bishouty et al. Smart e-course recommender based on learning styles
Nearchou Multi-objective balancing of assembly lines by population heuristics
Zheng et al. Integrating context similarity with sparse linear recommendation model
Barlow et al. Multiobjective memetic algorithm applied to the optimisation of water distribution systems
Horn et al. First investigations on noisy model-based multi-objective optimization
Benabbou et al. On possibly optimal tradeoffs in multicriteria spanning tree problems
Shi et al. Distributed dynamic event-triggered algorithm with minimum inter-event time for multi-agent convex optimisation
Huang et al. Operator-adapted evolutionary large-scale multiobjective optimization for voltage transformer ratio error estimation
Schön et al. Physarum learner: A bio-inspired way of learning structure from data
Bronstein et al. How to speed up the quantization tree algorithm with an application to swing options
Chou et al. Pseudo-reward algorithms for contextual bandits with linear payoff functions
Denysiuk et al. Weighted stress function method for multiobjective evolutionary algorithm based on decomposition
Zapotecas-Martínez et al. Geometric differential evolution in MOEA/D: A preliminary study
Kalra et al. Application of intelligent water drops algorithm to workflow scheduling in cloud environment
Awange et al. Symbolic regression
JP6231667B2 (ja) ナレッジポイント関係強度を測定する方法及びシステム
Cerqueira et al. Constructive aggregation and its application to forecasting with dynamic ensembles
Tian et al. Research on B cell algorithm for learning to rank method based on parallel strategy
Abhishek et al. A Genetic Algorithm Based System with Different Crossover Operators for Solving the Course Allocation Problem of Universities
CN105095277B (zh) 跨领域观点数据的分类方法和装置
CN110059248B (zh) 一种推荐方法、装置及服务器

Legal Events

Date Code Title Description
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20170529

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170606

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20170905

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20171206

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20180515

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180614

R150 Certificate of patent or registration of utility model

Ref document number: 6356789

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313117

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

LAPS Cancellation because of no payment of annual fees