●前言
第1章 引言 1
1.1 知識碎片化問題 1
1.2 現有知識組織模型 2
1.2.1 主題圖 2
1.2.2 知識圖譜 3
1.3 本書的組織結構 5
第2章 知識森林模型 7
2.1 知識森林的形式化表示 7
2.2 知識森林的語義模型 9
2.3 知識森林的存儲模型 11
2.4 小結 13
第3章 主題分面樹生成 14
3.1 知識主題分面樹 14
3.1.1 知識主題與分面的概念 14
3.1.2 主題分面樹以及主題、分面間的聯繫 15
3.2 主題分面聯合抽取 17
3.2.1 流水線式抽取的局限性 17
3.2.2 候選主題與分面抽取算法 19
3.2.3 主題分面聯合抽取算法 24
3.2.4 測試驗證 27
3.3 分面間上下位關繫抽取 30
3.3.1 國內外相關研究 30
3.3.2 與傳統上下位的區別和聯繫 32
3.3.3 基於Motif的分面間上下位關繫抽取算法 33
3.3.4 測試驗證 36
3.4 小結 37
第4章 學習依賴關繫抽取 38
4.1 國內外相關研究 38
4.2 學習依賴關繫的特征分析 40
4.2.1 學習依賴關繫的局部性 40
4.2.2 術語分布的非對稱性 41
4.3 拓撲與文本特征相結合的學習依賴關繫挖掘 43
4.3.1 文本關聯挖掘 44
4.3.2 候選知識主題對生成 44
4.3.3 學習依賴關繫判別 45
4.3.4 分布繫數??的敏感性分析 46
4.4 端到端的學習依賴關繫挖掘 47
4.4.1 文本中術語及關繫抽取 49
4.4.2 學習依賴關繫判別 51
4.4.3 測試驗證 52
4.5 小結 55
第5章 知識碎片向分面樹的映射 56
5.1 文本知識碎片的映射 56
5.1.1 問題與挑戰 56
5.1.2 國內外相關研究 57
5.1.3 文本分割與分面映射聯合學習模型 61
5.1.4 測試驗證 66
5.2 圖像知識碎片的映射 70
5.2.1 國內外相關研究 71
5.2.2 小樣本圖像知識碎片映射模型 72
5.2.3 測試驗證 77
5.2.4 未來示意圖映射的挑戰 79
5.3 小結 82
第6章 知識森林導學 83
6.1 學習路徑規劃 83
6.2 可對比知識主題生成 85
6.2.1 國內外相關研究 86
6.2.2 可對比知識主題生成框架 87
6.2.3 可對比知識主題匹配算法 89
6.3 基於嵌入學習的知識碎片檢索 92
6.3.1 現有的知識碎片檢索方法 92
6.3.2 基於嵌入學習的知識碎片檢索方法 94
6.3.3 測試驗證 102
6.3.4 未來知識森林碎片檢索挑戰 104
6.4 知識碎片檢索的why-not問題 105
6.4.1 why-not問題概述 105
6.4.2 基於嵌入表示的why-not問題解釋模型 106
6.4.3 測試驗證 111
6.5 小結 114
第7章 知識森林可視化 116
7.1 概述 116
7.2 2D可視化 116
7.2.1 國內外相關研究 116
7.2.2 主題分面樹繪制算法 122
7.2.3 認知關繫布局算法 126
7.2.4 知識森林圓形布局交互方法 132
7.2.5 原型繫統及用戶評測 139
7.3 AR交互場景可視化 142
7.3.1 整體框架 143
7.3.2 場景判別和課程判別方法 144
7.3.3 知識主題實時跟蹤方法 146
7.3.4 分面樹與沙盤的自動繪制算法 146
7.3.5 導航學習路徑推薦方法 150
7.3.6 ARKF繫統使用場景展示 152
7.4 小結 156
參考文獻 157
