[發明專利]一種學科術語抽取與應用方法

有效

• 申請號: 202011469630.5
• 申請日: 2020-12-14
• 公開（公告）號: CN112464665B
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 趙翌臣;高祥玉;肖富貴;周曉敏;陳浩;趙玉成;玉雙明
• 申請（專利權）人: 北京奧鵬遠程教育中心有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/216;G06F16/36
• 代理公司: 北京集智東方知識產權代理有限公司 11578
• 代理人: 陳亞斌;關兆輝

1.一種學科術語抽取與應用方法，其特征在于，所述方法包括：

基于知識資源數據庫生成通用型學科術語種子；

基于所述通用型學科術語種子，召回候選術語；

基于所述通用型學科術語種子和召回的候選術語，生成通用型學科術語，并將所述通用型學科術語存儲于機構學科術語數據庫；

關聯抽取的機構課程知識點與學科術語，并選擇性地將與所述機構課程知識點相關聯的學科術語增加至所述機構學科術語數據庫；

其中，所述基于知識資源數據庫生成通用型學科術語種子的步驟，具體為，

基于百度百科API下載全部百度百科詞條，并基于預設的學科和百度百科的內部標簽對所述百度百科詞條進行過濾，并使用字符串排序算法對所述百度百科詞條按照標簽鍵和標簽值排序；

基于排序后的百度百科詞條，刪除不屬于所述預設的學科的詞條，而后對剩余的詞條依次審核，以確定百度百科學科術語種子；

基于MOOCCube數據庫獲取所述預設的學科的MOOCCube學科術語種子，并將所述MOOCCube學科術語種子與所述百度百科學科術語種子合并去重，生成所述通用型學科術語種子。

2.根據權利要求1所述的學科術語抽取與應用方法，其特征在于，

所述召回候選術語的步驟，具體為，

基于所述通用型學科術語種子，當待召回的學科術語的內容中引用通用型學科術語種子的比例超過第一預設閾值，或當待召回的學科術語被通用型學科術語種子引用的比例超過第二預設閾值，則將所述待召回的學科術語作為候選術語召回。

3.根據權利要求1所述的學科術語抽取與應用方法，其特征在于，

所述生成通用型學科術語的步驟，具體為，

使用所述通用型學科術語種子，在召回的候選術語上運行圖傳播算法，迭代更新每個候選術語的置信度后，按照所述置信度排序，審核得到所述通用型學科術語。

4.根據權利要求3所述的學科術語抽取與應用方法，其特征在于，

所述運行圖傳播算法，具體為，

設置候選術語的初始分值；

構建候選術語的向量表示；

根據候選術語之間的相似度構建一個圖網絡，并根據候選術語的初始分值進行信念傳播；

在圖傳播完成后，獲取每個候選術語的分值，并基于分值的大小對候選術語進行排序，并在排序后審核得到通用型學科術語。

5.根據權利要求4所述的學科術語抽取與應用方法，其特征在于，

如果候選術語出現在所述通用型學科術語種子中，設置候選術語的初始分值為1，否則則設置為0；

將候選術語進行分詞，并對分詞結果的詞向量取均值作為候選術語的向量表示；

對候選術語的向量表示進行歸一化，得到相似矩陣，當兩個候選術語的向量相似性大于預設值，則認為這兩個候選術語頂點之間可以形成一條邊，以此構建一個圖網絡；

利用所述相似矩陣和初始分值進行圖傳播，當所有種子總分數值開始增大時，則結束傳播。

6.根據權利要求1所述的學科術語抽取與應用方法，其特征在于，

所述關聯抽取的機構課程知識點與學科術語的步驟，具體為，

基于抽取的機構課程知識點，調用百度百科搜索API后獲取學科術語排序結果；

獲取排序第一的學科術語的文本內容，并基于預訓練好的樸素貝葉斯模型進行文本分類和過濾，以檢測所述文本內容是否與所述預設的學科相關，進而得到機構課程知識點與學科術語的關聯。

7.根據權利要求1或6所述的學科術語抽取與應用方法，其特征在于，

所述選擇性地將與所述機構課程知識點相關聯的學科術語增加至所述機構學科術語數據庫的步驟，具體為，

關聯抽取的機構課程知識點與學科術語后，如果關聯的學科術語不在機構學科術語數據庫中，則檢查關聯的學科術語在百度百科所有學科術語中是否存在，如果不存在，則判斷所述關聯的學科術語是百度百科的新增學科術語，并將所述關聯的學科術語加入到所述機構學科術語數據庫中，并將知識點和學科術語的關聯進行存儲。