基于增量AHP的學習資源多標簽標注研究

吳雷

安徽教育網絡出版有限公司

?

基于增量AHP的學習資源多標簽標注研究

吳雷

安徽教育網絡出版有限公司

學習資源標注是我們根據需要知識準確獲取相關學習資源的基礎。然而目前大多數資源標注方法僅局限于單標簽以及缺乏關聯度信息，給用戶精確獲取學習資源帶來困難。為解決此問題，本文提出一種基于增量AHP的學習資源多標簽標注方法，首先根據標簽-資源信息構建學習資源多標簽標注模型，然后利用層次分析法定性與定量分析相結合的特點進行關聯程度值處理，選取出與學習資源相關程度最大的若干個標簽作為標注標簽，從而支持用戶方便獲得與學習資源相關的知識點以及關聯程度值。此外，針對初始成對比較矩陣隨時間變化導致更新的情況，本文對傳統AHP算法進行改進，提出增量AHP算法實現學習資源關聯程度值更新。實驗結果表明本文提出的方法具有良好的實用價值。

多標簽標注模型 關聯程度值 增量AHP

1　引言

隨著信息技術的飛速發展，我們可以方便的獲取海量文檔、圖像、視頻等跨媒體學習資源。然而 這些學習資源在給我們帶來豐富信息的同時，也造成了資源信息雜亂以及檢索困難現象的出現，即大量無用信息和有用信息摻合在一起，給我們迅速獲取所需信息資源帶來極大困難。這就需要我們采取有效的學習資源標注方法，從而方便消費者迅速獲 取其需要的各種知識資源。語義網［1］技術的出現為實現知識的高效管理提 供了新的方向，目前實現學習資源有效管理的方法主要有兩種，分別是構建學習資源庫模型和資源標注。構建學習資源庫模型的方法源初始關聯知識點：主要是通過分析學習資源的空間特征以及語義特征并生成資源的語義元數據對資源進行規范化描述，進而將學習資源組織起來構建學習資源庫模型。張滬寅等將語義特征引入到電子學習資源模型庫的構建之中，通過構建電子學習資源庫本體并生成相應的語義元數據，規范地描述資源，將資源以機器可理解的方式組織起來實現資源的有效管理，進而提出了一種基于本體描述的電子學習資源庫模型LMOD。資源標注方法主要是通過分析學習資源的語義特征，并完成學習資源與標注標簽的映射，從而實驗資源的有效檢索。陳葉旺等通過分析領域本體知識的語義環境和資源文檔結構兩方面信息，利用領域本體所表達的豐富語義環境信息，實現對農業領域中各類文檔資源的語義標注提出了一種基于本體的文檔語義標注改進方法；李宏言等引入了針對語音數據標注的六元組模型，將語音資源的自身特征考慮進去，并將標簽對象擴展為更為廣義的標記，提出基于 “興趣+收獲+報酬”的標注模式實現了大數據語音語料庫的社會標注。

盡管這些方法在一定程度上實現了基于語義的資源標注，提高了用戶的資源檢索效率，然而這些方法依然存在下述不足：

（1）他們只是給某一資源進行簡單的貼上一個標 簽，而沒有考慮與該資源有關標簽可能不止一個， 比如資源《名師解讀立體幾何問題》不僅僅是講解 立體幾何問題，該資源還關聯到坐標與圖形運動的問題。

（2）現存的標注方法只是給予資源某個標簽，僅僅完成定性分析，而沒有對資源與標簽的關聯度進 行定量研究。本文針對以上問題，以教育領域學習資源標注為研究對象，通過分析學習資源空間特征與語義特征完成學習資源信息與標簽信息的映射構造標注信息，從而完成學習資源多標簽標注模型構建，利用層次分析法進行相關程度值處理，提出了關聯程度值增量更新方法進行標注信息更新，并由此提出基于增量AHP的學習資源多標簽標注方法。 本文的其余章節安排如下：第2節介紹學習資源多標簽標注模型構建，第3節介紹基于增量AHP 的學習資源多標簽標注方法，第4節主要針對本文提出的方法進行試驗以及結果分析，最后一節是本文結束語以及未來工作展望。

2　學習資源多標簽標注模型

本文針對通常的學習資源標注出現的資源信息丟失以及不能定量分析標簽的關聯度等問題，通過構建學習資源多標簽標注模型來解決以上問題。本文提出的學習資源多標簽標注模型。R1、R2…Rn是不同學習資源，包括視 頻、圖片、文檔等類型的學習資源，首先在資源入庫時抽取資源信息（包括資源名稱、格式、主題等）構建學習資源庫。然后根據學科標準（如學習大綱、主題分類詞表等）構建標簽庫。最后對于學習資源庫中的某一資源Rk，通過學習資源信息與關聯標簽形成映射構建標注信息，并將標注信息存儲于標注信息庫中。看出，本文提出的標注方法主要包括三個方面的內容，分別是標簽庫構建、標注信息表示以及資源標注。

2.1標簽庫構建

本文構建的標簽庫是利用本體構建工具Protégé 根據《中國分類主題詞表》創建的學科領域本體OWL文件。

定義1 領域本體是描述某一領域知識的概念或術語以及它們之間關系的集合，因此領域本體可以用一個五元組表示，記作O=＜C，R，F，A，I>，其中 C、F、A、I和R分別是領域本體中的概念、關系、函數、公理和實例，其中概念（Concepts）是一類對象的集合的抽象描述，C=｛O1，O2，…｝，Oi是領域中的對象；關系（Relations）是在領域中概念之間的交互作用，形式上定義為n維笛卡兒積的子集；函數（Functions）則是元知識對規則與操作的一種映射關系；公理（Axioms）公理是一種無需證明的永真斷言；實例（Instances）是類中的知識具體化表示。本文構建的標簽庫有3個優勢，分別是：

權威性和規范性，《中國分類主題詞表》是在《中國圖書分類辦法》編委會的主持下，由全國40個圖書情報單位共同參加編制的一部大型文獻標引工具書，這使得本文構建的標簽庫具有權威性和規范性。

操作簡單，考慮到《中國分類主題詞表》需要維護變動，我們對標簽庫進行單獨存儲，從而便于對標簽庫進行修改。

實用性強，本體構建工具Protégé是基于Java語言開發的開源本體編輯和知識獲取軟件，可以免費下載，并且具有良好的擴展性，更為可貴的是它支持中文的輸入，具有很強的實用性。因此，本文選用 Protégé4.2［9］作為本體開發工具用來構建標簽庫。

2.2標注信息表示

定義2這里將標注信息（Informat ion of Annotation，IA）定義為一個三元組，IA=（R，L，β）。其中，R代表學習資源，實際上是資源的抽取信息；L代表標注標簽，即是由領域本體抽取出的元知識點；β代表標簽L 與該資源R的關聯程度。標注信息即資源標注的結果，標注信息表示是決定資源標注成功與否的關鍵因素。標注信息按保存形式分為內嵌式和非內嵌式兩種，其中內嵌式是把標注信息作為本體內容一起存儲，而非內嵌式是把標注信息獨立存儲于數據庫中。由于學科知識具有相對不變性，也就意味著知識本體不需經常維護，而教育資源需要根據實際情況進行經常性的增刪改查。因此，本文標注信息選擇非內嵌式的保存形式具有以下三個方面好處：

1）可以減少對標簽庫的操作，保持標簽庫的穩定性，節省部分不必要的系統開銷。

2）在教育資源改變時，不需要對標簽庫進行操作與維護，只需對標注信息庫進行相應的增刪修改即可，可減少系統的維護開銷。

3）在進行資源標注時，由于不需要針對標簽庫和資源本身進行操作，可以很容易地實現跨媒體資源標注。

2.3多標簽資源標注

之前學者研究的資源標注方法都是單一標簽標注，然而很多資源并不是僅關于單一主題的，這就使得在使用單一標簽標注資源時不能充分描述資源信息而造成資源信息的丟失。為解決這個問題，本文提出了學習資源多標簽資源標注模型。多標簽標注模型就是利用多個知識點作為標簽去標注同一個資源，從而盡可能準確完整的描述資源信息。在對資源完成標注之后，即在標注信息庫中構造了該資源的標注信息組。

3　基于增量

AHP的多標簽標注方法學習資源多標簽標注模型建立后，一個重要的問題是如何確定關聯程度值。對于某一學習資源，可能包含的多個標簽與資源的關聯程度值可能不同，而且隨著資源信息的豐富，關聯程度值也需要進行更新維護。基于以上問題，本文提出了基于增量 AHP的多標簽標注方法。

3.1層次分析法

層次分析法（AHP方法）是美國著名運籌學家 T.L.Saaty［10］提出的一種定性分析與定量分析相結合的系統分析方法，它充分利用了人的分析、判斷和綜合能力，能夠有效分析目標準則體系層次間的非序列關系，有效地綜合測度決策者的判斷和比較。

層次分析法的基本思想是：首先根據多目標評價問題的性質和總目標將復雜的問題按層次進行分解，形成階梯層次結構，通過兩兩比較的方式確定層次中影響因素的相對重要性，然后綜合領域專家的主觀判斷，對層次結構中影響因素的相對重要性進行排序。

3.2基于增量AHP的學習資源多標簽標注

本文資源標注主要分為三個階段完成，分別是初始關聯確定、關聯程度值處理和關聯程度值更新。 初始關聯確定階段主要由學科老師根據以往的教學經驗分析教學資源并給出與教學資源相關的知識點以及相應的相對關聯程度。關聯程度值處理階段主要是利用層次分析法對初始標注結果進行處理，獲得資源與相關知識點的關聯程度值。在完成資源標注后，還需要對資源標注信息進行維護更新以保持標注信息的準確性以及穩定性，關聯程度值增量更新階段是系統根據用戶評價增量完成關聯程度值的更新。

3.2.1初始關聯確定

由多位領域專家對學習資源進行分析，判斷矩陣指標評分標準標示出與資源相對應的知識點，然后綜合領域專家的初始標注，獲得與資源相對關聯程度最大的若干個知識點作為資源的 標注標簽并依照相對關聯程度進行排序，進而可以獲得資源。

3.2.2關聯程度值處理

本文采用層次分析法來處理關聯程度值，重點是如何構建階梯層次結構。這一步需要認真分析資源與標簽的關聯確定問題，充分考慮問題的影響因素，根據層次分析法原理構造如下：第一層：目標層只有一個元素，就是問題的實現目標，即確定資源與標簽的關聯程度值。

第二層：準則層包括所有實現目標所涉及的資源與標簽關聯程度的評價問題，考慮到不同領域專 家的知識深度及廣度的差異性，由此考慮以不同領域專家作為準則層。

第三層：方案層包括實現目標的方案，即與資源相關的標簽的確定。

3.2.3關聯程度值增量更新

在資源使用過程中，需要對資源標注信息時時維護以保證資源標注信息的準確性。這就要求系統能夠定期對用戶投訴較多的資源重新進行標注并對資源標注信息進行更新，由此本文提出了關聯程度值增量AHP更新方法。

首先，邀請新一批領域專家針對該資源Rk進行初始標注，獲得資源Rk的C-P判斷矩陣E’。 然后，分析比較歷史標注權向量與重新標注權 向量的差異，可得出權向量增量值， 其中β’k為更新后的權向量。最后，在構建更新規則的過程中，既要考慮到重新標注的信息，也要考慮歷史標注信息。

4　結束語

本文提出的基于增量AHP的學習資源多標簽標注方法同時考慮了資源的多關聯性以及標簽貢獻度的問題，很好地解決了資源標注過程中信息丟失的問題，同時完成了對學習資源的精確標注，能夠使用戶快速準確地檢索到所需的資源，從而可以極大地提高用戶的檢索效率。進一步的研究中，我們將會深入研究并改進增量更新算法并在資源標注中盡可能的減少主觀因素對關聯程度值的影響。

［1］Tim Berners-Lee， Hendler James and Ora Lassila. The Semant ic Web ［J］. Scientif ic Amer ican， 2001， 284（5）：28-37

［2］張滬寅，張銘洋，李鑫.基于領域本體的電子學習資源庫模型［J］.計算機應用，2012，32（1）：191-195

［3］張滬寅，李鑫，陸春濤，等.LMOD：一種基于本體描述的電子學習資源庫模型［J］.計算機應用研究， 2011，28（4）：1001-3695

［4］伍春香，陳世鴻.多媒體教育資源庫層次索引模型［J］.武漢大學學報（理學版），2007，53（5）： 553-557

［5］陳葉旺，李文，彭鑫，等.基于本體的文檔語義標注改進方法［J］.東南大學學報：自然科學版， 2009，39（6）：1109-1113