Academic Performance Prediction Based on Multisource, Multifeature Behavioral Data
作者：
Zhao, Liang
* ;Chen, Kun;Song, Jie;Zhu, Xiaoliang;Sun, Jianwen
（ ;...
期刊：
IEEE ACCESS ,2021年9:5453-5465 ISSN：2169-3536
通讯作者：
Zhao, Liang
作者机构：
[Sun, Jianwen; Song, Jie; Zhao, Liang; Chen, Kun; Zhu, Xiaoliang] Cent China Normal Univ, Natl Engn Res Ctr E Learning, Natl Engn Lab Educ Big Data, Wuhan 430079, Peoples R China.;[Caulfield, Brian; Mac Namee, Brian] Univ Coll Dublin, Insight Ctr Data Analyt, Dublin 4, Ireland.
通讯机构：
[Zhao, Liang] C;Cent China Normal Univ, Natl Engn Res Ctr E Learning, Natl Engn Lab Educ Big Data, Wuhan 430079, Peoples R China.
关键词：
Academic performance prediction;behavioral pattern;digital campus;long short-term memory (LSTM);machine learning (ML)
摘要：
Digital data trails from disparate sources covering different aspects of student life are stored daily in most modern university campuses. However, it remains challenging to (i) combine these data to obtain a holistic view of a student, (ii) use these data to accurately predict academic performance, and (iii) use such predictions to promote positive student engagement with the university. To initially alleviate this problem, in this article, a model named Augmented Education (AugmentED) is proposed. In our study, (1) first, an experiment is conducted based on a real-world campus dataset of college students ( N =156 ) that aggregates multisource behavioral data covering not only online and offline learning but also behaviors inside and outside of the classroom. Specifically, to gain in-depth insight into the features leading to excellent or poor performance, metrics measuring the linear and nonlinear behavioral changes (e.g., regularity and stability) of campus lifestyles are estimated; furthermore, features representing dynamic changes in temporal lifestyle patterns are extracted by the means of long short-term memory (LSTM). (2) Second, machine learning-based classification algorithms are developed to predict academic performance. (3) Finally, visualized feedback enabling students (especially at-risk students) to potentially optimize their interactions with the university and achieve a study-life balance is designed. The experiments show that the AugmentED model can predict students' academic performance with high accuracy. © 2013 IEEE.
语种：
英文
展开
一种基于校园大数据的学生成绩预测方法
发明/设计人：
杨宗凯;刘三女牙
（ ;赵亮;朱晓亮;孙建文
（ ;...
申请/专利权人：
华中师范大学
申请/专利号：
CN202010036203.1
申请时间：
2020-01-14
公开号：
CN111260514A
公开时间：
2020-06-09
主申请人地址：
430079 湖北省武汉市武昌区珞瑜路152号
摘要：
本发明涉及教育数据挖掘领域，提供一种基于校园大数据的学生成绩预测方法，包括：(1)数据融合；在智慧校园环境下，以学习者为中心，开展动态的、无侵入式的数据采集，实现学生线上线下、课内课外多维行为数据的汇聚和融合；(2)特征计算；综合利用线性分析、深度学习和非线性分析技术，从行为变化、勤奋度和行为非线性三个方面系统地构建学生多维行为特征体系，深入挖掘学生行为模式及其动态变化；(3)成绩预测；基于机器学习算法，构建高精度的成绩预测模型，为高挂科风险学生群体提供反馈和预警。本发明方法能够科学地、全面地对学生成绩进行预测，对高挂科风险学生提供预警。
展开
MapOnLearn: The Use of Maps in Online Learning Systems for Education Sustainability
作者：
Liu, Sannyuya;Guo, Dongpo;Sun, Jianwen
（ ;Yu, Jie;Zhou, Dongbo
* 期刊：
Sustainability ,2020年12(17):7018 ISSN：2071-1050
通讯作者：
Zhou, Dongbo
作者机构：
[Liu, Sannyuya; Guo, Dongpo] Cent China Normal Univ, Natl Engn Res Ctr Elearning, Wuhan 430079, Peoples R China.;[Sun, Jianwen; Zhou, Dongbo] Cent China Normal Univ, Natl Engn Lab Educ Big Data, Wuhan 430079, Peoples R China.;[Yu, Jie] Wuhan Univ, Off Sci Res & Dev, Wuhan 490070, Peoples R China.
通讯机构：
[Zhou, Dongbo] C;Cent China Normal Univ, Natl Engn Lab Educ Big Data, Wuhan 430079, Peoples R China.
关键词：
Education sustainability;Higher education;Learning resource organization and visualization;Map usage;Online learning system;TAM
摘要：
Online learning and teaching have become the primary forms of education during the global pandemic, and online learning systems, which can provide fair educational opportunities for everyone, are increasingly important for sustainability in education. The amount of time a student spends on online learning systems affects the fairness and persistence of sustainability in education. To support personalized learning opportunities, interactive learning, and easy-to-access resources, we propose a map organization and visualization method called MapOnLearn for online learning systems. First, we converted tree-like hierarchical course units (HCUs) and knowledge points (KPs) into a fundamental two-dimensional (2D) map of hierarchically divided polygons and used the map to form containers to manage all learning resources. Then, we used the zoom feature of the map to express the hierarchical structures of knowledge and formulated corresponding rules for displaying information at different levels. Path analysis was applied to express the learning process, and topological processing was adapted to represent the relationships among HCUs and KPs. We developed maps for a high-level math course, a course on data structures, and an English course at a university in China and investigated 264 students and 27 teachers for a semester by using the technology acceptance model (TAM). We found that the map visualization and organization method had a positive impact on the way teachers and students use online learning systems and improved the online learning experience. To attract more students to spend more time on online learning, we hope our method can promote the sustainable development of education. © 2020 by the authors.
语种：
英文
展开
学习者社会网络交互、情绪表征与学习成效的关系研究
期刊：
中国远程教育 ,2020年(6):31-39+59+77 ISSN：1009-458X
作者机构：
华中师范大学教育大数据应用技术国家工程实验室 430079;华中师范大学国家数字化学习工程技术研究中心 430079;[刘三女牙; 孙建文; 粟柱; 康令云; 刘智] 华中师范大学
关键词：
社会网络分析;情绪密度;社区;交互模式;学习成效;差异性分析
摘要：
情绪与社会化交互是构建学习者模型的两个重要特征,学习者的情绪特征计算与社会网络分析已获得了学习分析领域的广泛关注。本研究以某高校云平台上两门课程的论坛发帖纪录为研究对象,分别探究了学习群体在情绪表征(积极、消极与困惑情绪密度值)以及社会网络交互(网络中心性与网络结构特征)方面的差异。研究结果表明:具有网络交互关系的学习者间情绪倾向趋于一致。整体网络中的"子团体"以分散型网络居多,不同社区组学习者在积极和消极情绪上具有显著性差异,而在困惑情绪上差异性并不显著。与中、低成效组相比,高成效组学习者在信息传递的中介性以及协作学习中的参与性方面的表现更为显著,但其积极情绪密度较低。论坛中情绪和交互特征的联合分析有助于对学业风险个体的准确干预和群体互动质量的提升。
语种：
中文
展开
一种基于计算机视觉的多维度课堂量化系统及方法
发明/设计人：
刘三女牙
（ ;侯成坤;孙建文
（ ;陈雅淑;李卿
申请/专利权人：
华中师范大学
申请/专利号：
CN201910516795.4
申请时间：
2019-06-14
公开号：
CN110334610A
公开时间：
2019-10-15
主申请人地址：
430079 湖北省武汉市洪山区珞瑜路152号华中师范大学
摘要：
本发明公开了一种基于计算机视觉的多维度课堂量化系统及方法，该系统包括：数据采集模块，用于实时采集课堂上课的学生正面视频，以及教师授课的视频；数据实时处理模块，用于实现教师授课行为检测与识别、学生上课学习行为的检测与识别；数据可视化展示模块，用于从四个角度量化课堂并可视化展示，从而构建教师和学生双向维度的新型评价系统来量化课堂；数据存储模块，包括整堂课的原始视频数据保留、学生异常行为截帧保留、课堂评价报告生成，从原始视频到处理过程到处理结果三个部分存储数据。本发明能自动、智能地评价课堂，方便教师课后参考课堂教学过程，根据量化的学生行为结果反馈教学质量从而针对性地改善教学效果，促进学生学习进步。
展开
在线学习系统中的即时通讯工具应用研究
期刊：
中国教育信息化 ,2019年(17):13-19 ISSN：1673-8454
作者机构：
华中师范大学国家数字化学习工程技术研究中心
关键词：
在线学习系统;即时通讯工具;云课堂;D&M信息系统成功模型;期望确认模型
摘要：
即时通讯工具是在线学习系统辅助师生交互的重要工具,但其在大学生中使用率极低。提高即时通讯工具使用率是提高在线学习系统用户黏性的重要手段,也是打造个人学习环境、实现终身学习的必然要求。本文以华中师范大学自主研发的基于"云课堂"的即时通讯工具"聊聊"为研究对象,首先分析"聊聊"后台数据,发现年级、性别对学生行为有影响,不同院系、课程的学生行为没有差异;然后基于D&M信息系统成功模型、期望确认模型构建持续使用意愿影响因素概念模型,探究影响用户持续使用意愿的因素,并进行调研完成模型验证;综上分析本文提出优化策略:一是优化系统功能,开发移动端;二是加大推广力度,提高师生参与度;三是转变成绩评价机制。
语种：
中文
展开
一种基于声学信号的课堂交互网络分析方法
发明/设计人：
刘三女牙
（ ;黄山云;侯成坤;陈雅淑;孙建文
（ ;...
申请/专利权人：
华中师范大学
申请/专利号：
CN201910702610.9
申请时间：
2019-07-31
公开号：
CN110473548A
公开时间：
2019-11-19
主申请人地址：
430079 湖北省武汉市洪山区珞瑜路152号华中师范大学
摘要：
本发明公开了一种基于声学信号的课堂交互网络分析方法，该方法包括下步骤：步骤1、数据采集：采集课堂的语音信息，并将其转换为音频信号；步骤2、数据预处理：对采集到的音频信号进行重采样、预加重、分帧、加窗以及声学信号特征的提取；步骤3、声学信号识别：对音频进行声纹以及情绪的识别，获取每个说话人的起始位置、性别以及情绪状态；步骤4、课堂交互分析：使用社会网络分析对每个说话人进行模型构建，最终判定课堂中个体交互差异以及课堂的交互结构。本发明能够实现通过声学信号定量和定性的分析课堂交互行为，根据社会网络分析结果评价课堂交互、反馈教学质量，从而针对性地改善教学效果。
展开
融合长短时记忆与贝叶斯网络的知识追踪方法及系统
发明/设计人：
刘三女牙
（ ;孙建文
（ ;张凯;蒋路路;邹睿
申请/专利权人：
华中师范大学
申请/专利号：
CN201910889394.3
申请时间：
2019-09-19
公开号：
CN110807469A
公开时间：
2020-02-18
主申请人地址：
430079 湖北省武汉市洪山区珞喻路152号
摘要：
本发明公开了融合长短时记忆与贝叶斯网络的知识追踪方法与系统，其通过建立包括时间序列的认知数据集和长短期记忆神经网路，计算与当前时间序列对应的知识组件的贝叶斯知识追踪模型的参数组，从而利用贝叶斯知识追踪模型计算学习者对当前时间序列的题目的答题正确的概率预测值，通过对比认知数据集中当前时间序列的题目的答题正确与否的真实值，得到与当前时间序列对应的长短期记忆神经网络模型损失函数，从而得到权重参数矩阵的优化值和偏差参数矩阵的优化值；遍历认知数据集所有的时间序列，得到长短期记忆神经网络模型权重参数矩阵的优化值和偏差参数矩阵的最优值；从而实现学习者对待测试题目的认知状态的预测，依据学习者的认知状态的预测进行学习者的学习路径规划和/或知识图谱的构建。
展开
物理学习空间中学习者情绪感知研究综述
期刊：
远程教育杂志 ,2019年37(2):33-44 ISSN：1672-0008
作者机构：
[刘三女牙; 孙建文; 刘智] 华中师范大学.教育大数据应用技术国家工程实验室;[方常丽] 华中师范大学.教育信息技术协同创新中心
关键词：
情绪感知;传感器;可穿戴技术;生理信号;学习分析;智能教育
摘要：
在'人—技'协同进化的教育发展态势下,学习者的学习方式和交互环境正面临深刻变革,物理学习空间内的学习支持服务亟待重塑。近年来,研究者们致力于采用传感器获取学习者的生理行为数据,结合学习分析技术推测其情绪状态,并以适当的干预机制来提高积极情绪唤醒度,进而助力于个体学业成功。当前,在物理学习空间中,针对学习者情绪感知的主要手段有人工观察法、自我报告法、基于生理信号、语音信号、面部表情信号以及眼动信号的感知方法;应用研究案例包含智能导师系统、虚拟学习同伴、情绪互动支持、自我调节能力评估、学情分析监控等主题。对物理学习空间中学习者情绪感知的研究,可为未来学习空间的重塑带来新的研究视角和参照。
语种：
中文
展开
基于层次记忆网络的知识追踪系统及方法
发明/设计人：
刘三女牙
（ ;邹睿;蒋路路;孙建文
（ ;张凯
申请/专利权人：
华中师范大学
申请/专利号：
CN201911115390.6
申请时间：
2019-11-14
公开号：
CN111047482A
公开时间：
2020-04-21
主申请人地址：
430079 湖北省武汉市洪山区珞喻路152号
摘要：
本发明公开了基于层次记忆网络的知识追踪系统，包括控制器组件、层次记忆组件、读头和写头组件，读头和写头组件设置在控制器组件和所述层记忆组件之间，读头和写头组件用于将控制器组件处理后的输入信息写入到所述层次记忆组件存储更新；层次记忆矩阵组件包括工作存储单元、长期存储单元、分割模块和衰减模块，分割模块用于将输入的信息分为工作记忆信息和长期记忆信息分别存入到工作存储单元和长期存储单元，衰减模块用于将存入长期存储单元的长期记忆信息进行衰减后存入到长期存储单元。本发明的基于层次记忆网络的知识追踪系统，模拟人类长期记忆和短期记忆的模式，对输入的知识信息进行分类衰减存储，使得预测更准确。
展开
Unfolding Sentimental and Behavioral Tendencies of Learners' Concerned Topics From Course Reviews in a MOOC
作者：
Liu, Sannyuya;Peng, Xian
* ;Cheng, Hercy N. H.;Liu, Zhi;Sun, Jianwen
（ ;...
期刊：
Journal of Educational Computing Research ,2019年57(3):670-696 ISSN：0735-6331
通讯作者：
Peng, Xian
作者机构：
[Sun, Jianwen; Liu, Sannyuya; Cheng, Hercy N. H.; Liu, Zhi; Peng, Xian; Yang, Chongyang] Cent China Normal Univ, Natl Engn Res Ctr E Learning, 152 Luoyu Rd, Wuhan 430079, Hubei, Peoples R China.
通讯机构：
[Peng, Xian] C;Cent China Normal Univ, Natl Engn Res Ctr E Learning, 152 Luoyu Rd, Wuhan 430079, Hubei, Peoples R China.
关键词：
behavioral and sentimental analytics;topic modeling;learning analytics;behavior-sentiment topic mixture
摘要：
Course reviews, which is designed as an interactive feedback channel in Massive Open Online Courses, has promoted the generation of large-scale text comments. These data, which contain not only learners' concerns, opinions and feelings toward courses, instructors, and platforms but also learners' interactions (e.g., post, reply), are generally subjective and extremely valuable for online instruction. The purpose of this study is to automatically reveal these potential information from 50 online courses by an improved unified topic model Behavior-Sentiment Topic Mixture, which is validated and effective for detecting frequent topics learners discuss most, topics-oriented sentimental tendency as well as how learners interact with these topics. The results show that learners focus more on the topics about course-related content with positive sentiment, as well as the topics about course logistics and video production with negative sentiment. Moreover, the distributions of behaviors associated with these topics have some differences.
语种：
英文
展开
一种基于地图的教育大数据分析方法及系统
发明/设计人：
杨宗凯;刘三女牙
（ ;周东波;孙建文
（ ;舒江波;...
申请/专利权人：
华中师范大学
申请/专利号：
CN201810271939.X
申请时间：
2018-03-29
公开号：
CN108319733A
公开时间：
2018-07-24
主申请人地址：
430079 湖北省武汉市珞喻路152号
摘要：
本发明公开了一种基于地图的教育大数据分析方法，包括，获取教育资源数据按照一定数据结构存入数据库；针对每个分析主题构建主题图层，根据分析主题对数据进行分类索引并加载至相应主题图层，将主题图层叠加到底图上，形成数据地图；根据分析主题对主题图层数据进行分析，获取主题分析结果；提取目标区域中多个主题图层的数据并融合，获取区域分析结果；获取用户的学习偏好；根据用户请求内容，结合用户的学习偏好，搜索区域分析结果以响应用户请求。发明公开了一种基于地图的教育大数据分析系统。本发明技术方案的方法，针对目前教育数据庞杂、精准分析相对欠缺的情况，采用对教育数据进行分类，按照不同的主题需求进行分析，可以解决其中部分问题，实现教育数据的利用和分析。
展开
Tracking the dynamics of SPOC discussion forums: a temporal emotion-topic modeling approach
作者：
Liu, Zhi
* ;Ruedian, Sylvio;Yang, Chongyang;Sun, Jianwen
（ ;Liu, Sannyuya
作者机构：
[Sun, Jianwen; Liu, Sannyuya; Liu, Zhi; Yang, Chongyang] Cent China Normal Univ, Natl Engn Res Ctr E Learning, Wuhan, Hubei, Peoples R China.;[Ruedian, Sylvio] Humboldt Univ, Dept Comp Sci, Berlin, Germany.
会议名称：
2018 Seventh International Conference of Educational Innovation through Technology (EITT)
关键词：
Small Private Online Courses (SPOCs);discussion forum;topic model;emotion analysis;evolutionary trends
摘要：
Small private online courses (SPOCs) have drawn widespread attention due to their adaptability to blended learning in formal education. As a type of interactive tool, many SPOC forums have stored rich textual data including focused learning content and feedback. However, currently, this information is used mainly for measuring students' activity levels instead of academic emotion and their evolutionary trends throughout a teaching period. This paper presents an unsupervised forum understanding model, namely the temporal emotion-topic model (TETM), to model time jointly with emotions and topics. This model is applied to track the evolutionary trends of pairs of {emotion, topic}, i.e., emot-topics. Especially, for each emotion, the most significant topic can be extracted and tracked across a semester. Finally, we investigate the emot-topics differences of different achievement levels of students, and examine the dynamics of emot-topics over course weeks to gain some insights about the relationship between time, emotion and learning achievement. The tracking of emot-topics could be valuable if users are informed of what students are concerned about and how these topics evolve in courses.
语种：
英文
展开
面向大数据的师范生数据素养课程体系构建研究
期刊：
中国远程教育 ,2018年(4):62-68 ISSN：1009-458X
作者机构：
[张斌] 汉江师范学院.信息技术部;[刘三女牙; 孙建文; 刘智] 华中师范大学.国家数字化学习工程技术研究中心
关键词：
教育大数据;师范生;数据素养;课程体系;教师专业发展;数字化教师;教师信息技术应用
摘要：
数据素养是教育大数据应用背景下对教师的新要求,对师范生进行数据素养教育是提升教师数据应用能力的有效措施。当前针对不同领域的数据素养教育及研究已受到广泛关注,但师范生数据素养教育的研究仍处于起步阶段。本文面向教育大数据环境下师范生数据素养的发展需求,围绕教师在数据环境、数据技术以及数据文化三方面的发展目标,提出拥有良好数据素养的教师应具备数据环境构建能力、数据获取能力、数据分析能力、数据呈现能力、数据决策能力、数据意识以及数据道德等素养,构建了依托现有信息技术类课程、与教育实习实践相结合、贯穿教师教育专业人才培养生命周期、重点培养师范生数据思维习惯和数据运用能力的课程体系。师范生数据素养教育是一个新兴且综合性较强的教育研究课题,是培养数字化教师的重要环节和教师专业可持续发展的坚实基础,通过政府、教育主管部门、学校、教师和致力于教育研究及应用的企业或科研机构等多方的共同协作获得协调发展。
语种：
中文
展开
基于地图的教育大数据可视分析方法探讨
期刊：
电化教育研究 ,2018年39(7):49-56 ISSN：1003-1553
作者机构：
[刘三女牙; 周东波; 李浩] 华中师范大学.国家数字化学习工程技术研究中心;[孙建文] 华中师范大学.教育大数据应用技术国家工程实验室;[于杰] 武汉大学.科学技术发展研究院
关键词：
教育大数据;地图可视化;可视分析;大数据平台
摘要：
针对当前教育大数据的管理与分析缺乏基于地图的应用模式,且可视化展示与支持决策分离,不同用户缺乏统一资源入口平台的问题,文章在分析基于地图的教育大数据可视分析应用模式与服务模型的基础上,提出了一种基于地图的教育大数据可视分析方法,包括基于地图定位与映射的数据整合、地图时空分布可视化、主题图层叠加与融合分析、基于缓冲区域分析的资源关联分析和基于时序路径分析的智能导学等方法,并讨论了基于地图统一入口的空间检索与资源定位精准服务方法,对教育大数据的信息挖掘、智能应用、精准服务进行了有效探索,并为教育数据相关的获取与处理提供思路。
语种：
中文
展开
一种基于关联数据的小学语文作文素材结构化存储方法与装置
申请/专利权人：
华中师范大学
申请/专利号：
CN201810553677.6
申请时间：
2018-05-31
公开号：
CN108932296A
公开时间：
2018-12-04
主申请人地址：
430079 湖北省武汉市武昌区珞瑜路152号
摘要：
本发明属于信息技术领域，提供一种基于关联数据的小学语文作文素材结构化存储方法与装置，包括以下步骤：获取文本的基础信息；获取文本的标签信息；获取文本的标识信息；生成结构化数据并存储。本发明结构化存储方法与装置可以对小学语文作文素材进行有效的组织管理，同时本发明可以将原始非结构化数据转换为结构化数据，使得原始小学语文素材语料在经过本发明处理后，更加适合计算机大批量处理的场景。
展开
一种基于TextRank和卷积神经网络的小学作文自动分类方法
发明/设计人：
朱晓亮;刘三女牙
（ ;孙建文
（ ;石昀东
申请/专利权人：
华中师范大学
申请/专利号：
CN201810671815.0
申请时间：
2018-06-26
公开号：
CN109062958A
公开时间：
2018-12-21
主申请人地址：
430079 湖北省武汉市武昌区珞瑜路152号
摘要：
本发明属于教育信息化领域，提供一种基于TextRank和卷积神经网络的小学作文自动分类方法，该方法首先使用基于TextRank的关键句提取模型为各类作文提取关键句来去除多余的语义信息，然后使用卷积神经网络提取定长的文本特征向量，用于训练分类器，并用于文本类别的预测。本发明方法事先使用TextRank算法对数据集进行了冗余信息的剔除，较其他深度学习方法减少了长文本的干扰信息；本发明方法特征选取自动完成，较传统机器学习方法提高了效率。
展开
Investigating relationship between discourse behavioral patterns and academic achievements of students in SPOC discussion forum
作者：
Zhi Liu;Wenjing Zhang;Hercy N. H. Cheng;Jianwen Sun
（ ;Sannyuya Liu
期刊：
International Journal of Distance Education Technologies ,2018年16(2):37-50 ISSN：1539-3100
作者机构：
[Jianwen Sun; Zhi Liu; Wenjing Zhang; Hercy N. H. Cheng; Sannyuya Liu] National Engineering Research Center for E-Learning, Central China Normal University, Wuhan, China
关键词：
Curricula;E-learning;Academic achievements;Content analysis method;Discourse Behaviors;Engagement Patterns;Learning analytics;Low-achieving students;Online course;Students' engagements;Students
摘要：
As an overt expression of internal mental processes, discourses have become one main data source for the research of interactive learning. To deeply explore behavioral regularities among interactions, this article firstly adopts the content analysis method to summarize students' engagement patterns within a course forum in a small private online course (SPOC) system. Secondly, through sentiment word matching and sentiment density calculation, the authors characterize the evolution trends of collective positive and negative sentiments, and compare sentiment strengths of different achieving students. The analytical result shows that there is a significant correlation between most engagement patterns and academic achievements, and high-achieving group seems more active than low-achieving group in terms of interactive, register, question, viewpoint and thematic postings. Besides, both of high and middle-achieving students are superior to low-achieving students on positive sentiment. But, there is no significant difference among high-, middle- and low-achieving students on negative sentiments.<br/> Copyright ©2018, IGI Global.
语种：
英文
展开
一种基于文本摘要的小学语文作文语料标签自动提取方法与装置
发明/设计人：
朱晓亮;刘三女牙
（ ;孙建文
（ ;石昀东;殷姿
申请/专利权人：
华中师范大学
申请/专利号：
CN201810552976.8
申请时间：
2018-05-31
公开号：
CN109033064A
公开时间：
2018-12-18
主申请人地址：
430079 湖北省武汉市武昌区珞瑜路152号
摘要：
本发明属于信息技术领域，提供一种基于文本摘要的小学语文作文语料标签自动提取方法与装置，包括以下步骤：文本自动摘要；分词及词性标注；将分词及词性标注后的词汇列表，按照词频进行降序排序后，依据小学语文作文语料标签定义进行标签的自动化提取；输出标签结果。本发明标签自动提取方法与装置能够有效地去除文本冗余，并获取小学语文作文语料结构化数据所需的文本标签，有利于小学语文作文语料素材的合理组织。
展开
