中小學數學題目之階層式跨知識點分類系統;A hierarchical Multi-label Classification System of K-12 Cross-Knowledge Points Math Question

NCU Institutional Repository > 資訊電機學院 > 資訊工程研究所 > 博碩士論文 > Item 987654321/81217

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/81217

题名:	中小學數學題目之階層式跨知識點分類系統;A hierarchical Multi-label Classification System of K-12 Cross-Knowledge Points Math Question
作者:	陳頌恩;Chen, Sung-En
贡献者:	資訊工程學系
关键词:	階層式分類;卷積神經網路;支援向量機;詞向量;問題驅動學習;Hierarchical Classification;Convolutional Neural Network;Support Vector Machine;Word2Vec;Question-Driven Learning
日期:	2019-07-29
上传时间:	2019-09-03 15:39:39 (UTC+8)
出版者:	國立中央大學
摘要:	隨著科學技術的發展和進步，學習模式也在不斷發展。在問題驅動的學習中，學生通過回答問題來澄清和驗證他們學到的知識。如此眾多的問題需要良好的管理。良好的管理可以避免由於模糊表達而將具有相同知識集的學習材料定義到不同部分的情況。在篇論文中，我們提出了一個專注於國中小數學題目的階層式分類系統。我們測試了不同文件表示和分類器的幾種組合，其中包括扁平多標籤分類和知識點的階層式多標籤分類。針對包含文本和圖像的當前問題，我們還提出了文字與影像的預處理方法和組合文字影像特徵的CNN分類模型。實驗表明，我們的階層式分類可以勝過扁平多標籤分類方法。;With the development and progress of science and technology, the learning patterns also evolve. In Question-Driven learning, students clarify and validate what they learn by answering questions. Such a large number of questions needs good management. A well-performed management can avoid the situation that learning materials with the same knowledge set are deﬁned into different sections due to ambiguous expressions. In this work, a hierarchical classiﬁcation system that focuses on K-12 learning materials is proposed. We test several combination of document representation with flatten label and hierarchical label of the knowledge points. In response to a current question that contains text and image, we also introduce a multi-modal preprocessing approach and a combined feature CNN model. The experiment shows that our hierarchical classification can outperform flatten multi-label classification methods.
显示于类别:	[資訊工程研究所] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	142	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....