Web教育資源內(nèi)容切片研究.pdf

1、隨著移動互聯(lián)網(wǎng)時代的極大推進，大量的信息都通過各種移動終端傳遞給社會大眾，每個人都能夠在任何時間任何地點通過各種移動設(shè)備快速獲取資源。然而現(xiàn)在豐富多彩、類型各異的網(wǎng)絡(luò)資源，基本都是以PC平臺為標準設(shè)計的，適合移動終端頁面的教育資源非常少，因此從資源共享、減少重復開發(fā)的視角出發(fā)，充分發(fā)揮現(xiàn)有Web教育資源的利用率，將豐富的Web教育資源引進到移動終端頁面上，讓人們進行有效的移動學習是現(xiàn)代教育理論中移動教育必須要實現(xiàn)的目標。
　　本文

2、針對將豐富的Web教育資源引進到移動終端頁面從而適合移動學習，提出了有效且具有泛化能力的Web教育資源內(nèi)容提取及切割技術(shù)，主要包括Web教育資源網(wǎng)頁內(nèi)容的提取和資源內(nèi)容的切片處理。本文的主要研究工作具體包括以下內(nèi)容:
　　1、提出一種基于改進的行塊分布函數(shù)的多線索網(wǎng)頁內(nèi)容提取算法。該算法是通過分析網(wǎng)頁的特殊HTML標簽、網(wǎng)頁中文本語義信息的文本特征、網(wǎng)頁結(jié)構(gòu)格式信息的視覺布局特征這三種線索，對網(wǎng)頁進行預處理，獲得了粗糙的網(wǎng)頁正文內(nèi)

3、容，然后結(jié)合改進的行塊分布函數(shù)對網(wǎng)頁內(nèi)容進行提取。
　　2、介紹了Web教育資源內(nèi)容切片顆粒度。切片顆粒度是對資源文本進行切割最基本的要素，明確了顆粒度的大小才能進行切割處理。針對不同類型的資源文本，考慮布局信息和句子、文本段落、文本塊層次來確定顆粒度的大小。
　　3、提出了一種基于模式識別的HMM文本切割算法。該算法是根據(jù)資源文本的文本語義特征和視覺布局特征結(jié)合正則表達式匹配來判斷文本子主題的邊界，獲得文本語義塊序列，再結(jié)