Prerequisites between learning objects: Automatic extraction based on a machine learning approach

به طور خاص، ایجاد روابط پیش شرط در میان اشیاء یادگیری از نظر شرایط پیشین مورد نیاز برای درک و تکمیل قبل از استفاده از مطالب بعدی، یک گام بسیار مهم برای استادان، طراحان آموزشی یا سیستم های خودکار است که هدف آن انطباق اشیاء یادگیری موجود با تحویل در دوره های جدید فاصله. با این وجود، این اطلاعات اغلب از دست رفته است. در این مقاله یک رویکرد نوآورانه مبتنی بر یادگیری ماشین برای شناسایی پیش نیازهای منابع مبتنی بر متن پیشنهاد شده است. یک روش انتخاب ویژگی، ما را قادر می سازد تا ویژگی هایی را که بیشتر مربوط به مشکل مدل سازی پیش بینی شده اند، در نظر بگیریم. این ویژگی ها از مواد ورودی و ضوابط طبقه بندی موجود در وب استخراج می شود. داده های ورودی تحت فرآیند زبان طبیعی قرار می گیرند که باعث می شود الگوهای مورد علاقه برای تجزیه و تحلیل خودکار کاربردی آسان تر شوند. در نهایت، شناسایی پیش شرط به یک کار دسته بندی آماری باینری داده می شود. دقت روش با استفاده از ارزیابی های تجربی در حوزه های آنلاین واقعی که موضوعات مختلف را پوشش می دهند اعتبار می یابد.