面向智慧教育的大规模异构信息网络Top-k相似性搜索技术研究

Intelligent Education is an important means for promoting the education modernization and the learning society realization. The heterogeneous information network in Intelligent Education contains massive data with different types of multiple objects and relationships, and people need to search and study knowledge independently according to his own needs in a learning society. Therefore the challenges are faced in semantics complexity, causal relationship, representation heterogeneity of the large-scale heterogeneous information network in Intelligent Education applications. This project will study the top-k similarity search techniques for large-scale heterogeneous information network to support multiple semantics-rich similarity search functions with high precision and efficient execution for intelligent education applications. These issues are the recent research topics in the Intelligent Education fields and the heterogeneous information network fields. This project will study three topics including semantic similarity metrics of heterogeneous information network for Intelligent Education, disk compression storage management and data pre-processing techniques for large-scale heterogeneous information network, and query optimization for top-k similarity search on large-scale heterogeneous information network, by using the theory and technology of Database and Machine Learning. This study is significant for solving the critic problems in Intelligent Education applications, and promoting the Intelligent Education construction in China and the development of heterogeneous information network technology.

智慧教育是促进教育现代化、实现学习型社会的重要手段。由于智慧教育异构信息网络中包含的海量数据具有多种不同类型的对象与相互关系，同时在学习型社会里人们需要根据自身需求自主地完成对知识的搜索与学习，在智慧教育应用中面临大规模异构信息网络的语义复杂性、关系因果性、表示异构性等挑战。本项目重点研究大规模异构信息网络top-k相似性搜索技术，旨在支持多种语义相似性搜索功能，并提高大规模异构信息网络相似性搜索的准确率和执行效率。这些问题是当前国内外在智慧教育和异构信息网络领域的研究热点。本项目结合数据库与机器学习理论与技术，从面向智慧教育的异构信息网络语义相似性度量方法、大规模异构信息网络的磁盘压缩存储管理和数据预处理技术、大规模异构信息网络top-k相似性搜索的查询优化技术三个方面展开深入研究。对于解决智慧教育应用中的关键问题、促进我国智慧教育建设和异构信息网络分析技术的发展,具有重要的意义。

智慧教育是促进教育现代化，实现学习型社会的重要手段。近年来，随着线上教育的普及，学生们可以在线根据学生选择适合自己的课程，同时，教师了解和评价学生不仅仅从唯成绩考量。为了实现这些目的，需要从海量的数据从筛选出符合要求的信息，并采取适当的方式将其进行整合。然而，现有大规模异构信息网络存在着表示异构性、语义复杂性等多种问题使得智慧教育应用面临很大的挑战。本项目通过研究面向智慧教育的的异构信息网络，结合传统的数据库技术与机器学习理论，设计并实现了top-k相似性搜索技术及其扩展应用。实验结果表明，本项目设计的技术在异构信息网络的相似性搜索、课程推荐等任务中均具有良好的性能，具有良好的准确性和执行效率。并且，本项目将相关技术运用在本校的真实数据集上进行了测试，并具有良好的表现。