.png){kind=icon}
返回
Visual analysis of teaching materials and teaching application based on graph embedding algorithm
.png){kind=icon}
PRE
AI
DOI：10.1177/14727978251385134.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着信息技术的快速发展，电子教材的数字化和智能化管理变得越来越重要。传统方法在处理教材复杂的格式和结构多样性方面面临挑战，限制了其在内容提取和分类方面的有效性。为解决这一问题，我们提出VB-GCN框架，该框架集成了BERT进行语义特征提取、变分自编码器（VAE）进行特征压缩以及图神经网络（GCN）进行结构建模。该框架利用OCR提取的文本构建教材内容的图表示，从而实现有效的层次分类。在公开数据集和真实教材语料库上的实验表明，VB-GCN在精确率、召回率和F1分数方面优于TextRCNN和XLNet等竞争基线。消融研究进一步证实了结合BERT与VAE对于鲁棒特征学习的重要性。
Keyword:
textbook visualization
text analysis
GCN
BERT
期刊
IF:
0.4
论文数:
184
被引数:
499
机构
暂无机构信息
引用论文
.png){kind=icon}
Efficient English text classification using selected Machine Learning Techniques使用选定的机器学习技术进行高效的英语文本分类
OAAI
OAAI分享收藏
分享收藏
查看更多内容