基于多媒體技術(shù)的高等數(shù)學(xué)電子課件自動生成

楊思狄

（內(nèi)蒙古大學(xué) 滿洲里學(xué)院，內(nèi)蒙古 滿洲里 021400）

0 引言

多媒體課件在現(xiàn)階段的教學(xué)中發(fā)揮著十分重要的為，但是課件的組成往往需要耗費(fèi)大量的人力以及物理，于是課件自動生成技術(shù)由此形成[1-2].

現(xiàn)階段課件自動生成技術(shù)主要劃分為以下兩種形式：

（1） 將采集到的素材進(jìn)行整合從而形成自動課件，整合方法需要任課教師不斷進(jìn)行素材積累[3].相關(guān)的研究有王愛紅等人通過B/S 結(jié)構(gòu)，針對教師上課采用的視頻以及音頻進(jìn)行采集，同時收集教師上課所利用全部媒體資源，將其進(jìn)行統(tǒng)一整合，從而形成多媒體課件.

（2） 通過數(shù)據(jù)庫或者知識庫已經(jīng)存在的數(shù)據(jù)形成自動課件，相關(guān)的研究有Dessislava Vassileva 等人通過本體知識庫以及元數(shù)據(jù)信息將領(lǐng)域知識進(jìn)行組合，同時采用自適應(yīng)的引擎組建個性化的多媒體課件.

上述第一種課件生成技術(shù)主要是依靠人工實(shí)現(xiàn)不同素材的整合，整個操作過程費(fèi)時費(fèi)力，同時課件的形成速度是無法保證的，所以并不適用.第二種技術(shù)主要通過數(shù)據(jù)庫或者知識庫，同時結(jié)合學(xué)習(xí)者的個人信息形成多媒體課件，但其仍然存在以下幾方面的問題：（1） 數(shù)據(jù)庫以及知識庫的組建仍然需要人工實(shí)現(xiàn)，且整合的工作量較大；（2）不同庫中存放的知識大部分為通用知識，無法形成專門針對哪一學(xué)科的多媒體課件.

針對以上方法存在的問題，結(jié)合多媒體技術(shù)，本文設(shè)計并提出一種基于多媒體技術(shù)的高等數(shù)學(xué)電子課件自動生成方法.通過具體的仿真實(shí)驗數(shù)據(jù)，有效驗證了所提方法的優(yōu)越性以及有效性.

1 多媒體課件制作方法

1.1 特征信息分類

領(lǐng)域本體在電子課件自動生成研究中占據(jù)十分重要的地位，它能夠為該研究領(lǐng)域提供概念定義以及概念之間的關(guān)系，同時能夠為該領(lǐng)域發(fā)生的活動以及該領(lǐng)域的主要理論提供一個本體[4-5].以下給出領(lǐng)域本體生成模型的主要組成部分：

（1） 領(lǐng)域語料集以及背景語料集的采集.

選取對應(yīng)的文獻(xiàn)設(shè)定為領(lǐng)域語料，主要用來獲取概念定義以及概念之間存在的關(guān)聯(lián).其中文獻(xiàn)資料的選取需要具有權(quán)威性以及時效性等特性.

在此過程中，還能夠獲取一個和領(lǐng)域無關(guān)的語料集，在概念抽取的過程中設(shè)定為背景語料集，同時過濾掉無法真正代表領(lǐng)域的偽術(shù)語.

（2） 定義領(lǐng)域詞典.

設(shè)定領(lǐng)域詞典，將已知的領(lǐng)域概念加入到領(lǐng)域詞典中，同時還能夠在一定程度上避免在分詞過程中將領(lǐng)域劃分為無意義的詞，從而進(jìn)一步提升分詞結(jié)果的準(zhǔn)確性.

（3） 語料預(yù)處理.

針對語料文本進(jìn)行預(yù)處理，同時將領(lǐng)域文檔劃分成若干個不同的文本文件.

（4） 概念抽取.

針對拆分之后的文本文件進(jìn)行初次分詞以及詞性標(biāo)注，獲取切分文檔.在上述分析的基礎(chǔ)上，采用基于切分單元的最佳匹配算法針對切分文檔進(jìn)行處理，獲取再次分析的詞匯集合.

（5） 概念關(guān)系抽取.

采用VSM 方法組建概念向量空間模型，通過余弦相似度以及語義相似度相結(jié)合的方法計算不同概念之間的相似度，同時針對概念進(jìn)行層次聚類[6]，準(zhǔn)確抽取出不同概念之間的分類關(guān)系.

（6） 本體評價.

針對本體進(jìn)行評價重點(diǎn)需要考慮以下兩方面的因素：（1） 本體自身的精準(zhǔn)性；（2） 建模獲取的本體是否能夠滿足課件自動生成的條件.

針對語料進(jìn)行預(yù)處理，其中一方面是抽取文本中重要的特征信息；另外一方面則需要針對文檔進(jìn)行切分，方便后續(xù)針對相關(guān)概念進(jìn)行提取.

通常情況下，一個文檔可能含有圖像、動畫等豐富的信息表達(dá)方式，但是最為主要的信息就是文字信息.根據(jù)將語料文檔格式轉(zhuǎn)換為文本文件，能夠自動刪除無用的文件，獲取規(guī)范的文本以及文件.

領(lǐng)域在這里主要是指教科書或者科技資料的電子文本.教科書或者科技資料內(nèi)容組織的主要特點(diǎn)是由章節(jié)組成，不同的章節(jié)內(nèi)容通常情況下描述不同內(nèi)容的主題，但是各個內(nèi)容主題和章節(jié)標(biāo)題之間存在的一定的關(guān)聯(lián).通過教科書以及科技資料等內(nèi)容的組建特點(diǎn)[7-8]，針對領(lǐng)域文本的預(yù)處理就是一個逐漸進(jìn)行分解的過程，即首先將高等數(shù)學(xué)的整本教材按照章節(jié)劃分為幾個文本文件，同時將各個章節(jié)所表示的文件進(jìn)行拆分，拆分為多個不同的文件，即為拆分文件.

概念抽取為本體學(xué)習(xí)的重要起點(diǎn).以下詳細(xì)給出領(lǐng)域術(shù)語抽取的主要操作流程，如圖1所示.

圖1 領(lǐng)域術(shù)語抽取流程圖

經(jīng)過以上分析，針對文檔進(jìn)行統(tǒng)計獲取候選術(shù)語集，同時獲取對應(yīng)的4 個候選結(jié)果.采用基于切分單元的最佳匹配算法，針對切分文檔進(jìn)行處理，獲取候選集中部分元素.另外，根據(jù)閾值的設(shè)定，能夠?qū)⑶蟹治臋n集中的出現(xiàn)概率大于給定閾值的詞加入到對應(yīng)的候選術(shù)語集中.

以下重點(diǎn)采用TFIDF 方法針對候選集中的術(shù)語進(jìn)行領(lǐng)域相關(guān)分析，篩選出和領(lǐng)域存在關(guān)聯(lián)的術(shù)語.具體的操作步驟如下：

（1） 統(tǒng)計領(lǐng)域文檔集中出現(xiàn)的全部詞以及詞頻；

（2） 統(tǒng)計領(lǐng)域文檔集中各個詞在北京語料中出現(xiàn)的次數(shù)；

（3） 計算不同詞的TFIDF 取值，算式如下：

（4） 針對TFIDF 的取值結(jié)果進(jìn)行排序；

（5） 設(shè)定對應(yīng)的閾值，同時將計算結(jié)果大于閾值的詞設(shè)定為候選術(shù)語集中的詞；

（6） 在計算的過程中，會存在由多個或者一個字組成的詞，但是這些詞大部分是不存在任何意義的，所以需要對其進(jìn)行過濾處理，獲取有效的候選術(shù)語集[9].

向量空間模型主要是通過信息中不同關(guān)鍵詞的出現(xiàn)次數(shù)組建關(guān)鍵詞向量，首先需要讀入概念提取階段所提取到的概念，同時組建領(lǐng)域概念詞列表，即

針對ConceptList中各個概念詞wi，以概念所出現(xiàn)的文檔設(shè)定為該詞語的向量，同時組建概念—文檔所代表的向量空間模型.

針對向量空間C 中的各個概念詞語wi，采用TFIDF 加權(quán)方法計算對應(yīng)的權(quán)值，即

結(jié)合概念列表，能夠組建一個M*N 的向量空間，具體的表示形式為

聚類方法主要是通過任意一種策略對高等數(shù)學(xué)概念之間的語義距離進(jìn)行距離實(shí)現(xiàn)特征信息分類，即

1.2 基于多媒體技術(shù)的高等數(shù)學(xué)電子課件自動生成

在完成高等數(shù)學(xué)特征信息的劃分之后，需要將采集到的課件內(nèi)容進(jìn)行均勻的切塊，然后將切塊得到的單元直接放入到課件對應(yīng)的文件當(dāng)中.以上做法雖然十分的簡單，但是均勻切塊的操作下，有效掩蓋了教材內(nèi)容自身存在的差異性，實(shí)際上就是塊長一致的教材單元包含的知識量不一定是相同的.

針對高等數(shù)學(xué)教材進(jìn)行均勻切塊制作課件的方法并不符合對應(yīng)的數(shù)學(xué)規(guī)律，需要按照正常的知識量進(jìn)行教學(xué)內(nèi)容組織，同時實(shí)現(xiàn)課件的制作.

通過對大量的課件進(jìn)行分析可知，知識量的大小和學(xué)習(xí)知識點(diǎn)所浪費(fèi)時間多少成正比，同時和課件中為知識點(diǎn)所需準(zhǔn)確的課件量多少呈正比.知識量針對課件內(nèi)容在PPT 文件中的放置位置有著十分重要的影響.在實(shí)際教學(xué)的過程中，高等數(shù)學(xué)知識量的度量將會受到多種不同因素的影響，如知識點(diǎn)的教學(xué)目標(biāo)、高等數(shù)學(xué)難重點(diǎn)情況、不同知識點(diǎn)之間的關(guān)系等.

知識點(diǎn)的教學(xué)層次越高，則說明知識點(diǎn)越難同時也越重要，且包含的知識量也就越大；反之，則包含的知識量也就越小.將影響知識點(diǎn)中知識量的各個因素進(jìn)行量化處理，則能夠獲取不同知識點(diǎn)的知識量.知識主要包含在對應(yīng)的概念中，針對高等數(shù)學(xué)教學(xué)大綱中的知識點(diǎn)，需要從領(lǐng)域本體中提取對應(yīng)的概念，通過知識點(diǎn)以及知識量之間的量化關(guān)系能夠計算不同概念的知識量.

在上述分析的基礎(chǔ)上，結(jié)合對高等數(shù)學(xué)大量課件的研究分析，總結(jié)高等數(shù)學(xué)電子課件的制作規(guī)律，結(jié)合教學(xué)大綱以及多媒體技術(shù)[10]，在領(lǐng)域本體中選取高等數(shù)學(xué)電子課件的內(nèi)容，以達(dá)到高等數(shù)學(xué)電子課件自動生成的目的.

2 仿真實(shí)驗

為了驗證所提基于多媒體技術(shù)的高等數(shù)學(xué)電子課件自動生成方法的綜合有效性，需要進(jìn)行仿真實(shí)驗測試.實(shí)驗環(huán)境為：雙核2.50GHzPentium（R）處理器，2GB 內(nèi)存，仿真軟件采用MATLAB版本是R2015b[37].

（1） 電子課件自動生成時間.

課件生成的快慢在課件自動生成方法中占據(jù)十分重要的地位，其中電子課件自動生成時間越短，則說明課件生成速度越快；反之，則說明課件生成的速度較慢.實(shí)驗選取文獻(xiàn)[4]方法以及文獻(xiàn)[5]方法作為對比方法，具體的實(shí)驗對比結(jié)果如下表1～3 所示.

表1 所提方法的電子課件自動生成時間

表3 文獻(xiàn)[5]方法的電子課件自動生成時間

綜合分析以上表格中的實(shí)驗數(shù)據(jù)可知，當(dāng)課件的數(shù)量持續(xù)增加時，電子課件自動生成時間也在不斷增加.但是相比另外兩種方法，所提方法的電子課件自動生成時間明顯更低.

（2） 電子課件自動生成費(fèi)用.

以下仿真實(shí)驗測試對比三種不同方法的電子課件自動生成費(fèi)用，具體的實(shí)驗對比結(jié)果如圖2 所示.

分析圖2 中的實(shí)驗數(shù)據(jù)可知，所提方法的電子課件自動生成費(fèi)用最低；文獻(xiàn)[4]方法的電子課件自動生成費(fèi)用次之；文獻(xiàn)[5]方法的電子課件自動生成費(fèi)用最高.

圖2 不同方法的電子課件自動生成費(fèi)用對比結(jié)果

（3） 用戶滿意程度.

表4 所提方法的用戶滿意程度

由于不同方法生成的電子課件具有一定的差異性，以下對比三種不同方法所生成的電子課件，用戶對其滿意程度，具體的實(shí)驗對比結(jié)果如表4～6 所示.

表5 文獻(xiàn)[4]方法的用戶滿意程度

表6 文獻(xiàn)[5]方法的用戶滿意程度

分析以上表中的實(shí)驗數(shù)據(jù)可知，相比另外兩種方法，所提方法能夠獲取較高的用戶滿意程度，這說明所提方法自動生成的電子課件具有較強(qiáng)的實(shí)用性以及有效性.

3 結(jié)語

針對傳統(tǒng)的高等數(shù)學(xué)電子課件自動生成方法存在的一系列問題，本文設(shè)計并提出一種基于多媒體技術(shù)的高等數(shù)學(xué)電子課件自動生成方法.通過具體的仿真實(shí)驗數(shù)據(jù)，充分驗證了所提方法的有效性以及實(shí)用性，同時所提方法能夠獲取用戶較為滿意的高等數(shù)學(xué)電子課件.