Given a semi-structured learning material, can we infer which keywords are important and how they are connected? We formalize this question as the automatic extraction of knowledge structure and develop approaches based on measures for analyzing the relationship of keywords in the learning material. The amount of learning materials increases exponentially owing to the advance of the IT technology, and the size of the online education market gets larger because of the prevalence of the Internet. However, many people experience difficulties in exactly finding the proper learning material for them. The extraction of knowledge structure can facilitate this task since it finds or recommends proper learning materials in terms of knowledge structure. Along this direction, location based approaches have been widely used. However, most learning materials are semi-structured so that it is hard to find exact semantic separation. There are two major contributions in this thesis: (a) We use SVM(Singular Vector Decomposition) and a flexible edit distance matching algorithm to find semantic separation of leaning materials and compare proposed methods and location based methods (b) We conduct user study with domain experts for about a hundred learning materials to measure actual expert’s knowledge structure. Results demonstrate 20% superior performance of the proposed methods over the location based methods.
본 논문에서 해결하고자 하는 주제는 학습자료에서의 자동적인 지식구조 추출에서 location based approach와 content based approach 중 어느 것이 더 효과가 좋은지 검증하는 것이다. 정형화된 구조를 가진 논문이나 기사, 에세이와 달리 학습자료는 비정형화된 구조를 갖는다. 학습구조에서 자동적으로 지식구조를 추출하는 과정에서 기존의 논문과 에세이 기반 지식구조 추출과 다른 학습구조의 특성을 보이고 이에 적합한 키워드 추출과 relationship value caluculation을 위한 2가지 approach에 의해 고안한 메소드들을 비교하고 어느 접근법이 더 유용한지 검증하고자 한다. 그리고 이를 통해 도메인 지식구조 생성과 지식구조에 기반한 학습자료 추천을 위한 전처리 과정인 개별 학습문서에서의 지식구조 추출을 위한 효과적인 방식을 제안하고자 한다.
먼저 정형화된 구조를 가진 논문이나 기사 같은 데이터와 달리 학습자료는 semi-structured를 갖는다. 이런 학습자료에서의 지식구조 추출을 위해 본 논문에서는 학습자료의 특성, 즉 ppt의 특성을 고려해 자동적인 지식구조 추출 3단계 중 1단계 키워드 추출 단계에서는 특성을 반영한 가중치를 부여하여 학습자료에서 주요 개념인 키워드를 추출해내고 2단계 relationship value 계산에서는 슬라이드의 특성을 반영해 두 가지 접근법을 제안하고 실험을 통해 어느 접근법이 더 효과적인지 검증하였다. 본 논문에서는 단순 위치 정보 만을 사용한 접근법과 title 간의 similarity를 활용해 semantic한 접근법으로 접근하였다. 그리고 location based approach는 3가지 메소드를, content based approach는 2가지 메소드를 제안하였다. 제안한 메소드의 검증은 2명의 전문가에게서 추출한 지식구조와의 비교로 이루어졌으며, 학습자료 93개를 가지고 실험한 결과 content based approach가 더 우수함을 입증하였다.
