Другие журналы
научное издание МГТУ им. Н.Э. Баумана
НАУКА и ОБРАЗОВАНИЕ
Издатель ФГБОУ ВПО "МГТУ им. Н.Э. Баумана". Эл № ФС 77 - 48211. ISSN 1994-0408
Подход к автоматизированному мониторингу и прогнозированию развития инновационных образовательных технологий
# 07, июль 2016
Файл статьи:
SE-BMSTU...o208.pdf
(719.06Кб)
SE-BMSTU...o208.pdf
(719.06Кб)
| УДК 378; 004.89 | 1 МГТУ им. Н.Э. Баумана, Москва, Россия
|
В статье представлен подход к автоматизированному мониторингу и прогнозированию развития инновационных образовательных технологий на основе анализа потока текстовых документов. Предложенный подход включает обнаружение в текстовом потоке событий, относящихся к теме образовательных технологий, формирование ситуаций, определение возможных сценариев их дальнейшего развития и подготовку предложений по действиям, которые необходимо предпринять для успешного внедрения выявленных инновационных технологий в учебный процесс ВУЗа. Приведена многокритериальная модель события, предложен метод обнаружения событий на основе инкрементальной кластеризации. Представлен метод формирования сценариев на основе принципа исторической аналогии. Проведена экспериментальная оценка разработанных моделей и методов.
Список литературы
[1]. Raymond Y., Abdallah S. The Event Ontology. 2007. Режим доступа: http://motools.sourceforge.net/event/event.html (дата обращения 29.07.2016).[2]. Добров Б.В., Павлов А.М. Исследование качества базовых методов кластеризации новостного потока в суточном временном окне // Электронные библиотеки: перспективные методы и технологии, электронные коллекции: Труды XII-ой Всероссийской научной конференции RCDL’2010. (Казань: Казанский университет, 13-17 октября 2010 г.). 2010. С. 287-295.
[3]. Kumaran G., Allan J. Using names and topics for new event detection // Proceedings of the conference on Human Language Technology and Empirical Methods in Natural Language Processing. Vancouver: Association for Computational Linguistics. 2005. P. 121-128.
[4]. Radinsky K., Horvitz E. Mining the web to predict future events // Proceedings of the sixth ACM international conference on Web search and data mining. New York, NY, USA:ACM. 2013. С. 255-264. DOI:10.1145/2433396.2433431
[5]. Ландэ Д.В., Брайчевский С.М., Григорьев А.Н., Дармохвал А.Т., Радецкий А.Б. Выявление новых событий из потока новостей // Компьютерная лингвистика и интеллектуальные технологии: Труды международной конференции «Диалог 2007». (Бекасово, 30 мая - 3 июня 2007 г.) / Под ред. Л.Л. Иомдина, Н.И. Лауфер, А.С. Нариньяни, В.П. Селегея. М.: Изд-во РГГУ. 2007. 658 с. С. 349–352.
[6]. Aggarwal C.C., Subbian K. Event Detection in Social Streams // Proceedings of the 2012 SIAM International Conference on Data Mining. (Disney’s Paradise Pier Hotel, Anaheim, California, USA, April 26-28, 2012). SDM. SIAM / Omnipress. 2012. Vol. 12. P. 624-635. DOI: http://dx.doi.org/10.1137/1.9781611972825.54
[7]. Кондратьев М.Е. Анализ методов кластеризации новостного потока // Электронные библиотеки: перспективные методы и технологии, электронные коллекции. Труды Восьмой Всероссийской научной конференции (RCDL'2006). (Суздаль, 17-19 октября 2006 г.). Ярославль: Ярославский государственный университет им. П.Г. Демидова. 2006. С. 108-114.
[8]. Brants T., Chen F., Farahat A. A system for new event detection // Proceedings of the 26th annual international ACM SIGIR conference on Research and development in information retrieval. New York, NY, USA: ACM. 2003. С. 330-337. DOI:10.1145/860435.860495
[9]. Yang Y., Zhang J., Carbonell J.G., Jin C. Topic-conditioned novelty detection // Proceedings of the Eighth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. (July 23-26, 2002, Edmonton, Alberta, Canada). ACM. 2002. P. 688-693. DOI: 10.1145/775047.775150
[10]. Zhao Q., Mitra P., Chen B. Temporal and information flow based event detection from social text streams // AAAI'07 Proceedings of the 22nd national conference on Artificial intelligence. Vancouver, British Columbia. AAAI-07, AAAI Press. 2007. Vol. 2. P. 1501-1506.
[11]. Yang Y., Pierceet T., Carbonell J. A study of retrospective and on-line event detection // SIGIR '98 Proceedings of the 21st annual international ACM SIGIR conference on Research and development in information retrieval. New York, NY, USA: ACM. 1998. P. 28-36. DOI: 10.1145/290941.290953
[12]. Li Z., Wang B., Li M., Ma W-Y. A probabilistic model for retrospective news event detection // SIGIR '05 Proceedings of the 28th annual international ACM SIGIR conference on Research and development in information retrieval. New York, NY, USA: ACM. 2005. P. 106-113. DOI: 10.1145/1076034.1076055
[13]. Ahmed A., Ho Q., Eisenstein J., Xing E., Smola A.J., Teo C.H. Unified analysis of streaming news // WWW'11. Proceedings of the 20th international conference on World wide web. (March 28–April 1, 2011, Hyderabad, India). New York, NY, USA: ACM. 2011. P. 267-276. DOI: 10.1145/1963405.1963445
[14]. Aggarwal C.C., Philip S.Y. On clustering massive text and categorical data streams // Knowledge and information systems. 2010. Vol. 24. № 2. P. 171-196. DOI: 10.1007/s10115-009-0241-z
Публикации с ключевыми словами: обнаружение событий, сценарный анализ, инкрементальная кластеризация
Публикации со словами: обнаружение событий, сценарный анализ, инкрементальная кластеризация
Тематические рубрики:
Поделиться:
| Авторы |
| Пресс-релизы |
| Библиотека |
| Конференции |
| Выставки |
| О проекте |
| Телефон: +7 (915) 336-07-65 (строго: среда; пятница c 11-00 до 17-00) |
|
 |
|||
| © 2003-2024 «Наука и образование» Перепечатка материалов журнала без согласования с редакцией запрещена Тел.: +7 (915) 336-07-65 (строго: среда; пятница c 11-00 до 17-00) | |||||
