数据问题

[hongxiaDu]

感谢您的工作，请问一下，MOOCCubeX中提供的课程数量有将近4000门，概念concept有63万+，但是concept-course的关系中，概念只有20万+，课程只有800+，请问这部分的数据是不是不完整，需要利用提供的概念抽取Pipeline得到其他课程的概念呢？但是为什么概念63万+，而与课程对应的却只有20万+呢？

[yuq-1s]

Hi 只有800+个课程有概念是因为只有它们有视频字幕，我们是从视频字幕中抽取概念的。

[yuq-1s]

我们有20万+个概念有concept-course关联是因为这些概念是从字幕中抽取来的，其他的概念是从其他渠道获取的。其实我们的算法可以抽取远多于20万+的概念，但为了保证数据质量，我们在MOOCCubeX中只公开了这些概念。如果你想自己抽取更多的概念，得到更多的concept-course对，可以尝试使用我们的概念抽取工具，参见issue #9。