多興趣自織學(xué)習(xí)社區(qū)及個(gè)性化協(xié)同學(xué)習(xí)技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)教育的發(fā)展，“信息過(guò)載”、“信息迷航”、“缺乏因材施教”、“環(huán)境孤立”等問(wèn)題已經(jīng)越來(lái)越突出，已經(jīng)成為影響網(wǎng)絡(luò)教育發(fā)展的關(guān)鍵問(wèn)題。如何在網(wǎng)絡(luò)教育平臺(tái)上根據(jù)不同學(xué)習(xí)者的個(gè)性特征，如興趣愛(ài)好、認(rèn)知水平、風(fēng)格習(xí)慣等提供不同的學(xué)習(xí)服務(wù)，滿足學(xué)習(xí)者不同的需求；同時(shí)在平臺(tái)上提供良好的互動(dòng)學(xué)習(xí)空間，增加學(xué)習(xí)者之間的交互，提供學(xué)習(xí)者之間的高效交流、經(jīng)驗(yàn)共享、互助、協(xié)同學(xué)習(xí)手段，最終構(gòu)造滿足個(gè)性化需求的協(xié)同學(xué)習(xí)平臺(tái)，相關(guān)技術(shù)近年已成為網(wǎng)絡(luò)教育技術(shù)領(lǐng)

2、域的研究熱點(diǎn)。
　　 本論文圍繞網(wǎng)絡(luò)教育環(huán)境下的個(gè)性化協(xié)同學(xué)習(xí)技術(shù)展開(kāi)。通過(guò)對(duì)多興趣自組織學(xué)習(xí)社區(qū)模型、構(gòu)建和動(dòng)態(tài)調(diào)整算法的研究，建立一個(gè)能反映出學(xué)習(xí)者興趣特征的個(gè)性化協(xié)同學(xué)習(xí)平臺(tái)；在此平臺(tái)上，進(jìn)一步對(duì)資源推薦技術(shù)、資源快速搜索技術(shù)和答疑技術(shù)進(jìn)行了研究，給出了在多興趣自組織學(xué)習(xí)社區(qū)平臺(tái)上實(shí)現(xiàn)既滿足學(xué)習(xí)者個(gè)性化特征同時(shí)又體現(xiàn)學(xué)習(xí)者之間協(xié)同學(xué)習(xí)的個(gè)性化協(xié)同推薦、搜索和答疑解決方案。在上述研究工作中，取得了以下創(chuàng)新性成果：
　　

3、 1．結(jié)合自組織社區(qū)和智能代理技術(shù)提出了一個(gè)基于三層中間代理結(jié)構(gòu)的多興趣自組織學(xué)習(xí)社區(qū)模型。在此模型下，多個(gè)具有相同或相似興趣的學(xué)習(xí)者被關(guān)聯(lián)到同一個(gè)學(xué)習(xí)社區(qū)，而同一個(gè)學(xué)習(xí)者因同時(shí)具有多個(gè)興趣而和多個(gè)社區(qū)關(guān)聯(lián)，該模型更能準(zhǔn)確地刻畫(huà)網(wǎng)絡(luò)學(xué)習(xí)環(huán)境中學(xué)習(xí)者興趣和社區(qū)特征。
　　 2．提出了利用領(lǐng)域本體計(jì)算知識(shí)點(diǎn)（關(guān)鍵字表示）之間的語(yǔ)義距離和語(yǔ)義相似度的方法，打破了傳統(tǒng)關(guān)鍵字匹配算法中“不同關(guān)鍵字之間語(yǔ)義相互獨(dú)立”的假設(shè)。根據(jù)從日常學(xué)習(xí)

4、活動(dòng)中獲得的知識(shí)點(diǎn)訪問(wèn)頻度評(píng)價(jià)加權(quán)值，提出了基于密度的學(xué)習(xí)者興趣聚類算法，并根據(jù)獲得的學(xué)習(xí)者興趣特征模型提出了多興趣自組織學(xué)習(xí)社區(qū)的構(gòu)造算法和動(dòng)態(tài)調(diào)整算法，將學(xué)習(xí)者準(zhǔn)確而高效地組織到多興趣學(xué)習(xí)社區(qū)中。
　　 3．提出了利用非負(fù)矩陣分解(NMF)技術(shù)解決多類別標(biāo)識(shí)問(wèn)題，該方法有效地避開(kāi)了語(yǔ)義相似度的計(jì)算，論文通過(guò)實(shí)驗(yàn)將NMF和其他方法，如K-Center、FCM進(jìn)行了性能比較，說(shuō)明了NMF解決多類別標(biāo)識(shí)問(wèn)題上的有效性和性能上的優(yōu)越

5、性；提出了利用NMF進(jìn)行社區(qū)初始構(gòu)建和建立學(xué)習(xí)者與社區(qū)之間多興趣關(guān)聯(lián)關(guān)系的算法，通過(guò)對(duì)學(xué)習(xí)者知識(shí)點(diǎn)頻度評(píng)價(jià)加權(quán)矩陣實(shí)施NMF獲得學(xué)習(xí)者聚類，并利用分解結(jié)果進(jìn)行學(xué)習(xí)社區(qū)構(gòu)造、建立學(xué)習(xí)者和社區(qū)之間的多興趣關(guān)聯(lián)關(guān)系。該算法和2中提到的算法相比，不需要刻畫(huà)和獲取學(xué)習(xí)者興趣，方法更加直接。
　　 4．針對(duì)學(xué)習(xí)者興趣變化引發(fā)社區(qū)結(jié)構(gòu)和社區(qū)與學(xué)習(xí)者之間關(guān)聯(lián)關(guān)系發(fā)生變化的問(wèn)題，提出了附加修正增量式非負(fù)矩陣分解算法（AM_INMF），分析表明AM

6、_INMF在增量式分解效果上優(yōu)于INMF、BNMF，由于該算法只針對(duì)新增數(shù)據(jù)進(jìn)行附加、修正映射，避免了對(duì)全部數(shù)據(jù)重新實(shí)施分解，大大減少了時(shí)間消耗，實(shí)驗(yàn)也表明AM_INMF在時(shí)間耗費(fèi)上大大優(yōu)于NMF且利用該算法對(duì)社區(qū)進(jìn)行動(dòng)態(tài)調(diào)整可以滿足系統(tǒng)對(duì)實(shí)時(shí)性的需求。
　　 5．提出了一種基于多興趣學(xué)習(xí)社區(qū)模型的個(gè)性化協(xié)同資源推薦方法，由于僅對(duì)待推薦資源內(nèi)容感興趣的社區(qū)成員推薦，大大提高了推薦資源的接受率，同時(shí)也由于僅需要計(jì)算社區(qū)興趣和推薦內(nèi)

7、容間的相似性，避免了每次推薦計(jì)算待推薦資源內(nèi)容和各個(gè)學(xué)習(xí)者興趣相似性帶來(lái)的高時(shí)間消耗；提出了綜合基于語(yǔ)義相似度的資源庫(kù)資源搜索和學(xué)習(xí)者之間協(xié)同資源搜索的搜索策略，給出了一種即能利用系統(tǒng)已有資源也能從其他學(xué)習(xí)者處獲得新的資源的實(shí)用方法；提出了在資源搜索過(guò)程中利用搜索條件和用戶反饋對(duì)資源進(jìn)行自動(dòng)語(yǔ)義標(biāo)注的算法，給出了一種新的資源獲得語(yǔ)義描述的途徑。
　　 6．針對(duì)學(xué)習(xí)過(guò)程中的答疑環(huán)節(jié)，提出了一個(gè)結(jié)合自動(dòng)和互動(dòng)答疑的個(gè)性化協(xié)同智能答疑

8、系統(tǒng)框架，在該框架下，學(xué)習(xí)者提出的問(wèn)題將會(huì)在系統(tǒng)問(wèn)題庫(kù)和其他學(xué)習(xí)者處獲得問(wèn)題回答，該方案即滿足了實(shí)時(shí)答疑的需求也利用了協(xié)同學(xué)習(xí)的優(yōu)勢(shì)。在系統(tǒng)實(shí)現(xiàn)中，具體提出了基于語(yǔ)義詞、帶權(quán)關(guān)鍵字的問(wèn)題描述模型和語(yǔ)義詞、關(guān)鍵詞反向抽取策略，避開(kāi)了復(fù)雜且準(zhǔn)確率不高的分詞環(huán)節(jié)；提出了結(jié)合關(guān)鍵詞、關(guān)鍵詞權(quán)重以及問(wèn)題訪問(wèn)頻度的問(wèn)題匹配算法，提高了問(wèn)題答案的滿意度；提出了結(jié)合社區(qū)結(jié)構(gòu)、問(wèn)題時(shí)限、學(xué)習(xí)者登錄頻度和用戶負(fù)載的個(gè)性化問(wèn)題分發(fā)策略，減少了在協(xié)同答疑過(guò)程中