基于學習者特征提取的智能授導系統(tǒng)研究.pdf

1、智能授導系統(tǒng)模擬教師行為，指導網(wǎng)絡(luò)上的學習者進行針對性的一對一學習，學習者模型是智能授導系統(tǒng)的核心，取得學習者個性化行為特征是提高智能授導系統(tǒng)實用性的關(guān)鍵。運用關(guān)聯(lián)規(guī)則挖掘算法，能有效地提取到學習者的行為特征，從而提高智能授導系統(tǒng)自動推薦的針對性。
　　 本文在深入分析傳統(tǒng)網(wǎng)絡(luò)學習者模型的基礎(chǔ)上，構(gòu)建了智能授導系統(tǒng)的學習者特征模型，采用數(shù)據(jù)挖掘技術(shù)的關(guān)聯(lián)規(guī)則算法來挖掘來學習者的個性化行為特征。針對經(jīng)典關(guān)聯(lián)規(guī)則算法Apriori算

2、法每次產(chǎn)生頻繁集時都要掃描數(shù)據(jù)庫，在大型事務(wù)數(shù)據(jù)庫的應用上會降低效率的缺陷提出了相應的Flag_Apriori算法，該算法在事務(wù)數(shù)據(jù)庫中以標識位flag區(qū)分與頻繁項集產(chǎn)生無關(guān)的事務(wù)記錄，在掃描時忽略掉這些事務(wù)記錄以提高頻繁集的挖掘效率。在SQLServer數(shù)據(jù)庫上的測試實例表明該算法比Apriori算法執(zhí)行效率要高，這樣在挖掘大規(guī)模學習者的特征數(shù)據(jù)進行分析的時候速度會比較快。
　　 在上述研究的基礎(chǔ)上設(shè)計了一個局域網(wǎng)內(nèi)的智能授導