E-Learning系統(tǒng)中基于課程本體的用戶興趣模型挖掘.pdf

1、E-Learning是一種新的教育方式，它充分利用現(xiàn)代信息技術(shù)所提供的全新溝通機(jī)制與豐富資源，實(shí)時(shí)推送個(gè)性化的、全面的、動(dòng)態(tài)的學(xué)習(xí)內(nèi)容，并輔助形成知識社區(qū)，將學(xué)習(xí)者和專家聯(lián)系起來。正是這些特點(diǎn)使E-Learning能夠充分體現(xiàn)學(xué)習(xí)者的主體作用，將以“教師”為中心的教育方式向以“學(xué)生”為中心的方式轉(zhuǎn)變，并提供個(gè)性化和自適應(yīng)性的學(xué)習(xí)環(huán)境。而用戶興趣模型的挖掘是實(shí)現(xiàn)個(gè)性化或自適應(yīng)性E-Learning的關(guān)鍵，引起了廣大學(xué)者的關(guān)注。
　　

2、針對獨(dú)立閱讀過程和交互問答過程這兩個(gè)重要的學(xué)習(xí)環(huán)節(jié)，對基于課程本體的用戶興趣模型挖掘方法進(jìn)行了研究，本文所做的主要工作如下：
　　(1)給出了課程本體的定義，以人工智能課程為例，詳細(xì)給出了該課程本體的構(gòu)建過程及構(gòu)建結(jié)果，并將該人工智能本體用于興趣模型挖掘的兩個(gè)實(shí)驗(yàn)中。
　　(2)通過加入文本特征的位置信息改進(jìn)了文本特征的加權(quán)方法，實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的TF-IDF特征加權(quán)方法相比，該方法在文本分類的準(zhǔn)確率、召回率、F-Mea

3、sure等方面都有所提高。
　　(3)提出使用閱讀行為來挖掘用戶興趣模型的方法。所謂閱讀行為指的是學(xué)生在閱讀電子文檔時(shí)所做的標(biāo)記，包括下劃線、圈圈、高亮、書簽、批注等。設(shè)計(jì)并實(shí)現(xiàn)了閱讀行為記錄系統(tǒng)RBRS，給出了行為表、權(quán)重矩陣、行為矩陣、相對文檔矩陣的定義，詳細(xì)闡述了獨(dú)立閱讀過程中的興趣模型挖掘過程，提出了使用閱讀行為的興趣模型挖掘算法。為了證明該方法的有效性，我們設(shè)計(jì)了一個(gè)實(shí)驗(yàn)，利用RBRS來收集實(shí)驗(yàn)數(shù)據(jù)，并根據(jù)本章提出的算法

4、計(jì)算出學(xué)生的興趣主題及興趣度，通過學(xué)生的反饋信息對該方法進(jìn)行評價(jià)，說明了該方法的可行性。
　　(4)提出使用交互問答行為來挖掘用戶興趣模型的方法。設(shè)計(jì)并實(shí)現(xiàn)了面向人工智能領(lǐng)域的交互問答系統(tǒng)AIQA，學(xué)生可以在該系統(tǒng)中提出問題、瀏覽問題及答案、選擇自己感興趣的問題進(jìn)行回答。提出利用這些交互信息建立每個(gè)學(xué)生的問答集，并在問答集與課程本體間建立映射關(guān)系，詳細(xì)闡述了交互問答過程中的興趣模型挖掘過程，提出了使用交互問答行為的興趣模型挖掘算法