基于本體的學(xué)習服務(wù)發(fā)現(xiàn)算法研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的不斷發(fā)展和教育技術(shù)的日益更新，現(xiàn)代遠程教育（Modern Distance Education）的教育模式也正在發(fā)生改變，個性化、自主化以及協(xié)同學(xué)習（Cooperative Learning）等逐漸成為網(wǎng)絡(luò)教育者和學(xué)習者追求的目標，如學(xué)習資源的自動提供，個性化學(xué)習方案的自動生成，學(xué)習服務(wù)（e-Learning Service）的自動發(fā)現(xiàn)，以及學(xué)習效果的自我評估。如何快速準確地發(fā)現(xiàn)教學(xué)過程中所需要的學(xué)習服務(wù)是影響教學(xué)效果的關(guān)

2、鍵。傳統(tǒng)的基于UDDI（Universal Description，Discovery，and Integration）的學(xué)習服務(wù)發(fā)現(xiàn)所采用的發(fā)現(xiàn)機制局限于關(guān)鍵字的匹配，是一種靜態(tài)匹配的方式，盡管查找速度比較快，但自動化程度不高，而且不能保證找到所有滿足需求的學(xué)習服務(wù)。由于本體（Ontology）具有共享、可重用等特點，有良好的概念層次結(jié)構(gòu)及對邏輯推理的有效支持，且能從語義和知識的層次上描述信息系統(tǒng)的概念模型，成為語義網(wǎng)的重要技術(shù)之一。

3、特別是基于OWL（Web Ontology Language）的本體技術(shù)可應(yīng)用于網(wǎng)絡(luò)教育，使得學(xué)習服務(wù)的描述具有語義信息，所以基于OWL-S(OWL for Service)的學(xué)習服務(wù)發(fā)現(xiàn)能夠較好地克服UDDI匹配的弱點，提高學(xué)習服務(wù)發(fā)現(xiàn)的質(zhì)量。然而該方法也還存在準確度低和效率低的問題，故論文結(jié)合本體論，應(yīng)用二部圖、粗糙集和用戶滿意度等理論，對學(xué)習服務(wù)發(fā)現(xiàn)算法進行了深入的研究?；诙繄D（Bipartite Graph）的學(xué)習服務(wù)發(fā)現(xiàn)算

4、法是把請求學(xué)習服務(wù)和發(fā)布學(xué)習服務(wù)的屬性集分別作為二部圖的頂點集，所有匹配屬性之間的連線為邊，邊的權(quán)是屬性匹配度，先把學(xué)習服務(wù)匹配問題轉(zhuǎn)換為二部圖的最優(yōu)完全匹配問題，然后通過最優(yōu)完全匹配問題的求解，實現(xiàn)學(xué)習服務(wù)的匹配，最終達到學(xué)習服務(wù)的發(fā)現(xiàn)。由于粗糙集理論（Rough Sets Theory，RST）可用于處理不精確、不一致、不完整的各種不完備信息，并從中發(fā)現(xiàn)隱含的知識，揭示潛在的規(guī)律，因此它特別適用于不要求精確數(shù)值結(jié)果的不確定性問題?；?/p>

5、于RST的學(xué)習服務(wù)發(fā)現(xiàn)算法就是結(jié)合本體技術(shù)，把RST應(yīng)用到學(xué)習服務(wù)發(fā)現(xiàn)當中。該算法是在學(xué)習服務(wù)匹配之前應(yīng)用RST進行三步預(yù)處理操作：
　　①規(guī)范化請求學(xué)習服務(wù)；
　?、诟鶕?jù)請求學(xué)習服務(wù)對發(fā)布學(xué)習服務(wù)進行不相關(guān)屬性約減；
　?、鄹鶕?jù)請求學(xué)習服務(wù)對發(fā)布學(xué)習服務(wù)進行依賴屬性約減。
　　其中的不相關(guān)屬性約減和依賴屬性約減可大大減少匹配的數(shù)量，從而提高學(xué)習服務(wù)發(fā)現(xiàn)的效率。然而，盡管采用了這些幫助提高學(xué)習服務(wù)發(fā)現(xiàn)查準率(Pr

6、ecision)、查全率(Recall)和效率(Efficiency)的算法，也只能盡快準確地查找到與學(xué)習者請求相匹配的學(xué)習服務(wù)，關(guān)鍵還在于學(xué)習服務(wù)本身的發(fā)現(xiàn)。在現(xiàn)有的學(xué)習服務(wù)發(fā)現(xiàn)系統(tǒng)中，根據(jù)學(xué)習者的請求能夠找到一些學(xué)習服務(wù)，而且匹配度很高，但是學(xué)習者并不一定滿意，這里的原因很多，其中一個主要原因就是現(xiàn)有的算法都只把學(xué)習服務(wù)自身的屬性匹配度作為衡量學(xué)習服務(wù)匹配效果優(yōu)劣的唯一指標，沒有考慮到學(xué)習者的感受，這在一定程度上限制了學(xué)習服務(wù)發(fā)現(xiàn)系

7、統(tǒng)性能的提高。因此本論文引入了用戶滿意度（User Satisfaction，US）的概念，提出了一種基于用戶滿意度的學(xué)習服務(wù)發(fā)現(xiàn)算法，該算法是把學(xué)習者對系統(tǒng)返回給他的學(xué)習服務(wù)的評價作為反饋信息，并設(shè)定一個修正函數(shù)，以動態(tài)更新發(fā)布學(xué)習服務(wù)的各個屬性的匹配度權(quán)值，這不僅從客觀上提高了學(xué)習服務(wù)的查準率，而且還從主觀上提高了學(xué)習者對服務(wù)發(fā)現(xiàn)結(jié)果的滿意程度。論文最后給出了一個CSCL原型系統(tǒng)，該系統(tǒng)集成了學(xué)習服務(wù)發(fā)現(xiàn)算法，學(xué)習者可以在該系統(tǒng)中進