E-Learning系统中基于课程本体的用户兴趣模型挖掘

摘要

E-Learning是一种新的教育方式，它充分利用现代信息技术所提供的全新沟通机制与丰富资源，实时推送个性化的、全面的、动态的学习内容，并辅助形成知识社区，将学习者和专家联系起来。正是这些特点使E-Learning能够充分体现学习者的主体作用，将以“教师”为中心的教育方式向以“学生”为中心的方式转变，并提供个性化和自适应性的学习环境。而用户兴趣模型的挖掘是实现个性化或自适应性E-Learning的关键，引起了广大学者的关注。
　　针对独立阅读过程和交互问答过程这两个重要的学习环节，对基于课程本体的用户兴趣模型挖掘方法进行了研究，本文所做的主要工作如下：
　　(1)给出了课程本体的定义，以人工智能课程为例，详细给出了该课程本体的构建过程及构建结果，并将该人工智能本体用于兴趣模型挖掘的两个实验中。
　　(2)通过加入文本特征的位置信息改进了文本特征的加权方法，实验结果表明，与传统的TF-IDF特征加权方法相比，该方法在文本分类的准确率、召回率、F-Measure等方面都有所提高。
　　(3)提出使用阅读行为来挖掘用户兴趣模型的方法。所谓阅读行为指的是学生在阅读电子文档时所做的标记，包括下划线、圈圈、高亮、书签、批注等。设计并实现了阅读行为记录系统RBRS，给出了行为表、权重矩阵、行为矩阵、相对文档矩阵的定义，详细阐述了独立阅读过程中的兴趣模型挖掘过程，提出了使用阅读行为的兴趣模型挖掘算法。为了证明该方法的有效性，我们设计了一个实验，利用RBRS来收集实验数据，并根据本章提出的算法计算出学生的兴趣主题及兴趣度，通过学生的反馈信息对该方法进行评价，说明了该方法的可行性。
　　(4)提出使用交互问答行为来挖掘用户兴趣模型的方法。设计并实现了面向人工智能领域的交互问答系统AIQA，学生可以在该系统中提出问题、浏览问题及答案、选择自己感兴趣的问题进行回答。提出利用这些交互信息建立每个学生的问答集，并在问答集与课程本体间建立映射关系，详细阐述了交互问答过程中的兴趣模型挖掘过程，提出了使用交互问答行为的兴趣模型挖掘算法。设计了一个实验，利用AIQA收集数据，并根据提出的算法计算出学生的兴趣主题及兴趣度，通过学生的推荐接受率对该方法进行评价，结果表明该方法挖掘的兴趣模型具有准确性和自适应性。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 课题的背景和意义

1.2 论文的研究内容

1.3 论文的组织结构

2 相关的研究工作

2.1 个性化E-Learning 的分类及研究现状

2.2 用户模型与用户建模的研究现状

2.3 本体的定义及构造过程

2.4 文本分类方法概述

2.5 问答系统的分类及研究现状

3 基于课程本体的用户兴趣模型挖掘

3.1 课程本体的定义

3.2 课程本体的构建

3.3 用户兴趣模型挖掘过程

3.4 本章小结

4 使用阅读行为的用户兴趣模型挖掘

4.1 阅读行为记录系统 RBRS

4.2 改进的文本分类算法

4.3 兴趣模型挖掘过程

4.4 实验设计及实验过程

4.5 实验结果及评价

4.6 本章小结

5 使用交互问答行为的用户兴趣模型挖掘

5.1 交互问答系统 AIQA

5.2 兴趣模型的挖掘过程

5.3 实验设计及实验过程

5.4 实验结果及评价

5.5 本章小结

6 总结与展望

6.1 本文的工作总结

6.2 下一步研究工作

致谢

参考文献