基于移动Agent的Web教育资源发现方法研究

摘要

近年来,随着计算机技术的不断发展,不仅Web教育资源的存储量呈指数级增长,而且其受污染程度也日益加剧。如何从海量的资源中发现用户所需要的Web教育资源成为当前教育界的一个新挑战。Web教育资源是指以数字信号为信息,在互联网上共享的具有教育价值的所有信息资源。Web教育资源具有共享性、智能化、跨平台等特点。为了在规模日益庞大的Web教育资源中发现既与用户的文化背景、个人兴趣、研究领域相契合的,又符合用户所需要的高可信的教育资源,本文主要从Web教育资源的预选择、分层、Rank等方面展开了研究。
　　本论文的主要工作体现在以下三个方面:
　　(1)提出了一种移动Agent的结构模型。此模型中移动Agent结构是由环境交互模块、安全监控模块、任务求解模块、路由策略、信息库和条件状态集这六个相互关联的模块组合而成的。其条件状态集有创建、就绪、传输、运行、阻塞、退出六种状态。
　　(2)提出了一种Web教育资源预选择分层模型。此模型是基于移动Agent的两层过滤模型,先根据语义相似度进行分类筛选,再根据机器学习中Q学习过滤算法,对Web教育资源进行二次筛选。
　　(3)提出了一种Web教育资源Rank算法。此算法根据模糊集中的Euclid模糊度和RSS聚合技术发现用户所需要的Web教育资源。首先,采用RSS文档聚合技术快速汇聚用户需要的教育资源。其次,通过模糊集中的Euclid模糊度刻画查询内容与资源之间相关联的模糊度。最后得到满足Web教育资源终端用户的个性化资源。
　　最后设计开发了Web教育资源自动获取原型系统,运用本文所提出的算法,实现了从海量的Web教育资源中获取到用户所需要的Web教育资源的功能,用户服务质量得到了很大的提高。

目录

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景和意义

1.2国内外研究进展

1.3研究内容和成果

1.4论文的结构安排

第二章 相关理论与技术

2.1 Agent理论

2.2 Web教育资源

2.3 资源发现方法

2.4 本章小结

第三章 基于移动Agent的Web教育资源预选分层模型

3.1基于语义相似度的过滤算法

3.2基于Q学习的过滤算法

3.3 实验验证及结果分析

3.4本章小结

第四章 基于移动Agent的Web教育资源的发现方法

4.1 基于模糊集的Web教育资源Rank算法

4.2 基于RSS的Web教育资源Rank算法

4.3 基于模糊集和RSS的Web教育资源Rank算法实验分析

4.4 本章小结

第五章 Web教育资源自动获取原型系统

5.1 实验环境

5.2 系统体系结构

5.3 系统模块功能

5.4 系统数据库设计和主界面

5.5 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

参加课题及发表论文一览表