基于本體的學(xué)習(xí)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(yuǎn)程教育（Modern Distance Education）的教育模式也正在發(fā)生改變，個(gè)性化、自主化以及協(xié)同學(xué)習(xí)（Cooperative Learning）等逐漸成為網(wǎng)絡(luò)教育者和學(xué)習(xí)者追求的目標(biāo)，如學(xué)習(xí)資源的自動(dòng)提供，個(gè)性化學(xué)習(xí)方案的自動(dòng)生成，學(xué)習(xí)服務(wù)（e-Learning Service）的自動(dòng)發(fā)現(xiàn)，以及學(xué)習(xí)效果的自我評(píng)估。如何快速準(zhǔn)確地發(fā)現(xiàn)教學(xué)過(guò)程中所需要的學(xué)習(xí)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(xí)服務(wù)發(fā)現(xiàn)所采用的發(fā)現(xiàn)機(jī)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(dòng)化程度不高，而且不能保證找到所有滿足需求的學(xué)習(xí)服務(wù)。由于本體（Ontology）具有共享、可重用等特點(diǎn)，有良好的概念層次結(jié)構(gòu)及對(duì)邏輯推理的有效支持，且能從語(yǔ)義和知識(shí)的層次上描述信息系統(tǒng)的概念模型，成為語(yǔ)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(xí)服務(wù)的描述具有語(yǔ)義信息，所以基于OWL-S(OWL for Service)的學(xué)習(xí)服務(wù)發(fā)現(xiàn)能夠較好地克服UDDI匹配的弱點(diǎn)，提高學(xué)習(xí)服務(wù)發(fā)現(xiàn)的質(zhì)量。然而該方法也還存在準(zhǔn)確度低和效率低的問(wèn)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(duì)學(xué)習(xí)服務(wù)發(fā)現(xiàn)算法進(jìn)行了深入的研究。基于二部圖（Bipartite Graph）的學(xué)習(xí)服務(wù)發(fā)現(xiàn)算

4、法是把請(qǐng)求學(xué)習(xí)服務(wù)和發(fā)布學(xué)習(xí)服務(wù)的屬性集分別作為二部圖的頂點(diǎn)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(xí)服務(wù)匹配問(wèn)題轉(zhuǎn)換為二部圖的最優(yōu)完全匹配問(wèn)題，然后通過(guò)最優(yōu)完全匹配問(wèn)題的求解，實(shí)現(xiàn)學(xué)習(xí)服務(wù)的匹配，最終達(dá)到學(xué)習(xí)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(shí)，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(wèn)題?；?/p>

5、于RST的學(xué)習(xí)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(xí)服務(wù)發(fā)現(xiàn)當(dāng)中。該算法是在學(xué)習(xí)服務(wù)匹配之前應(yīng)用RST進(jìn)行三步預(yù)處理操作：
　?、僖?guī)范化請(qǐng)求學(xué)習(xí)服務(wù)；
　?、诟鶕?jù)請(qǐng)求學(xué)習(xí)服務(wù)對(duì)發(fā)布學(xué)習(xí)服務(wù)進(jìn)行不相關(guān)屬性約減；
　?、鄹鶕?jù)請(qǐng)求學(xué)習(xí)服務(wù)對(duì)發(fā)布學(xué)習(xí)服務(wù)進(jìn)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(xí)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(xí)服務(wù)發(fā)現(xiàn)查準(zhǔn)率(Pr

6、ecision)、查全率(Recall)和效率(Efficiency)的算法，也只能盡快準(zhǔn)確地查找到與學(xué)習(xí)者請(qǐng)求相匹配的學(xué)習(xí)服務(wù)，關(guān)鍵還在于學(xué)習(xí)服務(wù)本身的發(fā)現(xiàn)。在現(xiàn)有的學(xué)習(xí)服務(wù)發(fā)現(xiàn)系統(tǒng)中，根據(jù)學(xué)習(xí)者的請(qǐng)求能夠找到一些學(xué)習(xí)服務(wù)，而且匹配度很高，但是學(xué)習(xí)者并不一定滿意，這里的原因很多，其中一個(gè)主要原因就是現(xiàn)有的算法都只把學(xué)習(xí)服務(wù)自身的屬性匹配度作為衡量學(xué)習(xí)服務(wù)匹配效果優(yōu)劣的唯一指標(biāo)，沒(méi)有考慮到學(xué)習(xí)者的感受，這在一定程度上限制了學(xué)習(xí)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(xí)服務(wù)發(fā)現(xiàn)算法，該算法是把學(xué)習(xí)者對(duì)系統(tǒng)返回給他的學(xué)習(xí)服務(wù)的評(píng)價(jià)作為反饋信息，并設(shè)定一個(gè)修正函數(shù)，以動(dòng)態(tài)更新發(fā)布學(xué)習(xí)服務(wù)的各個(gè)屬性的匹配度權(quán)值，這不僅從客觀上提高了學(xué)習(xí)服務(wù)的查準(zhǔn)率，而且還從主觀上提高了學(xué)習(xí)者對(duì)服務(wù)發(fā)現(xiàn)結(jié)果的滿意程度。論文最后給出了一個(gè)CSCL原型系統(tǒng)，該系統(tǒng)集成了學(xué)習(xí)服務(wù)發(fā)現(xiàn)算法，學(xué)習(xí)者可以在該系統(tǒng)中進(jìn)