基于AGENT个性化Web协作学习系统的模型设计
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
； 网络 神经
学习的实现过程 ．
关 键 词 Ａｅｔ ｇｎ ￣ ；
中图分类号 Ｔ １７ Ｐ３ ． ９
目前 ， 人们迫切需要一些智能的和个 性化 的学 习系统 ， 为此 ， 我们利用 Ａ Ｅ Ｔ技 术 ， ＧＮ 机器 学习和数据挖 掘的方法 ， 出了 提 基 于 Ａ Ｅ Ｔ个性化 Ｗｅ 协作学 习系统 的设计模型 ． ＧＮ ｂ
１ 基 于 Ａ Ｅ Ｔ个性化 Ｗｅ 协作 学 习系统 的设计模 型 ＧＮ ｂ
１１ 系统结构 ． 基于 Ａ Ｅ Ｔ个性化 ｗｅ 学习 系统 的基 本 ＧＮ ｂ 结构如 图 １ 所示 ．
Ｉ２ 系统 的代理模型 ． １２ １ 学生代理 ．． 当学 习者登 录， 参加 网络协作 学习时 ， 系统首先登记学习者选课 的基本情 况 ： 程名 和课 程概 念 课 （ 课程 的组成 ）并对学习者的接收能力 、 ， 思维偏 向等进行 测
过滤后 的信 ＼ｒ 一
石耍
璺兰
图 １ Ｗｂ学习系统的基本结构 ｅ
理， 最小值为 Ｏ最大 值为 １． 例 中将 每 一个属 性水平 ， ５在此 组合 ， 为一个蚂蚁 ， 作 即在这个 ４ 维空 间中共有 １ × ５ ７ ５ １× ０
×３ 个蚂蚁在做 群体运 动 ． ×３ 属性 权重标准化 值的极差 为 １， ５ 因此群体相似系数 选择为 １ ５～ｌ ． ６ 实验基 本参数 如下 ： 群体 相似 系数 Ⅱ为 １ ６ ４维空 间； ５～１； 蚂蚁个 数为 １０×１ ５ ５ ×７ ×３ ｒ ．； ×３ ； ＝０ ５ ＝１ ＝１Ｐ ＝０ ７ ； ； ；０ ．５ ｅ＝０ １ ｒ为聚 ．（ 半径 ， ｅ为统计误差 ， 为控制参数 ） 、 ． 在本模型 中对 某一 时刻 登 录的学 习者 进行 属性 评 分 后， 由蚁群算法进 行聚类分 析 ． 由属性权 重可 知， 程名 和 课 课程概念是两个关键 的属性 ， 因此将 最终结 果投影 到 以课 程名和课 程概念 为横纵 坐标 的二 维平 面上 ， 其结 果如 图 ２
代理分组 ． １ 表 给出了学 习者 的评分标准 （ 假设 以某计算 机 教学平 台为例） ．
表 １中的属 性评 分跟 属性 权重 的值 已经过 标准 化 处
厂 —
篁 厂 苹 ｉ ． 皇 —茎 ］
＼＼ 信息请求 请求
【 （ 含自然语言接１＝ ￣－作ｋ 然语言接口） ２！ ｌ １ Ｉ Ｖ 含自 ｌ Ｊ
本文设计了一个 四层 的 Ｂ 模糊神经 网络 ． Ｐ网络的学 Ｐ Ｂ 习过程由前 向计算过程和误差反向传播过程组成 ， 用梯度下 降法学习调整 Ｆ Ｎ的参数 ． Ｎ 通过参考相关书籍 ， 以及 咨询 相 关 的专家， 笔者选取了以下形式的专家经验模糊规则 ：
系统分析与设计 多媒体 系统设计
Ｍａ ２ ｒ ｒ．００７
ＶＤ． ２ Ｎ ． １２ ｏ １
基 于 Ａ Ｅ Ｔ个 性化 Ｗｅ 作 学 习 系统 的模 型设 计 ＧＮ ｂ协
楚 扬 赵合计
（山东大学计算机科学与技术学院 ， ０ ６ ， ２ ０ １济南∥第一作者 ３ 岁， ， ５ ２ 女 讲师 ）
摘要
利用Ａ Ｅ Ｔ Ｇ Ｎ 技术， 机器学习和数据挖掘的方法， 提出了个性化 Ｗ ｂ ｅ 协作学习系统的设计模型， 并重点介绍了个性化
生 并 档案 发送学
提供 指 导 建 议
讨 论交
（教师 ）
论交 流 生档 案
并发送 学
提供 指导
建议
．
／ 讨 论交 流 ＼、 ． ／ ／ 、 。
塞
请ｆ ｆ 反
求【 馈 ｌ
．
请Ｉ ｆ 反
求．馈 １ ． Ｉ
型提供 ）每一个属性 上具有 多个水平值 ． ， 然后利用 蚁群 算 法 ， 到最合理 的属性水平的组合模 式 ， 得 即不同 的协作 学习
数据库 管理 电子商务 程序设计 管理信息系统 计算机结构
规则ＩⅢ学生学习多媒体系统设计 的软件 部分 Ａ Ｄ学 ： Ｎ
生 的接收能力强 Ａ Ｄ形象思维能力强 Ｔ Ｅ Ｎ Ｈ Ｎ采用教练法；
规则Ⅱ： Ⅲ学生学习计算机结构 的硬件部分 Ａ Ｄ学生的 Ｎ 接收能力弱 Ａ Ｄ逻辑思维能力较强 Ｔ Ｅ Ｎ Ｈ Ｎ采用案例法 ； 规则可用下述方 式来描 述 （ 课程 名 ， 课程概 念 ， 学生 的 接受能力 ， 学生 的思维偏 向， 选取 的教学方法 ） 教学规则数 ， 确定推理层 中的节 点个数 ． 我们用 向量 Ｘ＝（ ， ， ， １ ３ ２
维普资讯
２Ｏ Ｏ７年 ３ 月 第２ ２卷 第 １ 期
山 东 师 范 大 学 学 报 （ 然 科 学 版） 自
Ｊｕ ａ ｏ Ｓａｄｎ ｏｍ ｌ ｎｖｒｔ（ ａ ｒ ｃ ｎｅ ｏｒ ｌ ｆ ｈｎｏｇＮ ｒ ａ Ｕ ｉ ｓｙＮ ｔ ａ Ｓｉ ｃ） ｎ ｅｉ ｕｌ ｅ
获 懂崭 取 Ｌ‘ Ｉ 加 一教‘理Ｉ ，学 —＼ — 代— —— ＿ — 一
试， 将结果分别存入 与该学习者相对应的用户模型 中， 同时
产生一个对应于该学习者 的学 习代理 ． 然后 ， 系统依据基 于
蚁群智能的聚类 算法 ， 据学 习者 所选 的课 程名 、 程 概 根 课
念 、 习者 的接收能力 、 学 思维 偏 向等进 行用户 聚类 ， 获得 不 同的协作学习代理分 组 ， 而充分 调动协作 学 习小组成 员 从 的积极性 ． 其具体实现如下 ： 根据蚁群算法 ， 取课程名 、 选 课 程概念 、 学习者的接收能力 、 思维 偏 向四个属性 （ 由学生模
所示 ．
图
图 ２ 蚁群算法聚类分析结果
收稿 １期 ： ０ — ０ ８ ３ ２ ６ １ 一ｌ ０
维普资讯
第１ 期
１２ ２ 教 学代理 ．．
楚
扬， ： 于 ＡＥＴ 等 基 Ｇ Ｎ 个性化 Ｗ ｂ ｅ 协作学 习系统的模型设计 Βιβλιοθήκη 表 １ 学 习者评分标准
属性 网络程序设计 网络管理 与安全 分布式 系统
软 件工 程
３ ７
教学代理 负责监控学 习者的学 习行 为 ，
提供相应的教学资源 ， 并能针对不同认知水平 的学 习者 ， 利 用模糊神经 网络的方法选择 相应 的教学 方法 ， 助学 习者 帮
属性评分
属性权重
完成学 习． 具体实现如下 ：
学习的实现过程 ．
关 键 词 Ａｅｔ ｇｎ ￣ ；
中图分类号 Ｔ １７ Ｐ３ ． ９
目前 ， 人们迫切需要一些智能的和个 性化 的学 习系统 ， 为此 ， 我们利用 Ａ Ｅ Ｔ技 术 ， ＧＮ 机器 学习和数据挖 掘的方法 ， 出了 提 基 于 Ａ Ｅ Ｔ个性化 Ｗｅ 协作学 习系统 的设计模型 ． ＧＮ ｂ
１ 基 于 Ａ Ｅ Ｔ个性化 Ｗｅ 协作 学 习系统 的设计模 型 ＧＮ ｂ
１１ 系统结构 ． 基于 Ａ Ｅ Ｔ个性化 ｗｅ 学习 系统 的基 本 ＧＮ ｂ 结构如 图 １ 所示 ．
Ｉ２ 系统 的代理模型 ． １２ １ 学生代理 ．． 当学 习者登 录， 参加 网络协作 学习时 ， 系统首先登记学习者选课 的基本情 况 ： 程名 和课 程概 念 课 （ 课程 的组成 ）并对学习者的接收能力 、 ， 思维偏 向等进行 测
过滤后 的信 ＼ｒ 一
石耍
璺兰
图 １ Ｗｂ学习系统的基本结构 ｅ
理， 最小值为 Ｏ最大 值为 １． 例 中将 每 一个属 性水平 ， ５在此 组合 ， 为一个蚂蚁 ， 作 即在这个 ４ 维空 间中共有 １ × ５ ７ ５ １× ０
×３ 个蚂蚁在做 群体运 动 ． ×３ 属性 权重标准化 值的极差 为 １， ５ 因此群体相似系数 选择为 １ ５～ｌ ． ６ 实验基 本参数 如下 ： 群体 相似 系数 Ⅱ为 １ ６ ４维空 间； ５～１； 蚂蚁个 数为 １０×１ ５ ５ ×７ ×３ ｒ ．； ×３ ； ＝０ ５ ＝１ ＝１Ｐ ＝０ ７ ； ； ；０ ．５ ｅ＝０ １ ｒ为聚 ．（ 半径 ， ｅ为统计误差 ， 为控制参数 ） 、 ． 在本模型 中对 某一 时刻 登 录的学 习者 进行 属性 评 分 后， 由蚁群算法进 行聚类分 析 ． 由属性权 重可 知， 程名 和 课 课程概念是两个关键 的属性 ， 因此将 最终结 果投影 到 以课 程名和课 程概念 为横纵 坐标 的二 维平 面上 ， 其结 果如 图 ２
代理分组 ． １ 表 给出了学 习者 的评分标准 （ 假设 以某计算 机 教学平 台为例） ．
表 １中的属 性评 分跟 属性 权重 的值 已经过 标准 化 处
厂 —
篁 厂 苹 ｉ ． 皇 —茎 ］
＼＼ 信息请求 请求
【 （ 含自然语言接１＝ ￣－作ｋ 然语言接口） ２！ ｌ １ Ｉ Ｖ 含自 ｌ Ｊ
本文设计了一个 四层 的 Ｂ 模糊神经 网络 ． Ｐ网络的学 Ｐ Ｂ 习过程由前 向计算过程和误差反向传播过程组成 ， 用梯度下 降法学习调整 Ｆ Ｎ的参数 ． Ｎ 通过参考相关书籍 ， 以及 咨询 相 关 的专家， 笔者选取了以下形式的专家经验模糊规则 ：
系统分析与设计 多媒体 系统设计
Ｍａ ２ ｒ ｒ．００７
ＶＤ． ２ Ｎ ． １２ ｏ １
基 于 Ａ Ｅ Ｔ个 性化 Ｗｅ 作 学 习 系统 的模 型设 计 ＧＮ ｂ协
楚 扬 赵合计
（山东大学计算机科学与技术学院 ， ０ ６ ， ２ ０ １济南∥第一作者 ３ 岁， ， ５ ２ 女 讲师 ）
摘要
利用Ａ Ｅ Ｔ Ｇ Ｎ 技术， 机器学习和数据挖掘的方法， 提出了个性化 Ｗ ｂ ｅ 协作学习系统的设计模型， 并重点介绍了个性化
生 并 档案 发送学
提供 指 导 建 议
讨 论交
（教师 ）
论交 流 生档 案
并发送 学
提供 指导
建议
．
／ 讨 论交 流 ＼、 ． ／ ／ 、 。
塞
请ｆ ｆ 反
求【 馈 ｌ
．
请Ｉ ｆ 反
求．馈 １ ． Ｉ
型提供 ）每一个属性 上具有 多个水平值 ． ， 然后利用 蚁群 算 法 ， 到最合理 的属性水平的组合模 式 ， 得 即不同 的协作 学习
数据库 管理 电子商务 程序设计 管理信息系统 计算机结构
规则ＩⅢ学生学习多媒体系统设计 的软件 部分 Ａ Ｄ学 ： Ｎ
生 的接收能力强 Ａ Ｄ形象思维能力强 Ｔ Ｅ Ｎ Ｈ Ｎ采用教练法；
规则Ⅱ： Ⅲ学生学习计算机结构 的硬件部分 Ａ Ｄ学生的 Ｎ 接收能力弱 Ａ Ｄ逻辑思维能力较强 Ｔ Ｅ Ｎ Ｈ Ｎ采用案例法 ； 规则可用下述方 式来描 述 （ 课程 名 ， 课程概 念 ， 学生 的 接受能力 ， 学生 的思维偏 向， 选取 的教学方法 ） 教学规则数 ， 确定推理层 中的节 点个数 ． 我们用 向量 Ｘ＝（ ， ， ， １ ３ ２
维普资讯
２Ｏ Ｏ７年 ３ 月 第２ ２卷 第 １ 期
山 东 师 范 大 学 学 报 （ 然 科 学 版） 自
Ｊｕ ａ ｏ Ｓａｄｎ ｏｍ ｌ ｎｖｒｔ（ ａ ｒ ｃ ｎｅ ｏｒ ｌ ｆ ｈｎｏｇＮ ｒ ａ Ｕ ｉ ｓｙＮ ｔ ａ Ｓｉ ｃ） ｎ ｅｉ ｕｌ ｅ
获 懂崭 取 Ｌ‘ Ｉ 加 一教‘理Ｉ ，学 —＼ — 代— —— ＿ — 一
试， 将结果分别存入 与该学习者相对应的用户模型 中， 同时
产生一个对应于该学习者 的学 习代理 ． 然后 ， 系统依据基 于
蚁群智能的聚类 算法 ， 据学 习者 所选 的课 程名 、 程 概 根 课
念 、 习者 的接收能力 、 学 思维 偏 向等进 行用户 聚类 ， 获得 不 同的协作学习代理分 组 ， 而充分 调动协作 学 习小组成 员 从 的积极性 ． 其具体实现如下 ： 根据蚁群算法 ， 取课程名 、 选 课 程概念 、 学习者的接收能力 、 思维 偏 向四个属性 （ 由学生模
所示 ．
图
图 ２ 蚁群算法聚类分析结果
收稿 １期 ： ０ — ０ ８ ３ ２ ６ １ 一ｌ ０
维普资讯
第１ 期
１２ ２ 教 学代理 ．．
楚
扬， ： 于 ＡＥＴ 等 基 Ｇ Ｎ 个性化 Ｗ ｂ ｅ 协作学 习系统的模型设计 Βιβλιοθήκη 表 １ 学 习者评分标准
属性 网络程序设计 网络管理 与安全 分布式 系统
软 件工 程
３ ７
教学代理 负责监控学 习者的学 习行 为 ，
提供相应的教学资源 ， 并能针对不同认知水平 的学 习者 ， 利 用模糊神经 网络的方法选择 相应 的教学 方法 ， 助学 习者 帮
属性评分
属性权重
完成学 习． 具体实现如下 ：