案例推理Agent合作框架下的个性化学习资源推荐研究.pdfVIP

2009．12中国电化教育 总第275期 文章编号：1006--9860(2009)12—005—05 案饲推理Agent合作框架下的 个性化学习资源推荐研究 杨丽娜 ，刘科成 2颜志军 (1．天津外周语学院 教 育技术系，天津 300204；2．北京理工大学 管理 与经济学院 ，北京 100083) 摘要：e—Leauring学习环境中学习资源的极大丰富，在给学习者带来资源选择多样性和主动性的同时，也给不同 背号和不同学习偏好的学习者满足个性化资源的需求带来不便，出现 了在众多学习资源面前的选择迷航现象。本文 基于此提 出了多角色案例推理Agent问的合作框架，通过多角色Agent的合作，结合案例推理的思想尝试解决 e—Leaming环境下学习资源个性化推荐问题。本文阐述了案例推理在个性化学习资源推荐中的工作流程，分析了案 例推理的关键技术 ，并结合实例说 明了案例推理技术使用的过程 。 关键词：案例推理；个性化推荐；e-Learning 中图分类号：G434 文献标识码 ：A 一 、 引言 二、CBR在个性化学习资源推荐中的应用 个性化推荐研究最早源于电子商务领域 ．面对 1．CB1K的涵义 日益突出的信息过载现象，个性化推荐是解决该问 CB1K是一种问题解决算法嘲，同时也是基于实 题的有效方法之--I，它根据特定用户的偏好和兴趣 例的学习技巧 ，它受人类解决问题的启发 ，人类解决 提供推荐信息或产品以帮助用户进行消费决策。事 问题时会通过回忆先前解决问题的情境进行推理来 实上产品推荐问题可认为是寻找一个映射 ：即从问 解决当前的问题，其实质是情境的迁移。一般来说， 题特征和拜j户需求到可获得产品集的一个 映射 ，个 CB1K是对基于规则推理的补充推理机制。基于规则 性化推荐就是要构造这种二元映射关系，从而更好 的推理使用 if_．then—else这种结构化的规则形式 地匹配用户的需求。 来寻找解决问题的方法。 借鉴个性化推荐解决信息过载问题的思路 ，可 一 个具体问题情境的解决方案叫案例 (Case)， 将个性化推荐思想融人到 e—Learning学习资源的个 每个案例 由一组特征一值 (Feature—value)对集合组 性化推荐中。一方面是因为 e—Learning环境下的学 成 ，用于表示一个 问题情境。对于学习资源推荐问 习资源种类丰富、数量庞大 。即使是同类学习资源 ， 题 ，案例包含着所有与学习者在线学习相关的信息 ， 资源数量也大得惊人 ，并且资源来源广泛 ．面对众多 如学习者的基本信息、学习资源需求 、学习者特征描 的学习资源，学习者在面对资源选择决策的过程中 述 、资源使用方案及对资源的评价等。但是 ，要想经 很容易出现迷航的现象：另一方面。e—Learning环境 常获得与学习者的偏好和兴趣完全相关的资源解决 下的学习者大多是具有不同专业背景 、不同学习偏 方案是很闲难的，要确定学习者学习资源需求的特 好及不同学习需要的学生，他们对学习资源的需求 定信息 ，一旦确定了学习需求 ，采用 CBR，通过对已 有很大的差异 ，基于工作 、生活和学习的需要 ．同一 有学习资源使用案例相关度的测量，就能提供学习 学习者对学习资源也有不同的要求 ，这些学习需求 者最可能接受的在线学习资源。 很难刚一套结构化的规则进行描述，基于此本文提 2．多角色案例推理Agent与分布式案例 一 个多角色案例推理 (CB1K：Case—Based1Keason— 基于角色的Agent可 以看作是某个特定问题域 ing)Agent合作框架来研究 e—Learning学习资源 的