硕士论文答辩ppt—Bayesian推理.ppt

Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 基于CBR的Bayesian在ITS中的应用研究 答辩人： 丁继红 研究方向：数据挖掘与智能教学系统 指导老师：刘先锋 教授 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 本文的基本框架 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 总体架构 系统结构设计 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 本文主要工作 1、利用学生特征库、数据仓库、教学方法库、学习资源库等，提出了基于ITS的知识推理模型。同时设计出了表征学生特征的学生模型表。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 本文主要工作 2、结合Corpus库，利用余弦相似度函数、Bayesian 定理和联合概率公式构造了一个Bayesian推理网。得出了基于Bayesian推理网的学习推荐算法，利用Java和MySQL 对此方法进行实现，得出仿真实验的结果。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 本文主要工作 3、构造出了一个基于CBR的Bayesian推理网模型，结合基于用户的协作过滤技术、预测评分方法、Bayesian定理进行学习推荐。 利用Java和My SQL进行实现，得出仿真实验的结果。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Bayesian分类 ： 其中xi是与元组ti相关的数据值，因此由P(Cj|xi)可以进一步计算出P(Cj|ti)。假设元组ti有p个独立的属性值{xi1，xi2，…，xip}。对于每个属性xik，可以很容易计算P(xik|Cj)，进而可以估计出P(ti|Cj)。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 知识推理模型 知识推理模型 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Bayesian推理算法 具体算法如下： 1、对于学生子网中的每一个学生Ui（或用户组），在学生特征术语子网中，找出与Ui 连接的所有学生特征术语子节点，分别为：TH1，TH2…THj（j表示有j个学生特征术语与Ui相连），且算出学习者Ui与特征术语THj的特征权重WHj。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Bayesian推理算法 2、对于上述1中的每一个THj，在教学方法术语子网中，找出与THj连接的所有教学方法术语子节点，分别为：TM1，TM2…TMk（k表示有k个教学方法术语与THj相连），且计算教学方法术语TMk与学生特征术语THj之间的相似度Bkj；同时，在学习资