一种基于信息过滤的个性化学习环境模型.pdfVIP

一种基于信息过滤的个性化学习环境模型 段靖芳 一 (北京建筑工程学院计算机系，北京100044) 摘 要：信息过滤技术在网络安全、信息检索等领域已得到广泛应用。基于信息过滤的个性化学习环境模型用 于构建个性化学习环境。基本思想：编制专用的学习对象过滤引擎，使其可以解析学习对象库中的标准元数据，并依 据用户个性模型与相应的学习策略模板之间的映射关系设计过滤算法。通过对学习对象进行过滤和动态重组生成个性 化学习内容和情境。模型涉及Web个性化技术、个性化学习设计、学习对象定制、信息过滤、学习对象重组及个性化 显示等相关问题。此外，为实现直接对Internet上丰富的、无元数据描述的学习资源进行信息过滤，需要在过滤前自 动实现对以网页为主要载体的学习对象进行抽取和元数据封装。 关键词：个性化；学习环境；信息过滤；)凸也 一、引 言 化信息服务。 个性化教学强调以个别差异为出发点，以学 (三)信息过滤技术(InformationFilter) 习者兴趣与需要为中心，以每个学生能力与个性 研究如何对接收到的信息内容进行有效的 的最大发展为目标u1。在Web环境下，如何为学 控制，即信息过滤。信息过滤的目的是向用户提 习者创设一个开放的、自主和易用的个性化学习 供其所需要的信息。过滤系统的一般特点H1是： 环境成为研究热点。目前，构建个性化学习环境 1．适用于非结构化或半结构化的信息系统，2．主 的个性化技术主要有： 要处理文本信息，3．系统中包含大量数据，4．数 Software) (一)适应性软件(Adaptive 据通常不断流入，5．基于个人或小组的信息爱好 适应性软件是指能随环境变化而改变自身 而过滤；6．从输入流中去掉数据。信息过滤与传 行为的软件。由于软件生存环境及其变化多种多 统的信息检索不同，更强调用户偏好，研究用户 样，适应性的类型和模式也纷繁复杂。通常利用 偏好的定义、用户偏好的表示以及用户偏好的应 遗传算法及演化计算，根据运行环境的特点和环 用临1。目前，信息过滤江术的一般方法是：利用 境的历史记录生成新的算法，来实现适应性，主 向量空间方法建立文本数据库和用户偏好模型， 要用到机器学习、演化计算、遗传算法、人工智 采用聚类的方法，如最大最小距离法、重心距离 能等方面的知识，如在线自适应性用户模型分别 法、类平均距离法对流入的信息进行分类，并通 使用遗传爬山混合算法和神经元网络方法盟1。 过学习不断调整用户的偏好模型来增强信息过 (二)数据挖掘(DataMining) 滤效率。． 基于Web的数据挖掘方法主要解决对学习者 适应性软件、数据挖掘技术通常用于构建用 的学习个性分析及归类。要获得学习者个性信 户的个性模型，而信息过滤技术主要应用于文本 息，需要从学习者大量的学习行为数据中发现其 信息的个性化检索和主动推送方面。本文把信息 学习个性规律。大部分数据挖掘方法基于机器学 过滤技术与个性化学习问题相结合提出了一种 习、模式识别、统计学等领域，它们根据不同需 基于信息过滤技术的Web个性化学习环境模型。 求目的从不同角度进行数据挖掘，包括关联规 二基于信息过滤技术的个性化学习 则、决策树方法、神经网络方法、遗传算法、粗 环境模型 糙集、规则归纳、时间序列分析、最邻近技术及