Agent和关联规则挖掘技术在智能答疑系统中的应用研究

来源 :华南师范大学 | 被引量 : 0次 | 上传用户:arigadordor
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
网络的发展带来了现代远程教育的迅速发展。现代远程教育以网络教育为主,它以互联网为依托,采用计算机多媒体技术,这使其具有“双向交互性、个性化学习、反馈迅速、移动性”的特点。我国的现代远程教育依托的重点是高等院校,并且已进入了蓬勃发展的阶段。目前,基于教学平台中的智能答疑系统依然存在一些问题:(1)系统的独立性和移植性不高;(2)问题解答不能令人满意;(3)答疑系统的资源库不够丰富,且与所嵌入的教学系统本身的资源库是割裂的。 本文根据《现代远程教育资源建设技术规范》的要求,对智能答疑系统的体系结构和答疑机制进行了分析研究,提出了一个智能答疑系统体系结构,包括:系统访问、用户管理、用户Agent、用户提问、答疑Agent、FQA库管理和专家解答等七个主要部件。 本文介绍了Agent技术和数据挖掘技术的基本情况;探讨了智能答疑系统的体系结构;系统各个部件的功能及其工作流程,以及系统总体的数据结构。在此基础上,本文详细分析了智能答疑系统中的“答疑Agent”和“用户Agent”的结构及其工作流程;提出了在“答疑Agent”中结合数据挖掘技术建立“用户提问关联”规则库和“用户多维关联”规则库,并给出了建立的方法和过程。 该智能答疑系统被嵌入到华南师范大学求实工程的《软件工程》网络课程网站中。文章最后给出该系统实现和测试结果。
其他文献
随着数据库应用的不断深化,越来越多的数据被贮存到了计算机中,但是数据库管理系统却没有提供有效的工具和方法来利用这些数据,因此充分利用数据进行决策支持成为当今最需要深入
形式化验证方法主要包括定理证明和模型检验,其中模型检验因其自动化高得到重视,并已经在硬件领域和通讯协议的分析与验证中取得了巨大成功。近几年来,软件模型检验成为研究
强化学习是一种以环境反馈作为输入的、特殊的、适应环境的机器学习方法。本文主要研究连续状态空间下的强化学习问题,并将神经网络应用于强化学习技术中,用来估计状态-值函数。
计算机信息系统的安全措施包含了认证、访问控制、审计和存储等内容,作为重要组成部分的访问控制可以分为网络层、主机和操作系统以及应用层访问控制三种。传统的访问控制模型
电子政务新模式的探讨一直是一个热门话题,本课题就是在对财政部门传统的政务模式进行深入分析后,提出了一种将网络办公自动化与财政监管相结合的新模式。 本文主要介绍基于
高性能计算技术在全世界范围内受到了高度重视,在众多高新科技领域中的应用都取得了巨大的成就。集群系统的出现更给高性能计算的研究增添了一个极具吸引力的生力军,它以无可替
近年来,随着个人计算机性能的大幅度提高,人机界面越来越向着人性化、自然化、智能化方向发展。笔式用户界面(Pen-based User Interface,PUI)作为Post WIMP(Window+Icon+Menu+P
该文在民用航天预研项目——"远程空间非合作性飞行体的会合与附着问题研究"、"远程空间探测会合与附着技术及仿真演示系统"和"十五"863计划项目——"深空探测器自主技术与仿
随着我国经济的发展,信息技术得到广泛应用,网络与信息系统的作用进一步增强,成为国家的关键基础设施。与此同时,信息安全问题日益增加、日渐突出。作为网络分布式计算环境中
医疗保险制度改革是一项复杂的系统工程,政策性强、涉及人员范围广,在各项保险改革中最为复杂。目前在医疗保险制度实施的过程中存在一些问题,其中医疗保险费用支出增长过快的问