论文部分内容阅读
Internet技术的迅速发展,使得网络逐渐成为人们获取知识的主要途径之一。近年来,E-learning的研究和应用飞速发展,为用户提供了前所未有的丰富的学习资源和灵活的学习方式。但由于种种原因,目前绝大多数E-learning系统仍以平台为中心,仅仅将资源放在网上,使得学习者需要花大量的时间和精力去寻找感兴趣的资源。学习者希望系统能够根据他们特性的不同提供个性化服务。因此,设计并构建个性化的E-learning环境逐渐成为众多研究者关注的热点。在构建个性化服务的技术中,利用Web挖掘和Agent技术是其中的一个研究方向。当前,对E-learning环境中的个性化研究展开了大量的研究工作并取得了一定进展,已出现了实际应用的个性化平台。由于E-learning环境本身的复杂性,合理表示和及时了解学习者的学习需求、兴趣爱好是基本和难以解决的问题,目前广泛采用的表示方法依赖于对资源内容的分析,而这本身就是一个难题。此外,使用高效的挖掘算法也能为推荐结果的有效性提供强有力的保障。本文的研究内容包括:(1)结合E-learning环境的特殊性介绍了个性化服务的研究背景及意义,探讨了个性化服务的必要性,总结出了应用于E-learning环境中的推荐机制;(2)提出了基于时间间隔的用户历史信息划分方法来表示用户的兴趣爱好,并给出了基于该划分方式的用户相似性度量方法;(3)提出了基于蚁群和遗传算法的混合聚类算法,并对算法进行了详细说明和实验验证;(4)构建了基于Web挖掘和Agent技术的个性化学习推荐系统模型。该模型主要分为在线操作层和离线操作层,每一层分别由相应的Agent组成。文章描述了各层主要功能、各Agent的作用和模型的工作流程。文章还对提出的系统模型进行了实验验证,对影响推荐结果的一些因素进行了分析,为系统的实际运用奠定了基础。最后对本文的研究内容进行了总结,并提出了进一步的研究方向。