基于學(xué)習(xí)者特征提取的智能授導(dǎo)系統(tǒng)研究.pdf

1、智能授導(dǎo)系統(tǒng)模擬教師行為，指導(dǎo)網(wǎng)絡(luò)上的學(xué)習(xí)者進(jìn)行針對(duì)性的一對(duì)一學(xué)習(xí)，學(xué)習(xí)者模型是智能授導(dǎo)系統(tǒng)的核心，取得學(xué)習(xí)者個(gè)性化行為特征是提高智能授導(dǎo)系統(tǒng)實(shí)用性的關(guān)鍵。運(yùn)用關(guān)聯(lián)規(guī)則挖掘算法，能有效地提取到學(xué)習(xí)者的行為特征，從而提高智能授導(dǎo)系統(tǒng)自動(dòng)推薦的針對(duì)性。
　　 本文在深入分析傳統(tǒng)網(wǎng)絡(luò)學(xué)習(xí)者模型的基礎(chǔ)上，構(gòu)建了智能授導(dǎo)系統(tǒng)的學(xué)習(xí)者特征模型，采用數(shù)據(jù)挖掘技術(shù)的關(guān)聯(lián)規(guī)則算法來挖掘來學(xué)習(xí)者的個(gè)性化行為特征。針對(duì)經(jīng)典關(guān)聯(lián)規(guī)則算法Apriori算

2、法每次產(chǎn)生頻繁集時(shí)都要掃描數(shù)據(jù)庫，在大型事務(wù)數(shù)據(jù)庫的應(yīng)用上會(huì)降低效率的缺陷提出了相應(yīng)的Flag_Apriori算法，該算法在事務(wù)數(shù)據(jù)庫中以標(biāo)識(shí)位flag區(qū)分與頻繁項(xiàng)集產(chǎn)生無關(guān)的事務(wù)記錄，在掃描時(shí)忽略掉這些事務(wù)記錄以提高頻繁集的挖掘效率。在SQLServer數(shù)據(jù)庫上的測(cè)試實(shí)例表明該算法比Apriori算法執(zhí)行效率要高，這樣在挖掘大規(guī)模學(xué)習(xí)者的特征數(shù)據(jù)進(jìn)行分析的時(shí)候速度會(huì)比較快。
　　 在上述研究的基礎(chǔ)上設(shè)計(jì)了一個(gè)局域網(wǎng)內(nèi)的智能授導(dǎo)