北科大硕士论文答辩.ppt

Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,湖南师范大学硕士毕业论文,*,Click to edit Master title style,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,本文的基本框架,基于,CBR,的,Bayesian,在,ITS,中的应用研究,4,研究背景与意义,1,Bayesian,网知识推理的基础理论,2,ITS,学习推荐中的,Bayesian,网知识推理,3,基于,CBR,的,Bayesian,推理的具体实现和分析,5,3,湖南师范大学硕士毕业论文,总体架构,系统结构设计,4,湖南师范大学硕士毕业论文,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。,5,湖南师范大学硕士毕业论文,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。,6,湖南师范大学硕士毕业论文,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。,7,湖南师范大学硕士毕业论文,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,),。,8,湖南师范大学硕士毕业论文,知识推理模型,知识推理模型,9,湖南师范大学硕士毕业论文,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,。,10,湖南师范大学硕士毕业论文,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，在学习资源术语子网中，找出与,THj,连接的所有学习资源术语子节点，分别为：,TR1,，,TR2,TRk,（,k,表示有,k,个学习资源术语与,THj,相连），且计算学习资源术语,TRk,与学生特征术语,THj,之间的相似度,Vkj,；,11,湖南师范大学硕士毕业论文,Bayesian,推理算法,3,、重复,2,，直到,TH1,，,TH2,THj,全部运算完毕。,4,、对于上述,2,中的每一个,TMk,，在教学方法子网中，找出与,TMk,连接的所有教学方法子节点，分别为：,M1,，,M2Mm,（,m,表示有,m,个教学方法与,TMk,相连），依据,TD-IDF,方法计算教学方法节点,Mm,与教学方法术语节点,TMk,的权重,Amk,；同时，在学习资源子网中，找出与,TRk,连接的所有学习资源子节点，分别为：,R1,，,R2,Rm,（,m,表示有,m,个学习资源与,TMk,相连），依据,TD-IDF,方法计算学习资源节点,Rm,与学习资源术语节点,TRk,的权重,Wmk,；,12,湖南师范大学硕士毕业论文,Bayesian,推理算法,5,、重复,4,，直到,TM1,，,TM2,TMk,和,TR1,，,TR2,TRk,全部运算完毕。,6,对于上述,4,中的每一个教学方法,Mm,，在教学方法术语子网中，找出与,Mm,连接的所有教学方法术语父节点，分别为：,TM1,，,TM2,TMn,，依据以上,1,、,2,、,3,中计算的,WHj,，,Bkj,，,Ank,，根据公式依次算出；同时，在学习资源术语子网中，找出与,Rm,连接的所有学习资源术语父节点，分别为：,TR1,，,TR2,TRn,，依据以上,1,、,2,、,3,中计算的,WHj,，,Vkj,，,Wnk,，根据公式依次算出 ，和 。,13,湖南师范大学硕士毕业论文,Bayesian,推理算法,7,、重复,6,，直到,M1,，,M2Mm,全部运算完毕，结合用户对于节点的影响，在m,个教学方法中找出 后验概率最大的一个或多个，将其教学方法推荐给学生,Ui,；同时，在,m,个学习资源中找出 后验概率最大的一个或多个，将其学习资源推荐给学生,Ui,（或用户组）。,8,、重复,1,，直到,U1,，,U2Un,全部运算完毕，即给每一个学生（或用户组）都推荐最好的学习方法和学习资源。,14,湖南师范大学硕士毕业论文,推荐方法,推荐方法,推荐标准,基于关键字的精确匹配,考虑学习资源库和学习方法库中是否有学生特征术语的精确匹配，推荐最匹配的,2,种学习资源和学习方法给学生。,基于关键字及学生特征权重的精确匹配,考虑学习资源库和学习方法库中是否有学生特征术语的精确匹配，并根据学生学习特征的权重对节目进行加权计算，推荐最匹配的,2,种学习资源和学习方法给学生。,基于,Bayesian,推理网的学习推荐算法,使用,Bayesian,网计算学习资源和学习方法的后验概率，推荐后验概率最高的,2,种学习资源和学习方法给学生。,15,湖南师范大学硕士毕业论文,结果比较,基于关键字的精确匹配,基于关键字及学生特征权重的精确匹配,基于,Bayesian,推理网的学习推荐算法,查准率,查全率,查准率,查全率,查准率,查全率,1,个用户,71.23,61.57,78.63,68.45,91.56,89.54,5,个用户,64.54,62.31,78.52,63.36,87.58,82.348,个用户,58.27,58.69,71.05,55.01,85.25,83.54,16,湖南师范大学硕士毕业论文,基于,CBR,的,Bayesian,在,ITS,中的应用研究,案例推理工作流程,17,湖南师范大学硕士毕业论文,基于案例的,Bayesian,知识推理模型,基于案例的,Bayesian,知识推理模型,18,湖南师范大学硕士毕业论文,基于用户的协作过滤技术,基于用户的协作过滤技术分两步：,（,1,）发现与目标用户评分最相近的若干邻居。,（,2,）预测目标案例与案例库中邻居案例的相似度，并通过目标学生对邻居案例预测打分，将预测评分最高的若干项目形成初步供选择的候选案例。预测方法如下19,湖南师范大学硕士毕业论文,算 法,输入：,用户的基本信息、案例库中的信息和评价结果。,输出：,用户的,top-N,学习资源和教学方法推荐集。,过程：,Step1,：让用户从案例库中随机选取,N,种（根据案例空间的大小确定,N,的值）学习资源及学习方法，并对其打分，打分项目集记作。,Step2,：对于项目，以及案例集中的用户及打分项目集利用公式（,4-1,）计算相似度。,20,湖南师范大学硕士毕业论文,算 法,Step3,：从集合中选取相似度最大的,M,（,M,一般取,10,）个，同时给这些被选取出来的项目集频率增加一次。再利用公式（,4-2,）计算，选取用户打分最高的,5,个案例作为初步候选案例集,Candidate,；,(,实践证明选取,5,个案例较好,),，因为基于,CBR,的推荐算法要达到,2,个目标：,1.,检索出来的案例尽可能少；,2.,尽量与目标案例相关或相似。,21,湖南师范大学硕士毕业论文,算 法,Step4,：利用,Bayesian,知识推理算法检索出最适合的学习方法和学习资源。,Step5,：让用户对于这些推荐项目集进行最终评分，同时将其与,Step4,推荐的项目加入到案例库中。对于案例库中频率较低的剔除，以保证,CBR,增长不至于太快。对于那些案例库中以前不存在的案例要新增进去。,22,湖南师范大学硕士毕业论文,学生信息录入界面,学生基本信息录入,23,湖南师范大学硕士毕业论文,匹配结果,学生间相似度匹配结果,24,湖南师范大学硕士毕业论文,推荐方法,推荐标准,基于关键字及学生特征权重的精确匹配,考虑学习资源库和学习方法库中是否有学生特征术语的精确匹配，并根据学生学习特征的权重对节目进行加权计算，推荐最匹配的,2,种学习资源和学习方法给学生。,基于,Bayesian,推理网,使用,Bayesian,网计算学习资源和学习方法间的后验概率，推荐后验概率最高的,2,种学习资源和学习方法给学生。,基于,CBR,的,Bayesian,推理网,使用,CBR,求出初步候选案例集,Candidate,，然后再利用,Bayesian,网计算学习资源和学习方法的后验概率，推荐后验概率最高的几种学习资源和学习方法给学生。,推荐方法,推荐方法比较,25,湖南师范大学硕士毕业论文,基于关键字及学生特征权重的精确匹配,基于,Bayesian,推理网,基于,CBR,的,Bayesian,推理网,查准率,查全率,查准率,查全率,查准率,查全率,1,个用户,78.63,68.45,91.56,89.54,92.16,90.13,5,个用户,78.52,63.36,87.58,82.34,88.45,83.28,8,个用户,71.05,55.01,85.25,83.54,85.37,83.56,推荐结果,推荐结果,26,湖南师范大学硕士毕业论文,基于,CBR,的Bayesian,推理过程,案例描述,提取转换,存储到数据仓库,依据,CBR,推理选择出初步供选择案例,利用,Bayesian,推理网从候选案例库中选择,进行学习评价,反馈给教师进行教学评价,重新存储到案例特征库,27,湖南师范大学硕士毕业论文,基于,CBR,的,Bayesian,推理模块,基于,CBR,的,Bayesian,推理系统共分为三个模块：,信息管理：,负责记录学生信息、学习资源、教学方法。,信息转换：,把输入的信息转换成标准的存储格式，以便,Bayesian,推理对输入的信息进行计算。,Bayesian,推理：,该系统核心部分。,28,湖南师范大学硕士毕业论文,基于,CBR,的,Bayesian,推理的具体实现和分析,本文的主要研究成果有：,1,、对,ITS,系统中的,知识推理模块,进行了具体、详尽的细化，整个推理过程十分清晰；,2,、使用,Bayesian,推理网和,Bayesian,定理、,Corpus,相似度、倒文档频率，,将,ITS,学习推荐中的详细过程和详细算法及步骤得以用公式刻画，用算法实现；,29,湖南师范大学硕士毕业论文,基于,CBR,的,Bayesian,推理的具体实现和分析,3,、提出了基于,CBR,的,Bayesian,推理,，利用,CBR,技术、余弦预测方法等初步挑选出候选案例集，,缩小了搜索空间,，极大地,降低了时间复杂度,。接下来利用,Bayesian,推理方法从缩小的候选案例集中计算出最佳学习资源和教学方法，最终把这些案例进行更新；,4,、利用,Java,编程技术、,MySQL,进行算法实现，设计出了一个,简单的推荐界面,。,30,湖南师范大学硕士毕业论文,基于,CBR,的,Bayesian,推理的具体实现和分析,下一步的工作：,1,、对贝叶斯知识推理和分类技术与其他的推理方法及分类技术进行比较研究；,2,、以贝叶斯网为模型，设计和实现一个个性化的智能学习推荐系统,PISR,系统（,Personalized Intelligent Study Recommendation System,）。,31,湖南师范大学硕士毕业论文,基于,CBR,的,Bayesian,推理的具体实现和分析,3,、对于基于,CBR,的,Bayesian,推理这一部分，还有许多细节需要考虑，比如案例库的维护标准还需要深入地探讨，影响学生进行学习选择的其它因素还没有考虑，基于,CBR,的推理还有待于更好地与,Bayesian,推理网结合。,32,湖南师范大学硕士毕业论文,Thank You!,