基于Web挖掘的个性化算法及其在网络教学平台的应用 个性化推荐算法
时间：2019-02-03 05:43:24 来源：千叶帆 本文已影响人
摘 要:通过对Web数据挖掘研究,设计出Web访问事务模型和个性化推荐算法,向用户推荐个性化的Web资源。将该模型和算法应用于网络教学实践,得出了个性化的网络教学环境,其在网络教学平台的应用将极大的满足学习者的需求。
关键词:Web挖掘;个性化推荐;关联规则;网络教学
近年来网络教育发展迅速,通过庞杂的巨大网络搜寻有效信息并对所需信息的深层分析这种技术要求使得Web挖掘技术的成为必要。利用Web数据挖掘,将信息通过筛选、整合、优化,抽取学习者感兴趣的潜在的有用模式和隐含信息,利用个性化推荐算法在网络教学平台应用,为网络教学提供个性化服务。
一、关于Web的数据挖掘
Web挖掘是指从相关的资源和浏览行为中,通过定性归纳、分类学习、关联规则挖掘、聚类分析等数据挖掘算法,抽取用户感兴趣的、有用的模式等隐含的信息。Web数据包括:网页本身的内容;网页内部结构;包括HTML或者XML代码;网页之间的链接结构;描述网页如何被访问的使用数据。根据挖掘对象的不同,也可以将挖掘分为Web的内容挖掘、结构挖掘、访问模式挖掘三大类。
二、基于Web使用的个性化系统
个性化系统包括三个步骤:数据预处理,模式发现,内容推荐。数据预处理是从Web访问日志中提取符合挖掘要求的数据格式;模式发现是从学习者访问事务中利用关联规则挖掘所有的频繁项集,最后利用个性化推荐算法从频繁项集里向访问者推荐个性化内容。因此,个性化服务的首要任务是数据预处理即建立Web访问的事务模型。
个性化推荐算法根据用户当前的浏览序列,所推荐内容页面的集合。该算法概括为从根节点广度遍历频繁项集树,将用户的浏览序列与已产生的频繁项集比较,找到相同的内容后,遍历该频繁项集的所有邻接点,用这些邻接点和匹配到的频繁项集产生不同的关联规则,最后考察所有关联规则,选出满足最小支持度阈值和最小置信度阈值的关联规则,这些关联规则的后件就是足够置信和支持的页面。
三、Web挖掘在网络教育中应用的必要性
Web挖掘的个性化算法为学习者提供了所需要的个性化服务,有效的利用网络资源的动态更新来实现学习的目的,因此教育的主、客体对Web挖掘工具的使用都是十分必要的。
1、网络教育打破了时间、地域的限制及受教主体的约束。提供了大容量的各种信息,使教育主体充分发挥个性,寻找自己所需,这种自由空间选择性的提高使得Web挖掘工具成为必要。Web挖掘能够有效将资源通过,通过网络数据库寻找课程和信息,使网络教育满足各类人群所需。
2、现行的网络教育以远程教学系统为主以Web为依托,其网站的数据不同于结构化的传统数据,需要新的挖掘技术来进行信息的筛选处理。将大量的信息经过分析、归类、汇总到资源库中,将静态的教学体系动态化,不断完善、更新要求,使web挖掘技术为网络教育提供全方位技术支持。
四、Web挖掘在网络教育中的应用
Web挖掘在网络教育中的应用主要以Web内容挖掘、Web结构挖掘、Web使用挖掘体现出来的,具体为:
1、Web内容挖掘在网络教育的应用
Web内容挖掘实际是是一种指定文本的挖掘。教育资源已经整合为一个平台,通过Web内容挖掘技术从这个平台里获得指定资源,满足学习的需要。教受双方也可以自由选择,管理者利用挖掘中关联规则技术在已建立数据库中进行关联查询,找到相关的记录提交给双方,做好双向选择。
2、Web结构挖掘在网络教育中的应用
Web结构挖掘可以看作建立一个指定模型,用来提供对网页分类或者为网页建立相似性度量的参考值。利用Web结构挖掘的相关技术,来筛选所要搜索的网络教育权威网站和中心网页,通过建立的模型结构快速有效的甄别对象。
3、Web使用挖掘在网络教育中的应用
Web使用挖掘在远程教育中的应用是通过分析用户访问过的网页序列总结用户信息,帮助每个用户实现个性需求,并评估网页的质量。在提供当前所需基础上还将预测学习者下一步操作,将可能行最大的超链接下载到本地缓存中,以最大化的满足个性化需求。这些功能都需要Web挖掘技术来实现。
五、结语
基于Web挖掘的个性化算法应用于网络教学,运用Web数据挖掘技术营造出个性化网络教学环境,将静态的教学模式不断推向动态,在动态中不断的更新、整合、优化,以满足网络教育的各种需求。Web挖掘技术与方法的创新将会不断推动着网络教育领域的发展,打造出实用性与时效性最强劲的网络教育平台。■
参考文献
[1]刘同明等.数据挖掘技术及其应用[M].北京:国防工业出版社,2001
[2]陈登科,胡翠华.数据挖掘技术在远程教育中的应用[J].情报科学,2003(04)
[3]王春艳.浅谈数据挖掘与教育资源库的整合[J].教育信息化,2006(09)
[4]丁琳,吴长永.数据在远程教育个性化服务中的应用[J].电化教育研究,2002(09)
