基于学习对象的内容包装交换模型构建研究

随着现代教育技术的迅猛发展和构建学习型社会需求的不断提高,远程教育为学习者构建了一个适合接受终身教育的学习环境。但是,当前网络学习资源的共享性、可重用性,以及对自适应学习的支持上还尚存众多的问题,这已严重地制约了网络教育快速发展。基于此,该文采用SCORM标准,以学习对象为学习内容组织单位,将学习资源划分为数字资源对象、可共享内容对象和应用数字对象三种组件,对学习资源模型进行封装,为其构建元数据文件、内容清单文件和包交换文件,实现学习内容在不同网络教学系统间的共享和重用,以及可以根据学习者特征、学习需求与学习目的对学习内容和学习路径进行动态调整,从而实现网络自适应学习,提高远程教育的服务质量和学习者的满意度。     

基于学习对象的网络学习内容组织方法

本文在研究学习对象和学习对象元数据及参考IMS学习资源元数据标准和内容包装规范的基础上,提出了一种基于学习对象的网络学习内容组织方案,该方案利用元数据模型描述学习对象的"模式"信息,以支持对网络学习内容的访问和搜索;提出了一个学习对象包装模型对网络学习内容进行组织和包装,以支持对网络学习内容的重用和交换。     

基于多示例学习的对象图像推荐算法

用户评分矩阵稀疏问题影响协同过滤的推荐性能。为此,提出一种基于多示例学习的对象图像推荐算法。将分割区域的视觉特征作为图像中的示例,利用多样性密度函数求得最大多样性密度点,使用正负图像内容评价不同用户间的相似性,将其与传统余弦相似性进行组合,从而实现推荐。实验结果表明,该算法提高了推荐性能。     

基于多重因素的个性化学习推荐系统

为解决现有学习推荐算法中存在的忽略对学生知识点掌握情况的分析、不能将知识掌握程度概率化等问题,提出一种基于多重因素的学习推荐方法。该方法综合考虑知识点的综合权重、错误率和失分率多个因素构建知识点掌握概率模型,并应用所提出的策略实现一个在线的个性化学习推荐系统。系统评估上对200名高中生进行了一项调查,本系统推荐top-8知识点的准确率达到91.2％,◢F◣▼1▽达到78.4％。系统调查的结果显示了提出策略的有效性和可靠性。     

基于学习对象的数字化学习资源库的开发

学习对象已成为国际上流行的学习资源组织形式。使用元数据描述的数字化学习资源可方便实现管理和复用,提高资源管理的效率。本研究重点讨论学习对象的概念及其显著特征,以及设计策略,如聚合度和组合问题,最后探讨资源库开发过程中涉及到的几个问题,如技术上的具体实现方式,并给出层次结构模型。     

基于学习对象的数字化学习资源库的开发

学习对象已成为国际上流行的学习资源组织形式。使用元数据描述的数字化学习资源可方便实现管理和复用,提高资源管理的效率。本研究重点讨论学习对象的概念及其显著特征,以及设计策略,如聚合度和组合问题,最后探讨资源库开发过程中涉及到的几个问题,如技术上的具体实现方式,并给出层次结构模型。     

超级分布学习对象的研究

文章把学习对象(Learning Object,LO)与分布式计算中的超级分布对象(Super Distributed Object,SDO)结合起来,通过一定的技术扩充LO使之具有SDO的一些性质和功能,从而建立一种新的对象模型-超级分布学习对象(SuperDistributed Learning Object,SDLO)。SDLO可以为学生提供多种学习服务(Learning Service),它可以实现学习资源和学习服务的非集中式处理。该文介绍了SDLO的定义、内部结构、性质、功能和实现思想,最后对利用SDLO初步实现分布式远程教学进行了实验,目的在于促进分布式学习的研究。     

基于扩展电子学习对象结构的学习资源管理系统框架

提出了一个基于扩展电子学习对象结构的学习资源管理系统框架。该框架利用本体对特定领域进行建模,同时对电子学习对象的结构进行了扩展,使不同的学习对象之间能够进行比较与组装,提高了资源的复用性以及管理效率。     

超媒本文档系统中对象及类的确定与封装

随着近年来面向对象技术的兴起，面向对象方法和方法学日渐显示其强大的生命力。由于多媒全数据本身的特点，更适合用面向对象的方法来描述和处理。     

一个基于Web的自适应学习系统

本文描述了基于Web的自适应学习环境。本学习环境中一方面学习者可以利用定向导航进行事先确定的分级、有次序的学习内容学习；另一方面，不同的学习者有不同的特点。也可进行自由学习。     

基于服务QoS执行信息的Web服务推荐研究

基于服务的非功能（QoS）特性进行服务发现是面向服务计算领域的一个研究热点。为了克服服务QoS难以获取且动态变化的特点,提出一种基于已往QoS执行信息的Web服务推荐方法。首先给出一种可以方便记录QoS执行信息的系统框架;然后描述了基于时间加权的服务推荐的匹配算法;实验结果表明该推荐方法是可行和有效的。     

基于QoS预测与约束层次模型的云服务推荐方法研究

如何精确地预测云服务的QoS,灵活地处理用户的QoS约束是实现可靠云服务推荐的关键问题。针对上述问题,提出了一种基于事例推理的云服务QoS动态预测方法,用于预测候选云服务的QoS值,提高云服务质量的可靠性;提出了一种基于约束层次（Constraint Hierarchy,CH）的QoS评价模型,该模型依据QoS约束对用户业务的重要程度,将其分为必须满足的硬约束层和允许被偏离的软约束层,该模型能够有效地解决过约束问题。通过实验验证了提出的云服务推荐方法的可行性和有效性。     

基于QoS感知的Web服务推荐算法

为了改进Web服务推荐的准确性,通过分析现有Web服务推荐算法的面临的主要问题,提出了一种基于地域划分的Web服务推荐方法。该算法对Web服务进行区域划分,并对区域内Web服务进行分类,根据用户区域位置,计算消费者之间及服务之间的相似程度,并以此相似度为基础对使用者并未调用过的服务的质量进行预测。基于大量真实数据的实验显示,该算法在推荐准确性方面优于现有的基于协同过滤的Web服务推荐算法。     

基于粒子群优化算法的学习资源推荐方法

针对学习者的能力、学习目标、学习时间的个别差异,提出以粒子群优化（PSO）算法为基础的学习资源推荐方法,提供每位学习者个性化的数字课程。综合概念图和知识结构相关理论构建知识点网络结构图,运用项目反应理论（IRT）分析不同学习者的学习目标和能力程度,再应用PSO算法从多样性的学习资源中挑选学习内容,形成个性化的课程推荐给学生。初始化粒子时考虑学习者的学习时间上下限,过滤掉一些不必要的粒子来提高算法效率,在确定最优解位置时,使用Sigmoid函数修正粒子更新速度,保证其在有效范围内。实验结果表明,随着迭代次数增加,所推荐的内容与学习者预定目标差异为0,挑选出的课程与学习者能力差异为0.6,整体差异为0.25,说明所使用的方法具有较好的收敛性,推荐的学习资源能够满足学习者要求。     

基于隐式评分和相似度传递的学习资源推荐

协同过滤推荐算法存在数据稀疏的问题。这使得学习平台中,由于用户学习行为记录的稀疏而无法满足用户的学习需求。为此,本文提出了一种基于隐式评分和相似度传递的学习资源推荐算法。首先,收集用户的学习行为;其次,改进传统的相似度计算方法,并在此基础上引入相似度传递策略;最终应用并实现E-earning平台中学习资源的推荐。实验表明,该算法能够在一定程度上解决相似度计算不准确以及数据稀疏问题,从而提高学习资源的推荐质量。     

QoS customization in distributed object systems

Applications built on networked collections of computers are increasingly using distributed object platforms such as CORBA,Java Remote Method Invocation (RMI), and DCOM to standardize object interactions. With this increased use comes the increased need for enhanced quality of service (QoS) attributes related to fault tolerance, security, and timeliness. This paper describes an architecture called CQoS (configurable QoS) for implementing such enhancements in a transparent, highly customizable, and portable manner. CQoS consists of two parts: application‐ and platform‐dependent interceptors and generic QoS components. The generic QoS components are implemented using Cactus, a system for building highly configurable protocols and services in distributed systems. The CQoS architecture and the interfaces between the different components are described, together with implementations of QoS attributes using Cactus and interceptors for CORBA and Java RMI. Experimental results are given for a test application executing on a Linux cluster using Cactus/J, the Java implementation of Cactus. Compared with other approaches, CQoS emphasizes portability across different distributed object platforms, while the use of Cactus allows custom combinations of fault‐tolerance, security, and timeliness attributes to be realized on a per‐object basis in a straightforward way. Copyright © 2003 John Wiley & Sons, Ltd.     

A graph-based QoS prediction approach for web service recommendation

Applied Intelligence - With the development of the Internet, the recommendation based on Quality of Service(QoS) is proven to be an efficient way to deal with the ever-increasing web services in...     

Context-aware QoS prediction for web service recommendation and selection

QoS prediction is one of the key problems in Web service recommendation and selection. The context information is a dominant factor affecting QoS, but is ignored by most of existing works. In this paper, we employ the context information, from both the user side and service side, to achieve superior QoS prediction accuracy. We propose two novel prediction models, which are capable of using the context information of users and services respectively. In the user side, we use the geographical information as the user context, and identify similar neighbors for each user based on the similarity of their context. We study the mapping relationship between the similarity value and the geographical distance. In the service side, we use the affiliation information as the service context, including the company affiliation and country affiliation. In the two models, the prediction value is learned by the QoS records of a user (or a service) and the neighbors. Also, we propose an ensemble model to combine the results of the two models. We conduct comprehensive experiments in two real-world datasets, and the experimental results demonstrate the effectiveness of our models.     

基于可用性的QoS选路研究*

基于可用性的QoS选路(availability-based-QoS routing,AQR)是个复杂的问题。将AQR分为两类,第一类AQR只需要搜索从源点到终点满足QoS约束条件的工作路径;第二类AQR问题除了搜索工作路径,还需要搜索这个工作路径的备份路径。已有文献对第一类AQR问题研究比较多;对于多约束的第二类AQR问题,则研究得比较少。指出了第二类问题虽然比较复杂,但可以借助于第一类问题的算法经过一些策略而得到解决;该思路可以有效利用已有文献提出的关于第一类AQR的现成算法,从而解决第二类AQR问题     

基于MPLS的QoS技术

MPLS是一种正在发展的工业标准，它是标志交换的基础。MPLS将第二层的高速交换能力和第三层的灵活性结合起来，使IP网络具有高速交换、流量控制、QoS等性能。本文分析了MPLS的工作原理，研究了基于MPLS的QoS关键技术，并展望了MPLS QoS的发展前景.