基于LOM的知识模型与个性化学习控制

在智能教学系统中,知识模型是专家模型的核心,是实现智能教学的一个关键问题。本文讨论知识点及其相互关系的形式表示,提出基于LOM的知识点模型与学习控制策略。知识点被设计、封装为学习对象,提高了学习内容的可重用性、可管理性、可定制性与互操作性。LOM的语义描述能力,使得系统本身具有一定程度的知识理解能力。以知识点LOM模型为结点的知识网络是语义网络,其语义计算能力便于知识的发现与关联。将专家知识网络动态映射为学生知识网络,实现了个性化学习。     

学习对象元数据LOM在教育资源建设中的应用初探

在《教育资源建设技术规范》CELTS-41.1规范下进行教育资源建设,其核心模型是对象元数据LOM,本文从LOM模型结构出发,探讨了LOM模型进行资源建设的步骤方法,为规范地进行教育资源建设提供了参考.     

学习资源的标准化模型研究

针对我国网络教育的特点,为懈决学习资源共享的问题,结合CELTS的学习对象元数据标准(LOM)和内容包装规范标准(CP),设计了学习资源的标准化模型,并对学习资源标准化的接口进行了设计;最后,采用标准化模型实现的学习资源包,并分析了其描述信息.该标准化模型促进网络教育资源标准化,有利于提高我国网络教育信息基础设施的质量,为网络教育教学系统、教育管理系统以及教学支撑工具的实现,提供了必要的信息基础和技术保障.     

自适应网络教学系统中知识表示模型的设计

针对知识库是教学系统的核心,是实现系统智能化的关键。为了提高网络教学系统的决策和诊断能力,满足自适应学习的需要,设计了一个基于层次结构的语义网络和产生式的二级知识表示模型,提出了广度优先的知识点剪枝算法和深度优先的知识点遍历算法,对所学习知识点进行选取及对相应的知识网络遍历,并通过采用知识点学习的智能导航算法仿真学生在系统中自适应学习的全过程。实验结果表明,知识模型的设计有助于实现网络教学资源动态组织和教学策略的动态调整,能够更好地为学生提供个性化的学习参考需要,为系统决策分析提供参考依据。     

知识表示学习方法研究综述

近年来,知识表示学习已经成为知识图谱领域研究的热点。为了及时掌握当前知识表示学习方法的研究现状,通过归纳与整理,将具有代表性的知识表示方法进行了介绍和归类,主要分为传统的知识表示模型、改进的知识表示模型、其他的知识表示模型。对每一种方法解决的问题、算法思想、应用场景、评价指标、优缺点进行了详细归纳与分析。通过研究发现,当前知识表示学习主要面临关系路径建模、准确率、复杂关系处理的挑战。针对这些挑战,展望了采用关系的语义组成来表示路径、采用实体对齐评测指标、在实体空间和关系空间建模,以及利用文本上下文信息以扩展KG的语义结构的解决方案。     

一种基于本体的具有语义搜索功能的E-learning模型

针对符合SCORM规范的教学资源，提出一个具有效语义搜索功能的E-learning模型。通过SCORM本身对LOM学习对象已规定好丰富的Meta-data，并引进本体工程理论（Ontological Engineering），对不同的符合SCORM规范的教学资源（教材）加以分析、对比、归纳、关联、评估、推荐，使得不同的E-leaming中的教材得以串联，以辅助网络学习平台对SCORM教材能进行更精确的分类管理工作。而学习者通过网络学习教材中找到所需要的资料，改善以往查询准确度不够高的问题。     

基于符号语义映射的知识图谱表示学习算法

图的分布式表示对于知识图谱的构建与应用任务至关重要.通过对当前流行的图表示学习模型进行比较,分析了现有模型存在的不合理之处,据此提出了一个基于符号语义映射的神经网络模型用于学习图的分布式表示,基本思想是依据知识图谱中已有的实体关系数据,采用循环神经网络对符号组合(实体-关系组合)进行语义编码,并将其映射到目标符号(实体)上.此外,通过为图中的每个关系类型引入一个逆关系镜像,解决了关系的非对称性问题,使模型能够适应多种不同类型的(同构或异构)网络的关系推理任务.该模型适用于大规模知识图谱的表示学习任务.在公开数据集上的实验结果表明,该模型在知识图谱扩容任务和基于图的多标签分类任务上的性能表现优于相关工作.     

基于描述逻辑的本体导航

计算机支持的协同学习系统经常采用知识导航模块,该模块的核心是本体库。许多本体库采用框架表示法,但框架表示语义不精确。该文提出了本体的描述逻辑表示和框架表示相结合,给出了描述逻辑表示的本体转化为框架本体表示的算法。     

智能学习中的知识表示和知识聚类

e-Learning中的智能化学习一直是诸多网络教育研究人员努力去解决而至今尚未有合适解决方案的一个问题。采用传统的导航方式或搜索引擎方式引导学习过程有着自身固有的缺陷。一种新的引导方式是:基于知识指定的表示和组织方式,以知识项和知识交流域(上下文)的映射来引导学习过程。这种方式以知识项得到领域专家认证为前提,通过关联规则对知识进行有效的聚类,给出一系列相关的知识项(相关案例或有关内容),向学习者提供建议性的学习内容,方便了关联学习。     

知识表示学习研究进展

人们构建的知识库通常被表示为网络形式,节点代表实体,连边代表实体间的关系.在网络表示形式下,人们需要设计专门的图算法存储和利用知识库,存在费时费力的缺点,并受到数据稀疏问题的困扰.最近,以深度学习为代表的表示学习技术受到广泛关注.表示学习旨在将研究对象的语义信息表示为稠密低维实值向量,知识表示学习则面向知识库中的实体和关系进行表示学习.该技术可以在低维空间中高效计算实体和关系的语义联系,有效解决数据稀疏问题,使知识获取、融合和推理的性能得到显著提升.介绍知识表示学习的最新进展,总结该技术面临的主要挑战和可能解决方案,并展望该技术的未来发展方向与前景.     

基于扩展知识结构图的智能教学规划

智能教学规划是智能教学系统的核心组成部分,领域知识模型、教学方法模型以及学习者模型是智能教学系统的三个要素。提出了扩展知识结构图(ExtendedKnowledgeStructureGraph,EKSG)的概念,通过扩展知识结构图将领域知识模型、教学方法模型、学习者模型有机地结合起来。在此基础上,给出了根据扩展知识结构图制定学习者关于学习目标的最优教学规划算法,规划算法由两部分组成:判定算法JUDGE和最优规划生成算法TPLAN,其中JUDGE判断规划问题是否有解,在有解的情况下求出最优解图,TPLAN根据最优解图计算最优规划。证明了算法的正确性,分析了算法的效率。     

An adaptation algorithm for an intelligent natural language tutoring system

The focus of computerised learning has shifted from content delivery towards personalised online learning with Intelligent Tutoring Systems (ITS). Oscar Conversational ITS (CITS) is a sophisticated ITS that uses a natural language interface to enable learners to construct their own knowledge through discussion. Oscar CITS aims to mimic a human tutor by dynamically detecting and adapting to an individual's learning styles whilst directing the conversational tutorial. Oscar CITS is currently live and being successfully used to support learning by university students. The major contribution of this paper is the development of the novel Oscar CITS adaptation algorithm and its application to the Felder–Silverman learning styles model. The generic Oscar CITS adaptation algorithm uniquely combines the strength of an individual's learning style preference with the available adaptive tutoring material for each tutorial question to decide the best fitting adaptation. A case study is described, where Oscar CITS is implemented to deliver an adaptive SQL tutorial. Two experiments are reported which empirically test the Oscar CITS adaptation algorithm with students in a real teaching/learning environment. The results show that learners experiencing a conversational tutorial personalised to their learning styles performed significantly better during the tutorial than those with an unmatched tutorial.     

基于集成学习的规范化LDA人脸识别

针对人脸识别问题中经常面临的“小样本”问题,在规范化的LDA算法的基础上加以改进,并结合集成学习的方法,利用Adaboost算法,在每一次的迭代过程中引进一个加权函数对难以分离的样本增加权重。增加分类器之间的差异度,从而提高样本在新的特征空间中的可分离性,将识别率提高至98.5%。通过ORL数据库的大量实验表明,该算法比传统算法有更好的性能。     

非平衡数据集分类研究

现实世界中存在着非平衡数据集,即数据集中的一类样本数量远大于另一类。而少数类样本的识别通常是人们首要关心的,将少数类样本误分为多数类要比将多数类样本误分为少数类付出更高的代价。传统的机器学习算法可能会产生偏向多数类的结果,因而对于少数类而言,预测的效果会很差。在对目前国内外非平衡数据集研究现状深入分析的基础上,针对非平衡数据集数据复杂度研究和失衡解决方法研究两个方向相对孤立及缺乏系统性的缺陷,提出了一种非平衡数据集整体解决框架,以满足日益迫切的应用需求。     

以“的”字结构为核心的最长名词短语识别研究

以“的”字结构为核心的最长名词短语是汉语最长名词短语的一个特殊子类。以该短语的自动识别为基础重新分化了汉语MNP的识别任务。在考察其结构和分布特征的基础上,提出“先识别右边界,识别成果参与左边界识别”的策略,并使用边界分布概率模型分治了左右边界。实验基于85万字的新闻语料上进行训练,并在42万字的同质语料上进行了开放测试,取得了80.63%的正确率和75.68%的召回率。     

信息安全管理测量的集成综合评价方法

把系统评价方法应用到信息安全管理测量的领域,依据ISO/IEC27004《信息安全管理测量》标准,为信息安全管理体系的测量提出一种层次分析法与多级模糊综合评价的集成模型。实例应用表明,该方法能把专家的主观定性判断转化为客观性较好的定量评价结果。在目前ISO/IEC27004尚未提供可操作性强的测量方法的状况下,不失为一种有效的综合评价方法。     

FKA算法迭代收敛性分析

《核选择和非线性特征提取的双线性分析》一文提出了一种新颖的核Fisher准则FKC, 并用迭代分析算法FKA求得最优解,但其迭代收敛性缺乏理论上的证明。从理论上对FKA算法的迭代收敛性进行了分析和探讨,并运用Radermacher复杂性分析法进行证明。     

基于数据中心平台的数据整合研究

针对目前高校数字化校园出现的＂信息孤岛＂问题,提出了一种基于数据中心平台的数据整合的方案,建立了数据中心平台,实现了统一身份认证。通过使用共享数据库,保证全局数据的共享,实现了对异构数据库的查询和联合使用;通过采用基于ICE（Ineternet Communication Engine）认证接口的统一身份认证,为用户提供数字校园的单一入口,实现用户的单点登录。     

基于混沌粒子群算法和Hopfield网络求解TSP问题

针对Hopfield网络求解TSP问题经常出现局部最优解,该文将混沌粒子群算法（PSO）与之结合,提出一种基于混沌粒子群的Hopfield神经网络方法。通过实验将其与文献[5,8]以及“PSO＋HNN”策略比较,验证了该文算法不仅能够以更大概率收敛到全局最优,而且耗时更少。     

中国科学院网站群建设的系统工程方法

中国科学院"十一五"信息化专项项目之一"中科院网络化信息发布平台建设"即中国科学院网站群建设是一项庞大的系统工程,目标是建成以中国科学院门户网站为主站,院属各单位网站为子站的中国科学院网站群体系。介绍了中国科学院网站群建设的目标与任务、站群架构、子站建设方式与实施流程、项目管理与进程控制等,对政府部门或事业单位的网站群建设有参考意义性。