[發明專利]一種基于知識庫的電子化學習方法

在審

• 申請號: 201210475561.8
• 申請日: 2012-11-21
• 公開（公告）號: CN103838733A
• 公開（公告）日: 2014-06-04
• 發明（設計）人: 梅昱婷;李明斐
• 申請（專利權）人: 大連靈動科技發展有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 曲永祚

1.一種基于知識庫的電子化學習方法，其特征在于：包括以下步驟：

A、使用樹狀信息的結構表示法表示個性化服務問題

A1、將個性化服務問題分成基本要素、基本信息和子信息三個層次，每個基本要素包括若干個基本信息，每個基本信息包括若干個子信息；所述的基本要素包括服務內容要素、服務對象要素和其他要素共三個基本要素；

所述的服務內容要素包括網站中產品的基本信息，所述的服務對象要素包括服務對象的個人的基本信息，所述的其他要素是除服務內容要素和服務對象要素以外的其他基本信息；

所述的網站中產品的基本信息是電子商務網站中的商品信息或新聞門戶網站中的新聞信息；所述的商品信息包括商品品牌、商品類別和商品產地信息單元；所述的新聞信息包括新聞類別、新聞關鍵字、新聞發布時間；所述的個人的基本信息包括性別、年齡、學歷和收入；所述的其他基本信息包括季節和上線時間；

A2、使用樹狀信息的結構表示法來描述具有層次化結構特征的實際個性化服務問題，把個性化服務問題的基本要素、基本信息和子信息分別描述為樹的信息側面、信息單元和子句；子句是樹的葉子節點，是基本單元，包含個性化服務問題的數據信息，而除了葉子節點以外的節點則是個性化服務問題的結構信息；

A3、將服務內容和服務對象的數據保存在數據庫中，使樹的結構與該數據庫的表結構一致，即：服務對象信息側面對應數據庫中的服務對象表或視圖，該側面中的每個信息單元與服務對象表或視圖中的列名相對應，而子句的數據信息對應列中的記錄值；同樣，服務內容信息側面的信息單元和子句分別也對應著相應表或視圖中的列名和具體值；其他信息側面可以不與數據庫中信息對應；

B、結構化問題的邏輯化表示

將電子化學習問題使用樹狀信息結構表示法表示后，則電子化學習問題就可以用一組規則和事實進行邏輯化表示；

B1、將學生資源側面的事實表示為：

student(“信息單元名”，“子句”，“學生”).

B2、將學習資源信息側面的事實表示為：

know（“信息單元名”，“子句”，“學生”），在學習資源側面中，學習對象元模型有著樹狀層次結構；其最上層是一個根節點，根節點包含很多子元素；子元素還可以包含子元素；除根節點以外包含子元素的元素稱為中間節點，或集合數據元素，不包含子元素的元素稱為葉節點或簡單數據元素；

B3、由于其他信息側面和子句中的信息各種各樣，因此對它的描述內容要視具體情況而定，將其他信息側面描述為：

study（“信息單元名”，“子句”，“學生”）

B4、將學生對象的行為都使用上述三種事實的組合來描述：

(∩i=0nstudent(ai,bi,X))∩(∩j=0mknow(cj,dj,X))]]>

其中X代表學生對象變量，

n表示其他信息側面描述的總數，a和b分別表示該信息側面描述的具體的信息單元名和子句，i則表示多個信息側面描述中的第i個描述；

m表示學生對象信息側面描述的總數，c和d分別表示該信息側面描述的具體的信息單元名和子句，j則表示多個信息側面描述中的第j個描述；

B5、一個推薦規則的知識本質上是IF-THEN語句，具有以下形式：

if(<前提1><前提2>…<前提n>)then(<結論1><結論2>…<結論n>)

使用規則是要推知學生對象可能還需要學習什么知識，所以將學生對象可能發生的服務內容表示為

study（“信息單元名”，“子句”，“服務對象”）

顯然，將要發生的學習內容始終是規則的結論部分；而學生對象信息、已經掌握的知識信息以及其他客觀信息構成了規則的條件部分；因此，個性化服務問題的表達式為：

(∩i=0nstudent(ai,bi,X))∩(∩j=0mknow(cj,dj,X))→study(y,z,X)]]>

當想要了解學生對象a可能需要學習的知識時，只要詢問“study(Y，Z,a)”，即可遍歷得到所有可能的結果，式中Y和Z為變量；

C、知識學習問題的有序求解

基于規則的推薦可以滿足學生對象的個性化偏好，還能預測學生對象的行為；但是規則本身沒有先后次序，而對學生對象的服務內容是有嚴格次序的；因此，我們在服務內容信息側面的事實描述中再加入一個學習順序的參數，用來描述服務對象第n輪的學習內容：

know（“信息單元名”，“子句”，“服務對象”，n）.

用

done（“信息單元名”，“子句”，“服務對象”，n）

描述學生對象完成第n輪的學習知識后，可能需要學習的內容；而個性化推薦問題的表達式修改為：

(∩i=0nstudent(ai,bi,X))∩(∩k=0ldone(ek,fk,X,nk))∩(Nismax(n0...nl)).→]]>study(y,z,X,N)]]>

N的值表示該解是在服務對象完成第n輪的服務內容后得到的；顯然，越靠近當前紀錄相關的推理結果N值越大，當N與學生學習知識次數相同時，則該解就是學生對象下一步最可能想要的學習內容；當所有解的N都小于當前輪次數時，則表示沒有與當前相關聯的規則；這樣從N的大小就可以判斷學生對象最想要的學習內容。