第1期 罗奇，等：自适应过滤算法在社区E-learning的个性化服务系统中的研究 ·93· 1.2.2阈值自适应调整 由于教学资源文本流中相关文本的比例是很低 用户界面 的，因此过滤出文档后就需要进行自适应调整阈值. 用户 请求 提高阈值的目的是过滤出较少的正例文档，从而提 个性化 个性化 个性化 高准确率：而降低阈值的目的是过滤出较多的正例 特征提取模块推荐 检索 互助 模块 模块 模块 文档.文中提出采用概率分布密度的思想，如果近期 教学资源管理 过滤的正例分布超过期望的正例分布范围，则升高 阈值.否则，降低阈值，以增加正例文档数 个性化教学资源过滤模块 定义1设n为过滤文档在教育资源中的顺序 用户 个性特 编号，D为期望的正例分布密度 征库 用户兴趣模型 教学资源 社区 定义2S(为截至文档n时过滤的文档总数. 特征库 教学资源 定义3SR(W为截至文档n时过滤得到的正 例文档 定义4O(m为截至文档n时过滤阈值 图3 ECPKSS模型 Fig.3 ECPKSS model 定义5Dr(m,m+i)为上次阈值调整后得到的 正例文档的概率分布密度」 特征提取模块实现根据用户对社区教育资源游 Dr(m,mi)=SaL+)-S山 (4) 览和相关反馈，来提取用户感兴趣的教学资源的特 S(t+1)-S() 征信息，然后把这些特征信息保存在用户个性特征 如下的阈值调整算法： 中并及时跟踪和更新」 1)若De(n,m+)>max(D,0.2)且SR(nl< 0.2S(d,则0(n+1)=O(d1.2,即如准确率过 用户个性特征库记录用户个性化信息.它动态 跟踪用户的兴趣，提取并记录关键词作为用户的个 低，过滤出的文档数量又不太少，则迅速提高阈值. 2)若DR(m,m+1)>D,则O(n+1)=O()X 性特征，并作为用户模型构建模块提供用户特征」 用户兴趣模型构建模块从用户个性特征库提取 1.1,即如过滤出的文档数多于必需的，则提高阈值. 关键词构成个体用户模型， 3)若DR(m,m+1)<D,则O(n+1)=O(n川X 个性化社区教育资源过滤模块可以根据用户模 0.9,如果过滤出的文档数少于必需的，则降低阈值 如果检出的文本被用户判断为相关文本，将它 型分别对社区教育资源进行过滤 加入到正例文本集合中，否则加入到伪正例文本集 个性化推荐模块实现教育资源自动推荐和用户 合中.在调整模板向量时，从正例文本和伪正例文本 请求推荐2种个性化推荐功能.用户请求推荐通过 对教学资源库的管理模块和教学资源过滤模块调用 中抽取出特征向量.于是新的模板向量就是正例特 来实现. 征向量、伪正例特征向量、用户兴趣向量和主题向量 4个向量的加权和，权重分别为a'B、y'、6即 个性化检索模块是接受用户的检索请求，由过 pfo(Q)=a'Po(Q)+BP (Q)+ 滤模块根据用户对社区教育资源的过滤形成个性化 的检索结果」 Y'P2 (Q)+6'P3 (Q) (5) 个性化的互助模块使用户在学习过程中出现问 2基于社区E-learning的个性化知识 题而得到及时、准确地指导与帮助 服务系统 该模型的工作过程是首先由特征提取模块提取 用户感兴趣的社区教学资源的特征信息，并把这些 该文应用个性化、数据挖掘、自适应过滤等技术 提出了一种基于社区Elearning的个性化知识服务 信息保存在用户个性特征库中并及时跟踪和更新， 系统模型(ECPKSS)),如图3所示. 其次由用户模型构建模块根据用户的个性化特征信 ECPKSS模型的主要功能是在社区网络教学 息构成用户模型.然后由个性化教学资源过滤模块 资源中学习和跟踪用户的个性化兴趣，并根据用户 根据用户模型实现对社区教育资源的过滤，最后由 的个性化兴趣特征对教育资源进行过滤，帮助用户 个性化检索、个性化推荐、个性化互助等模块根据过 在海量的社区网络教学资源中快速而准确得到或者 滤结果分别实现个性化检索服务、个性化推荐、个性 化互助服务等. 推荐用户感兴趣的教学资源 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net1. 2. 2 阈值自适应调整 由于教学资源文本流中相关文本的比例是很低 的 ,因此过滤出文档后就需要进行自适应调整阈值. 提高阈值的目的是过滤出较少的正例文档 ,从而提 高准确率;而降低阈值的目的是过滤出较多的正例 文档. 文中提出采用概率分布密度的思想 ,如果近期 过滤的正例分布超过期望的正例分布范围 ,则升高 阈值. 否则 ,降低阈值 ,以增加正例文档数. 定义 1 设 n 为过滤文档在教育资源中的顺序 编号 , D 为期望的正例分布密度. 定义 2 S ( n)为截至文档 n时过滤的文档总数. 定义 3 S R ( n) 为截至文档 n 时过滤得到的正 例文档. 定义 4 O( n) 为截至文档 n 时过滤阈值. 定义 5 DR ( nt , nt + 1 ) 为上次阈值调整后得到的 正例文档的概率分布密度. DR ( nt , nt+1 ) = S R ( t + 1) - S R ( t) S ( t + 1) - S ( t) . (4) 如下的阈值调整算法 : 1) 若 DR ( nt , nt + 1 ) > max ( D , 0. 2) 且 S R ( n) < 0. 2 S ( n) ,则 O( n + 1) = O ( n) ×1. 2 ,即如准确率过 低 ,过滤出的文档数量又不太少 ,则迅速提高阈值. 2) 若 DR ( nt , nt + 1 ) > D ,则 O ( n + 1) = O ( n) × 1. 1 ,即如过滤出的文档数多于必需的 ,则提高阈值. 3) 若 DR ( nt , nt + 1 ) < D ,则 O ( n + 1) = O ( n) × 0. 9 ,如果过滤出的文档数少于必需的 ,则降低阈值. 如果检出的文本被用户判断为相关文本 ,将它 加入到正例文本集合中 ,否则加入到伪正例文本集 合中. 在调整模板向量时 ,从正例文本和伪正例文本 中抽取出特征向量. 于是新的模板向量就是正例特 征向量、伪正例特征向量、用户兴趣向量和主题向量 4 个向量的加权和 ,权重分别为α′、β′、γ′、δ′即 pf 0 ( Q) =α′P0 ( Q) +β′P1 (Q) + γ′P2 ( Q) +δ′P3 ( Q) . (5) 2 基于社区 E2learning 的个性化知识 服务系统 该文应用个性化、数据挖掘、自适应过滤等技术 提出了一种基于社区 E2learning 的个性化知识服务 系统模型( ECP KSS) [7 ] ,如图 3 所示. ECP KSS 模型的主要功能是在社区网络教学 资源中学习和跟踪用户的个性化兴趣 ,并根据用户 的个性化兴趣特征对教育资源进行过滤 ,帮助用户 在海量的社区网络教学资源中快速而准确得到或者 图 3 ECPKSS 模型 Fig. 3 ECP KSS model 推荐用户感兴趣的教学资源. 特征提取模块实现根据用户对社区教育资源游 览和相关反馈 ,来提取用户感兴趣的教学资源的特 征信息 ,然后把这些特征信息保存在用户个性特征 中并及时跟踪和更新. 用户个性特征库记录用户个性化信息. 它动态 跟踪用户的兴趣 ,提取并记录关键词作为用户的个 性特征 ,并作为用户模型构建模块提供用户特征. 用户兴趣模型构建模块从用户个性特征库提取 关键词构成个体用户模型. 个性化社区教育资源过滤模块可以根据用户模 型分别对社区教育资源进行过滤. 个性化推荐模块实现教育资源自动推荐和用户 请求推荐 2 种个性化推荐功能. 用户请求推荐通过 对教学资源库的管理模块和教学资源过滤模块调用 来实现. 个性化检索模块是接受用户的检索请求 ,由过 滤模块根据用户对社区教育资源的过滤形成个性化 的检索结果. 个性化的互助模块使用户在学习过程中出现问 题而得到及时、准确地指导与帮助. 该模型的工作过程是首先由特征提取模块提取 用户感兴趣的社区教学资源的特征信息 ,并把这些 信息保存在用户个性特征库中并及时跟踪和更新 , 其次由用户模型构建模块根据用户的个性化特征信 息构成用户模型. 然后由个性化教学资源过滤模块 根据用户模型实现对社区教育资源的过滤 ,最后由 个性化检索、个性化推荐、个性化互助等模块根据过 滤结果分别实现个性化检索服务、个性化推荐、个性 化互助服务等. 第 1 期 罗 奇 ,等 :自适应过滤算法在社区 E2learning 的个性化服务系统中的研究 · 39 ·