.62. 智能系统学报 第9卷 高层应用 一 f(cmd) 上下文命令 (cmd.ctx) 主动模式 行为1 触发信号 特征提取 上下文触发行为 行为2 触发规则匹配 上下文信息 {学习交互 行为N 配置指令 用户配置信息？ 上下文信息 上次学习状态川 物理上下文 下文学习配国- 学习环境配置！ 用户上下文 学习工具配置： 被动模式 二一二二二一 学习上下文 存取控制 上下文访问接口 获取指令 学习模型 个性化学习模型 1个性化学习 上下文信息 I ctx 学习序列 个性化学习序列 导航 个性化学习导航 图1上下文感知作用机制 Fig.1 Influence mechanism of context-awareness 向树，再考察知识，点之间的前提关系，将有前提关系 2上下文感知环境下的个性化学习 的知识点用箭头连接起来，则可以得到一个有向无 2.1知识表示及领域模型 环图。 定义1（知识点）知识点可以用一个多元组 定义2（知识图）由知识点K通过分解和添加 表示：K=(N,D,A),其中N为知识点的名称，D 前提关系得到的有向无环图，称为知识图，记为 为知识点的基本内容，包括该知识点的定义、描述、 KAG(K),可用多元组表示为KAG(K)=(N,R),其 关键词等，A为知识点的属性，A=(dif,mast),dif是 中N为结点集，R为关系集（边）。在获得了领域知 该知识点的难度系数，mast用来表示对该知识点的 识的不同知识图之后，可以建立该领域知识的模型。 认知要求，mast∈{“识记”，“理解”，“运用”，“综 定义3（领域模型）领域模型为针对某具体领 合”}。 域的知识结构，由知识点与知识点之间的关系组成， 在学习系统中，一门课程的一章、一节、一个算 可以表示为一个集合D={KAG(K,),KAG(K2), 法等都可以作为一个知识点。知识点之间是相互关 …,KAG(K)}。领域模型最简单的形式就是一个 联的，将这种非孤立的关联关系称之为知识点之间 由领域概念及其关系组成的集合。显然，由知识图 的关系。若某知识点B可用于定义、描述或解释另 构成的领域模型是一个网状结构，如果去掉知识点 一知识点A,则称B与A是前提关系(precedence- 之间的前提关系，其主体架构是由知识点构成的森 of),记为p(B,A,9),其中q∈[0,1]为依赖强度，用 林。很明显，越靠近根结点的知识点，其抽象程度越 于描述A对B的依赖程度。直观地看，知识点A需 高，包含的子知识点也越多。这样的组织方式，既便 要在其前提知识点B学习完之后才能进行学习。 于用户理解，又便于知识的管理。在学习的过程中， 对于一个知识点来说，通常可以分解为几个小的子 用户可以提取出其中的任一子图进行学习。 知识点，而子知识点可以分解为更小的子知识点，依 定义4（学习图）学习图LG(K)=(N,R)是 次类推。这种关系称之为subtopic-of关系，记为 关于知识点K一个定义良好的KAG子图，且满足以 s(C,D),表示C是D的子知识点。显然，对某知识 下条件：1)NCN,R,CR;2)对于x,xeN,且y∈ 点K进行逐步分解，可以得到一棵根结点为K的有 V,P(y,x),则有y∈N。显然，学习图有助于实现个图 １ 上下文感知作用机制 Ｆｉｇ．１ Ｉｎｆｌｕｅｎｃｅ ｍｅｃｈａｎｉｓｍ ｏｆ ｃｏｎｔｅｘｔ⁃ａｗａｒｅｎｅｓｓ ２ 上下文感知环境下的个性化学习 ２．１ 知识表示及领域模型 定义 １（知识点） 知识点可以用一个多元组 表示：Ｋ ＝ （Ｎｋ，Ｄｋ，Ａｋ），其中 Ｎｋ为知识点的名称，Ｄｋ 为知识点的基本内容，包括该知识点的定义、描述、 关键词等，Ａｋ为知识点的属性，Ａｋ ＝ （ｄｉｆ，ｍａｓｔ），ｄｉｆ 是 该知识点的难度系数，ｍａｓｔ 用来表示对该知识点的 认知要求，ｍａｓｔ Î｛“识记”， “ 理解”， “ 运用”， “ 综 合”｝。 在学习系统中，一门课程的一章、一节、一个算 法等都可以作为一个知识点。 知识点之间是相互关 联的，将这种非孤立的关联关系称之为知识点之间 的关系。 若某知识点 Ｂ 可用于定义、描述或解释另 一知识点 Ａ，则称 Ｂ 与 Ａ 是前提关系（ ｐｒｅｃｅｄｅｎｃｅ⁃ ｏｆ），记为 ｐ（Ｂ，Ａ，ｑ），其中 ｑ∈［０，１］为依赖强度，用 于描述 Ａ 对 Ｂ 的依赖程度。 直观地看，知识点 Ａ 需 要在其前提知识点 Ｂ 学习完之后才能进行学习。 对于一个知识点来说，通常可以分解为几个小的子 知识点，而子知识点可以分解为更小的子知识点，依 次类推。 这种关系称之为 ｓｕｂｔｏｐｉｃ⁃ｏｆ 关系， 记为 ｓ（Ｃ，Ｄ），表示 Ｃ 是 Ｄ 的子知识点。 显然，对某知识 点 Ｋ 进行逐步分解，可以得到一棵根结点为 Ｋ 的有 向树，再考察知识点之间的前提关系，将有前提关系 的知识点用箭头连接起来，则可以得到一个有向无 环图。 定义 ２（知识图） 由知识点 Ｋ 通过分解和添加 前提关系得到的有向无环图， 称为知识图， 记为 ＫＡＧ（Ｋ），可用多元组表示为 ＫＡＧ（Ｋ）＝ （Ｎ，Ｒ），其 中 Ｎ 为结点集，Ｒ 为关系集（边）。 在获得了领域知 识的不同知识图之后，可以建立该领域知识的模型。 定义 ３（领域模型） 领域模型为针对某具体领 域的知识结构，由知识点与知识点之间的关系组成， 可以表示为一个集合 Ｄ ＝ ｛ＫＡＧ（Ｋ１ ）， ＫＡＧ（Ｋ２ ）， …，ＫＡＧ（Ｋｎ ）｝。 领域模型最简单的形式就是一个 由领域概念及其关系组成的集合。 显然，由知识图 构成的领域模型是一个网状结构，如果去掉知识点 之间的前提关系，其主体架构是由知识点构成的森 林。 很明显，越靠近根结点的知识点，其抽象程度越 高，包含的子知识点也越多。 这样的组织方式，既便 于用户理解，又便于知识的管理。 在学习的过程中， 用户可以提取出其中的任一子图进行学习。 定义 ４（学习图） 学习图 ＬＧ（Ｋ） ＝ （Ｎｌ，Ｒｌ）是 关于知识点 Ｋ 一个定义良好的 ＫＡＧ 子图，且满足以 下条件：１） Ｎｌ ÌＮ， Ｒｌ ÌＲ；２） 对于"ｘ，ｘ ÎＮｌ，且 ｙ Î Ｎ，ｐ（ｙ，ｘ），则有 ｙ ÎＮｌ。 显然，学习图有助于实现个 ·６２· 智 能 系 统 学 报 第 ９ 卷