智能个性化（共10篇）
智能个性化 篇1
0 引言
智能导览是智慧旅游研究与建设的关键内容之一,也是物联网技术的重要应用[1,2]。参观游览路线是否科学合理在很大程度上影响到整个游览过程的用户体验。对游客而言,科学合理的游览路线能够使其在较短的时间、较小的路程代价下获得较好的游览体验,同时,对旅游服务提供者来说,高效的游览路线也能使得相同服务资源代价的情况下获得游客更高的服务评价,从而促进旅游及其服务业的健康持续发展和进步[3,4]。
实际情况下,游客的游览时间有限,不足以完整地游览当前景区中所有的景点。游客的真实需求是在有限的时间内个性化地对当前景区内景点进行游览。因此,如何安排游览路线,成为智能导览系统中急需解决的一大问题,生成的游览路线是否可行有效且满足游客的偏好,对用户体验至关重要。
游览路线的规划设计工作本质是依据游客当前的位置信息和待参观的景区景点信息,根据一定的策略筛选合适的路线和景点,并将之有序排列在具体游览行程路线的过程中。完整的游览路线应当包括起点、景点集合、景点间的路径集合以及终点。因此,对景区内最佳游览路线问题模型的建立以及路线生成策略的设计是决定游览路线优劣程度的关键所在。
面向智能导览的个性化线路自动规划本质上是解决在有限约束下的最短路径应用问题,它是运筹学、地理信息学以及计算机网络等学科中的研究热点,比如求单源且无负边权的“一对多”的Dijkstra算法[5]、用于求多源且无负权边的“一对一”最短路径的Floyd算法[6]、求多个备选优化路径的K最短路径算法[7]以及静态路网中较为有效的“直接搜索”A*算法[8]等。同时,随着经典图论和计算机数据结构的有效结合,使得各类最短路径算法不断涌现以解决不同特征的实际问题,它们在时间复杂度、空间复杂度、应用范围以及易实现等性能上各具特色[9,10]。国内有学者专门就最短路径算法的分类体系以及研究进展[11]方面进行过较为全面的总结与研究分析。文献[12]提出了一种利用线图以及顶点赋权图的最优完全子图的方案解决中国邮递员问题中如何生成最优邮递路线的问题。该方法与通常图的相关概念的区别在于其为图中的节点(也称顶点)赋加了权值,最终求出一条能访问到图中所有节点且具有最小权值的环游。文献[13]提出了一种解决图中受K顶点数限制的所有最短路径BCSP算法以及其改进的ICSP算法,运用图的广度遍历算法以及逆邻接表、指针等数据结构知识生成扩展最短路径树。
1 问题背景
在游览过程中,以有限的时间条件为前提,从游客需求的角度出发,有如下三点直观的要求:优先参观景区内游览价值大的景点;要求所步行的路程最少,即花费在步行过程中的时间短;在不超出限定时间的前提下,尽可能充分地利用限定的时间。
以现实中大量游客对景区的参观游览行为过程的总结为基础,描述游客游览某一景区的一般活动流程为:
Step1:根据当前的位置寻找到该景区最近的入口,从入口处进入景区。
Step2:若游览时间足够长,则从当前位置开始按距离的远近开始按序游览景区内景点,直至景区内所有景点都游览完毕,结束游览活动。若时间有限,不能完整游览整个景区内所有景点,则执行Step3。
Step3:以当前位置为参考,在限定时间内,选择相对游览价值最高的未被游览的景点(即该景点知名度高且对其进行游览花费时间少)。
Step4:步行到达待参观的景点并花费一定时间完成对该景点的参观。此时,检查剩余时间是否可继续游览活动。若剩余时间可继续游览活动,则返回Step3,若剩余时间无法满足继续游览要求,则执行Step5。
Step5:从当前景点位置行至距离最近的景区出口,离开景区结束对该景区内景点的游览,完成本次游览活动。
因此,解决最佳游览路线生成问题需要完成工作为:
(1)寻找或设计最短路径算法,以无向图中任意某一节点为起点,根据其余节点的权值、价值以及该节点与其余各节点之间的最短路径,得到在当前位置状态下,满足时间限制条件的最佳下一个待游览节点。
(2)当需要游览的节点集合选定之后,在无向图G中根据边信息以及边的权值数据确定最佳的游览路线,生成选定节点集合中节点的最终游览序列。
2 景区模型抽象与景点属性表示
2.1 建立无向图处理模型
旅游景区由多个出入口、内部景点集、公共服务点及内部相互之间的路径组成,游览路线的生成工作即根据约束条件按序选择合适的景点集合与路径集合。本文以无向图作为景区及景点的表示模型,将景区相关信息抽象成如图1所示附加节点值的带边权的无向图模型。
由图1可知,将某景区的平面示意图转换为无向图G,将景区中的景点以及出入口转换为无向图G中的顶点,景点之间的路径转换为无向图中的边。
定义1:无向图G由一个二元组V,E组成,其中集合V称为无向图G的节点集合,记为V={v0,v1,v2,⋯,vn},(n∈N*),V中每个元素对应代表实际景区中一个景点;集合G称为无向图G的边集,是由集合V中的元素组成的无序对{(vi,vj)|vi∈V,vj∈V}组成,记为E={ei,j|ei,j=(vi,vj)或ei,j=(vj,vi)},(vi∈V,vj∈V),E中每个元素表示实际情况下景区景点之间的一条路径。
这里需要注意的是边集E中元素(vi,vj)是无序对,因此无序对(vi,vj)与(vj,vi)表示的是同一条边ei,j,在集合E中只出现一次。
定义2:W[e]i,j,ei,j∈E称为无向图G中的边eij的权值,在实际游览路线问题中,表示节点vi和节点vj之间边ei,j需要的步行时间代价。
定义3:W[v]i,(vi∈V)称为节点vi的时间代价,在实际游览路线问题中,表示游客参观节点vi所需要的时间代价。
定义4:C[vi],(vi∈V)称为节点vi的价值,在实际问题中,表示节点vi所代表的景点的自身固有游览价值。
定义5:px(vi,vj)={ei,m,em,n,⋯,ek,j},(ei,m,em,n,⋯,ek,j∈E,x∈Ζ*)表示从节点vi出发到达节点vj的第x条路径,该路径由边ei,m,em,n,…,ek,j顺序构成。在一般情况下,节点vi到节点vj的路径并不是惟一的,定义Pji={p0(vi,vj),p1(vi,vj),⋯,pk(vi,vj)},k∈N*表示节点vi到节点vj的所有不同路径的集合。
定义6:W[px(vi,vj)]=∑W[em,n],(em,n∈px(vi,vj),px(vi,vj)∈Pji)表示从节点vi到节点vj的第x条路径px(vi,vj)的路径代价。在实际游览路线中,表示从景点vi出发最终到达景点vj所需时间总代价。
2.2 景点信息表示策略
2.2.1 节点相对价值
在无向图G中,以vi为起点,vj为终点的一条路径px(vi,vj)的定义,以及该路径的路径代价W[px(vi,vj)]的定义。一般情况下,从节点vi出发到节点vj的路径并不惟一,并且不同的路径代价一般各不相同。根据每条路径的路径代价大小,节点vi到节点vj的所有路径的集合Pji中必定存在一条路径代价最小的路径。
定义7:设路径p0(vi,vj)称为无向图G中,节点vi到节点vj的最短路径,该路径需要满足:
即在节点vi到节点vj的路径集合Pij中,p0(vi,vj)的路径代价不大于该路径集合中的其余所有路径的路径代价。
在参观时间有限的条件下,从景点A出发前往景点B进行参观游览时,“景点之间路径长度”、“景点自身固有游览价值”、“景点的游览时间”这三个因素影响游客游览体验值。
在实际情况中,某一景点的实际游览价值并不是绝对的,而是相对的,其受到多个因素的影响,因而衡量该景点的实际游览价值需要综合考虑这些不同的因素。在本文中,根据前面的分析,将三个因素纳入算法计算中来衡量景点的实际游览价值。
定义8:H-rv(vi,vj)称为以节点vi为起点的,目标节点vj的最大相对价值,简称相对价值:
式中:vi表示景点A,vj表示景点B,vi与vj都是无向图G中的节点;k1∈R*;k2∈R*;k3∈R*;它们值的大小分别代表对应因素对景点相对游览价值影响程度的大小。
命题1:景点B的相对游览价值与景点A,B之间的路径长度成反比关系,即:
证明:设以节点vi为起点,节点vj为终点存在两条路径p1(vi,vj),p2(vi,vj),节点vj的本身固有价值为C[vj],则分别以上述两条路径从vi到vj进行游览时的价值比为:
即与节点vi到节点vj的路径长度成反比。现实意义为:参观同一个景点,步行时间代价越小,对游客而言其价值越高。
命题2:景点B的相对游览价值与景点B自身的固有游览价值成正比关系,即:
证明:设节点vj与节点vl的游览时间相等,即W[vj]=W[vl],且从节点vi出发到达节点vj、节点vl的路径时间代价相等,即W[p(vi,vj)]=W[p(vi,vl)]。从节点vi出发分别对节点vj、节点vl进行游览时的价值比为:
即与节点自身的固有游览价值成正比。现实意义为:花费相同的时间代价对景点参观,所选景点本身价值越高,对游客而言其越值得游览。
命题3:景点B的相对游览价值与景点B的游览时间成反比关系,即:
证明:设节点vj与节点vl的自身固有游览价值相等,即C[vj]=C[vl],且从节点vi出发到达节点vj、节点vl的路径时间代价相等,即W[p(vi,vj)]=W[p(vi,vl)]。从节点vi出发分别对节点vj、节点vl进行游览时的价值比为:
即与节点游览时间代价成反比。现实意义为:花费相同的路程时间代价去游览自身固有价值相同的景点,则花费在对景点的参观上的时间越少,越有益于游览游客的整体游览活动。
2.2.2 节点H-RVT表定义
在最佳路径的生成过程中,以节点vi为起点选择下一个节点加入到路径中时,需要比较图中所有未被加入到路径中的节点以确保被选中的节点是当前相对价值最大的,因此需要得到以节点vi为起点到图G中其余所有节点的相对价值。
定义9:称H-RVT(vi)为节点vi的最大相对价值表(Highest-Relative Value Table),表中包含以vi为起点到图中其他所有节点相对价值,相对价值表的定义式如下:
表1为节点vi的相对价值表H-RVT(vi)中所包含的信息。
对表1的几点说明:
(1)目标节点表示以节点vi为起点出发需要达到的节点。节点vi的相对价值表中目标节点中包含无向图G中除vi以外的所有节点。
(2)路径时间代价表示vi与目标节点之间最短路径之中所有路径的权值之和,即从vi出发达到目标节点过程中经过的路径所用的路程时间。
(3)节点时间代价表示目标节点的时间代价,即游览目标节点对应景点所需要的时间。
(4)节点价值表示目标节点的价值,为目标节点对应景点的自身固有价值。
(5)是否已加入路线标记目标节点,是否已经被加入到最佳路线中,1代表该目标节点已加入到最佳路线中,0代表未加入。
(6)最大相对价值表示目标节点在以vi为起点的情况下的最大相对价值。在最佳路线的生成过程中,优先选择表H-RVT(vi)中相对价值高的目标节点加入到最佳路线中。
在表示景点和路径信息的无向图G中,所有节点都有其最大相对价值表,每一张表中都包含了以该节点为起点,到其他所有节点的最大相对价值。
3 条件约束与个性化路线生成
游览时间分为路程中花费的时间以及对景点进行参观游览花费的时间,游览价值取决于路线中所有景点的价值高低。从宏观上描述最佳游览路线的要求为“在限定的时间内,最高效地利用有限的时间,寻找游览价值最高游览路线”;从路线生成过程中描述最佳游览路线的要求为“保证每次加入到游览路线中的景点都是当前条件下最值得游览的景点”。
在给出最佳路线生成算法之前,先给出下列描述:
集合Vα表示无向图G中一个或者多个特定节点的集合,这类节点在实际问题中代表景区的出入口,即“出入口节点”;集合Vβ表示无向图G中除“出入口节点”以外,其余所有节点的集合,这些节点在实际问题中代表景区内的各个景点,即“景点节点”。
由Vα集合与Vβ集合的定义可知以下关系:
集合V0表示未加入到最佳路线中的“景点节点”的集合,初始时,V0=Vβ;
集合V*表示未加入到最佳路线中,但最佳路线需要“经过”节点的集合,初始时V*为空集。例如从景点A要去游览景点D,景点A与D之间的最短路径需要经过景点B与C,则就将景点B与C所对应的节点加入到集合V*中。
定义10:称有序序列为无向图G的一条路线,路线中所有的节点都属于集合V。对此路线有以下两点说明:
(1)其中vi∈Vα称为起点,vm∈Vα称为终点,这两个节点为“出入口节点”;路线中除起点与终点以外的节点都属于集合Vβ,这些节点为“景点节点”。
(2)在该路线中的任一节点vi的前一节点称为该节点的父节点f(vi),后一节点称为该节点的子节点S(vi),其中起点没有父节点,终点没有子节点,其余节点都有各自的父节点与子节点。例如在上述路线中,节点vn的父节点f(vn)为vl,子节点s(vn)为vp。
最佳路线生成方案的描述分为四个部分,路线起点的选择、“景点节点”选择、时间的控制、路线终点选择。
3.1 路线起点选择
路线的起点为无向图G中“出入口节点”中的某一节点,起点的确定方式分为两种:第一种为指定路线起点;第二种为根据实时定位结果选择距离最近的出入口作为路线起点。“景点节点”选择(设下一个被加入到最佳路线中的节点为vnext,简称为待节点;称最佳路线中最后一个“景点节点”为该路线尾节点,设为vlast):
在景区的多个景点中选择满足一定条件的景点进行游览是游览路线生成过程中最主要的工作内容。在无向图模型的最佳路线生成过程中,每一步选择加入到最佳路线中的vnext节点都是未加入最佳路线的节点集合中选取且是这些节点中给最佳路线带来最大“效益”的一个(以benefit来表示“效益”),因此vnext有必定为以下两个节点中的其中一个:
(1)vnext是以最佳路线的尾节点为父节点,当vnext加入到最佳路线中后,将取代其父节点成为新的尾节点,即vnext是从尾节点的H-RVT(vlast)表中选取的未加入最佳路线且相对价值最大的节点。此节点加入到最佳路线带来的“效益”等于H-RVT(vlast)表中该节点的相对价值。
(2)vnext是最佳路线的路线过程中所“经过”节点中给最佳路线带来“效益”最大的一个,即vnext∈V*且满足
这里因为最佳路线已经“经过”该节点,所以不需要再重复考虑该节点的加入产生的路径代价k1⋅W[p0(f(vnext),vnext)]。
3.2 时间控制
在游览路线生成的过程中,是以限定的时间T为控制条件的,整个游览过程总的耗时不能超过限定时间T,因此,在生成最佳游览路线时,每加入一个新的节点,都需要考虑该节点加入路线之后,路线增加的时间代价是否超出时间限制条件。
设
加入新的节点vnext之后,需要判定时间条件满足:
(1)当vnext是以BPath的尾节点为父节点时,增加的时间分为两个部分,到达vnext的路径所需要的时间以及vnext自身时间代价的增加,因此判断时间的依据如下:
(2)当vnext是路线BPath所“经过”的节点之一时,因为该节点已经在BPath的行程中,增加的时间只是vnext自身的时间代价,因此判断时间的依据如下:
3.3 路线终点选择
生成最佳路线的整个流程,首先生成最佳路线的起点,也就是选择进入景区的入口;第二步是生成最佳游览路线的主要内容,不断的在为图中未加入最佳路线的节点集合中按照加入之后的“效益”大小的顺序以及是否满足时间限制条件来选择下一个最值得加入路线;当图中未加入最佳路线的节点集合中没有满足时间限制条件的节点时,为最佳路线按照选择终点,即选择离开景区的出口,生成完整的最佳路线并输出结果。
4 结论
本文针对在有限时间生成最佳游览路线的问题,从游客的实际需求分析着手,设计了使用无向图数学模型,总结出在时间限定条件下影响景点与路径选择的三个主要因素,并根据分析结果为每个节点生成各自H-RVT表,从而成功实现了生成最佳的游览路线。
智能个性化 篇2
智能手机非常普及了，随着iOS、Android等新兴智能手机操作系统的流行，智能手机上的应用越来越有创意。这些新鲜、个性的应用，在给用户带来超级方便的同时，也成为玩家炫机的必备。
分享碰碰乐：Bump
摇一摇，碰一碰，就能交换联系人和图片，是不是很炫？Bump是最近很火的一个App，不仅在iOS平台很火，在Android平台也很火。Bump吸引人之处在于两个人手持安装有Bump的设备，在一起对碰一下就能够互相传输相应的数据，看上去充满趣味，操作也没有难度，解决了跨平台间传输资料的兼容问题和部分系统限制。在最新的iOS版本上，Bump甚至还能分享应用程序的链接。尤其是在聚会等场合，分享有趣的图片和应用程序，这款Bump的确是拉近距离，打开话题的利器。
听音识曲
走在街上，听到某首好听的或者熟悉的歌曲，却不知道歌曲名字和演唱者，这时，听音识曲就派上用场了。将手机对着正在播放的音乐，让手机帮你听一下，它就可以告诉你歌曲的名字、专辑的名称还有作者，是目前智能手机上颇为实用和受欢迎的软件之一。
目前在各个智能手机操作系统上都有相应的软件，如iOS、Android平台的SoundHound以及涵盖S60、Android、Windows Mobile平台的Shazam Encore等等。
乐器演奏
将智能手机当作乐器演奏，在iOS和Android等支持多点触摸的平台用手机屏幕模拟钢琴、吉它演奏，已经不再是什么新鲜事。更绝的是，还可以将手机变成笛子、埙等吹奏类乐器，为智能手机模拟乐器带来更多的玩法和乐趣。
软件推荐：
iOS平台：Ocarina（埙）、Virtual Piano（钢琴）、Virtual Guitar Pro（吉它）
Android平台：My Piano（钢琴）、Magic Flute（吹笛子）、Mobile Metronome（节拍器）
星空漫步
虽然城市里能看到的星星越来越少，但并不影响天文爱好者对星空的探索。目前，Android和iOS平台都有对应的星空观测软件，让智能手机成为星空观测的利器，了解星座的知识，带你探寻宇宙的神秘之处。而且，可以根据GPS或者网络定位和方向，显示当前能观测到的星座。
软件推荐：
iOS平台：Star Walk（原生中文版，E文不好的用户的福音）
Android平台：Google Sky Map
重力感应相关应用
重力感应已经配备在越来越多的手机上，在硬件性能的基础上，不少软件厂商开发出一些颇具创意的应用程序，如重力感应相关的游戏、摇晃开机等，甚至还能让桌面图标跟随重力感应实现运动。很有创意吧？现在这类软件数量众多，玩家可以自行发掘好玩有趣的应用，来玩一下或者恶搞一把。
软件推荐：
iOS平台：Graviboard（桌面图标“失控”重力感应）
智能个性化 篇3
【关键词】多元智能理论 高中 英语 个性化教学
众所周知，学好英语，一直都是学生的愿望，同时也是家长和教师的愿望。但是很多学生对英语的学习并不是特别感兴趣，认为英语是一门很无趣的学科。并且，英语属于一门语言，需要记忆很多的语法知识。有些学生害怕犯错误，也渐渐的对英语的学习失去了兴趣，导致高中生的英语水平有了很大的差距。幸运的是，美国哈佛大学心理学家加德纳提出了“多元智能理论”。多元智能理论的核心思想是关注智力的多元化和学生的个体差异性，把这一理论引入英语课堂体现了“为了每个学生发展”和“全面发展”的理念。它充分考虑到每个学生的个体差异，提倡因材施教和个性化教学，倡导利用形式多样的课堂活动调动每个学生积极参与，体现了以学生发展为本的全新教育思想，为当前英语的教学观念、教学过程、评价方式等提供了新的思路。为此，我将根据我的教学经验简单谈谈在“多元智能理论”的指导下如何实现高中英语“个性化教学”。
一、多元化的教学目标
作为一名英语教师，在开始制定课程教学计划时，可以借鉴多元智能理论，根据学生的需要和兴趣来进行教学设计。教师要依据不同学生的智力结构特点和认知发展规律，结合“英语课程标准”由低到高，由简到难，有层次的进行提出，这样才能满足不同智力层次学生的需要。我在教学过程中，一般都采用分层教学的方式。我会为不同层次的学生制定不同的教学目标。对于一些学习成绩好的学生，我会将教学目标适当抬高，让他们尽量学到更多的知识。对于成绩中等的学生，我会适当将教学目标降低，不会给学生们太多的学习压力。对于一些基础较差的同学，只要能完成上课基本的教学目标就可以了。这样就可以使每个学生体验到学习的快乐和成功感，充分体现多元化的教学模式。
比如，在学习Growing pains这篇课文时，我就为学生们制定了不同的教学目标。对于学习好的学生来说，我给他们制定的教学目标是：掌握本节课的所有单词以及词性的變化。并且掌握课文中的重点句型的结构和用法，做完课后练习题。对于中等的学生，制定的教学目标是：掌握本节课的所有单词以及词性的变化。并且掌握课文中的重点句型的结构和用法。课后习题可以先放一下。而对于基础比较差的学生，则只需要掌握本节课的所有单词以及词性的变化就可以。这样分层次给学生们进行教学目标的设计，不仅可以提高教学效率，还可以激发学生的学习兴趣。
二、多元的教学方法
众所周知，学生提高成绩最快的一种方式就是在课堂上认真听讲。但是，要想让学生们认真听讲。首先就必须活跃课堂氛围，让学生们喜欢上课堂。采用多元化的教学方法，创设多元化的情境，留给每一位学生展示的机会。在英语课堂教学过程中，我常常通过英语歌曲、趣味游戏、多媒体、图片或讲故事等多种方式创设情境，激发学生的学习兴趣。
比如，在学习School life这篇课文的时候，这篇课文内容非常长。对于刚刚进入高中的学生可能会有一些不适应。所以为了激发学生的学习兴趣。我在上课之前先让学生们看一个小视频，视频的内容主要就是有关国外的学校生活的。看完之后，让学生们进行交流，并和自己的学校生活做一下对比。随后，再请两名同学简单谈谈自己的学校生活。最后，教师再进行课文的讲解。通过这样的方法，不仅可以活跃课堂氛围，还可以激发学生的学习兴趣，实现多元教学方法。
三、多元的课堂提问
我们都知道，课堂提问是一种非常有效的教学方法。但是，课堂提问也是需要艺术的。教师在进行课堂提问的时候一定要注意提问的广泛性以及问题设计的多元性。必须能够保证让每一位学生都参与进来。当然，问题设计的难易程度也应该好好把握。不要提问太难的问题，也不要提问太简单的问题。另外，在设计问题的过程中还要为学生提供尽可能多的独立思考空间，使学生自己发现问题、分析问题和解决问题，培养学生自主学习能力和创新能力。
比如，在进行Amazing people这篇课文的课堂导入的时候，教师可以先让学生看一个小视频，神州五号发射。然后可以提出这样一些问题：Who was the astronaut in the film？ What do you think of him？ He is the hero of the people. Do you want to know more about him？通过播放神州五号发射的片段来导入本课文章主角：杨利伟。直截了当，使学生迅速进入话题角色。使每一位学生都成为课堂的主人。
总而言之，基于多元智能的英语教学的实施要以学生为中心，让学生成为课堂的主人。充分利用学生的年龄特点和个性心理，并根据不同的语言材料来进行，努力实施个性化教学，让学生充分展现自己的优势，从而在学习高中英语中更加有自信。
【参考文献】
[1] 江红军. 浅谈高中英语个性化教学[J]. 课程教育研究：学法教法研究，2015.
[2] 余巧珍. 高中英语个性化教学策略探究[J]. 中学英语之友：综合版，2011.
[3] 张羽佳. 多元智能理论指导下的高中英语差异教学[D]. 辽宁师范大学，2014.
智能个性化 篇4
使垂直搜索与大搜索相辅相成
在网页数量激增的情况下, 搜索引擎的基本能力是如何做好对海量信息的爬取。互联网内容越来越多, 形式越来越复杂, 搜索引擎有没有手段优化爬取的信息, 保证爬取的质量。“如何根据用户需求, 及时检索出所需要的信息, 并智能化、个性化的呈现搜索结果是我们一直所追求的目标。”盘古搜索CEO王红宇表示。
如今, 搜索引擎正在从文本的结构和关键词搜索, 向结合用户意图和情景的个性化搜索演变。对盘古搜索来说, 如何做好信息分类, 满足特定用户的特定需求是其关注的重点。在王红宇看来, 通过垂直搜索的方式, 搜索引擎可以从信息源上对信息进行分类, 搜索出的内容更专一, 用户需求更明确, 搜索精准度也更高。但垂直搜索不能替代大搜索, 两者要相辅相成, 才能全方位满足用户需求。
事实上, 搜索引擎建设是系统工程, 这需要企业不断进行优化, 把握关键技术结点。据悉, 在业务类型方面, 盘古搜索对关键技术把握较为准确, 并有所创新体现。举例而言, 一个简单的创新就是把搜索结果发送到手机。在商务模式上, 盘古搜索则不仅仅依靠广告, 而是遵循合作共赢的原则, 采用灵活、务实的商务模式与各方展开合作, 从中迸发出更多的创新点。
坚持注重良好的用户体验
在王红宇看来, 由于用户的思想不会停止, 行动一直在活跃, 搜索的需求也是随时随地产生的。对盘古搜索来说, 未来如何既保护用户隐私性, 又能充分理解用户需求是一大难点。而今后盘古搜索还将致力于智能化、个性化搜索引擎建设, 将桌面和手机紧密结合, 让用户的搜索需要得到最大程度的满足。
值得一提的是, 面对公众服务, 搜索要求的技术和运作专业性非常强, 这也是中国移动单独成立一个搜索公司的原因所在。在中国移动看来, 打造一个综合的搜索服务, 可以让用户搜索到任何想要的信息和服务, 这既方便了用户, 又对业务的传播形成了一种规模效应、聚合效应。与此同时, 搜索引擎对于合作伙伴来说是一个渠道, 对于用户来说是一个工具, 对中国移动来说, 要做好搜索引擎, 更重要的是要去占领移动互联网业务的制高点。
智能化，其实是人性化需求 篇5
CBN： 在过去十几年间，消费者对冰箱的需求经历了什么样的变化？
C： 在不同的市场，消费者对冰箱需求的变化都是不一样的。比如在过去10年到15年，美国消费者对大容积以及更大的可移动控制门冰箱的需求越来越旺盛；而在过去10年，在欧洲市场，消费者对冰箱内置电子系统以及低噪音的要求越来越高；日本则在过去的十年，更看重冰箱内实现不同食物的分类保鲜；而中国消费者是最为“挑剔”的，所以我觉得中国市场也是最为特别的，他们把这些变化趋势整合在一起，并建立一套自己的系统，他们要的是一个“目前最好的”集合体。这些都是一步步发生的，总得来说，消费者对冰箱的需求越来越精细，而高效节能和低噪音是其中最明显的变化。
CBN： 除了“整合”，你觉得中国消费者对冰箱的需求还有哪些独特的地方？
C： 中国消费者更为“技术驱动”，他们紧跟技术潮流，所以他们非常注重各个方面的性能，比如更智能的家电。在过去几年，对节能和低噪音的需求越来越普遍，他们甚至希望是零噪音，因为有些时候，他们会把冰箱放在起居室。另外一个就是他们越来越看重设计，不管是外观设计还是功能设计，所以性能和设计在影响他们做出购买决定上，几乎是同样重要。
CBN： 厨电智能化是现在的一个流行趋势，你如何看待这个趋势？它是如何影响到冰箱的发展变化的？
C： 这是一个很重要的趋势，也是我们为什么投入那么多钱在技术研发和创新上的原因。我对“智能化”的理解更多的是“人性化的需求”。比如有些时候你可能需要对食物快速冷藏，而在冰箱内食物变少时，你可能需要启动节能模式。压缩机是冰箱的核心零部件，虽然你看不见它，但冰箱的很多创新都需要压缩机的创新。以前，压缩机的运行峰值都是被设定好的，无法满足你在不同条件下的需求。意识到这一点后，我们研发出了VES变频压缩机，你可以自行设置不同的运行峰值，而且它比定频压缩机冰箱能够节省25%的能耗，即使在电压不稳定的情况下也表现良好。这其实也是为什么越来越多的空调运用变频技术的原因。
CBN： 冰箱未来的发展趋势还有哪些？还有哪些未被满足的市场需求？
C： 因为消费者越来越喜欢大容积的冰箱，那就需要冰箱压缩机体积更小，重量更轻，从而为冰箱内部释放更多的空间；第二个是人们越来越追求食物的口感、营养因素，我们就要研究如何在同一个空间内实现用不同的方式保鲜不同的食物，满足不同食物对不同的温度和湿度的需求，做到精确保鲜；第三是降低冰箱运行时的噪音，这仍有可以提升的空间，目前还未达到一个理想状态；第四就是在各个行业都在强调的环保，除了不再使用含氟制冷剂，停止对臭氧层的破坏，还能做些什么；最后一个就是除了保鲜，让冰箱提供其它更多的額外功能，比如无霜、除菌等。
智能个性化 篇6
1 对高职学生的多元智能分析
1.1 学生的智能存在差异性与平等性
每一个学生都有不同的智能组合, 只是表现的方式不同, 或者有些学生没有完全认识到自己的优势智能, 使其优势智能没有得到充分地发挥。以该研究者所在院校三校生 (即中专、职校、技校的学生) 为例, 他们的言语智能和逻辑数理智能相对薄弱, 因此高考失利。但是他们中的很多学生视觉空间智能很发达, 人际交往智能也很突出。而高中起点的大一新生更专注于课堂内容的记录和学习, 而课下主动与老师交流的甚少;三校班的学生虽然英语基础较薄弱, 接受能力较弱, 但是他们更加活泼, 喜欢交流, 下课后纷纷与老师沟通, 索要电话号码并与老师建立联系。对于学生而言, 智能没有优劣之分, 只是学生的优势智能各不相同。多元智能理论包含八种智能, 这些智能与智能之间都是平等的, 教育工作者也不能只强调学生的数理逻辑等与高考相关的智能, 八种智能是同样重要的, 而且都是可能通过努力得到提升的。
1.2 学生的智能具有发展性
学生的智能不是一成不变的, 有的学生反应在中职学习的三年由于班主任老师的正确引导和启发, 他们的语文和数学成绩有了很大的提高。可见, 智能是可以受外界的影响而发展的。当然, 智能的发展需要一定的环境条件和外部刺激。例如, 一个曾经没有努力学习的学生课下给老师讲述了她的家庭变故使她发奋图强努力赚钱的经历。一个内向而不愿表达的学生通过兼职推销的工作不断地发展了她的言语智能, 并在兼职中学会了如何有效地与人交流。可见智能是具有发展性的, 教师应该为学生的智能发展提供一定得平台和空间, 并有针对性地给予正确引导和学习指导。
1.3 学生智能的运用具有组合性
根据多元智能理论, 人类的智能是具有组合性的, 是多种智能同时在发挥作用。学生在日常的学习和生活中, 他们的多种智能是同时发挥作用的。与学生交流时, 学生一边理解教师的话语含义, 边进行语言表达, 同时他们也借助肢体语言表达思想, 再根据谈话内容做出适当反应或者调整思路。在与教师的交谈中, 学生运用了言语智能、身体运动智能和人际交往智能。甚至有时也伴随自我反省智能和自然观察智能。由此可见, 智能之间不是孤立的个体, 而是相互依附、相辅相成, 以组合形式表现的。
2 高职院校英语个性化教学分析
2.1 高职院校实施个性化教学的必要性
个性化教学是实施素质教育的必经之路, 它要求教师不仅仅是尊重学生个体差异, 更要在课堂上实施个性化的教学模式。高职院校的学生智能分布差异性较大, 他们的个性不同、兴趣不同、能力也不同, 教师要为学生们创建更宽广的学习平台, 提高自主学习的能力, 而不是用一种教学模式和方法让所有的学生学习同样的内容。模式化的学习形式下学生无法感受到学习的乐趣, 何谈张扬他们的个性呢?当个性被扼杀, 又怎样会有创造性呢?因此, 高职院校的英语教师要以学生智能分布及兴趣特长为导向, 建立个性化的英语课程, 坚持学生主体, 教师主导, 以能力为本位、以个性发展为教育目标。
2.2 高职院校实施个性化教学的可行性
高职英语教学改革倡导多年, 教师已经意识到自己不应是课堂教学的主体, 学生才是课堂的真正主体;而传授知识已不再是课堂教学的重点, 给学生创造开放式的学习环境并提供学习资源平台, 从而不断培养学生的自主学习能力已成为信息化时代高职教学的主要目标。学生根据自身的智能情况会自由选择不同的信息获取方式、分析方式和加工处理方式来完成知识体系的构建。这恰恰与个性化教学不谋而合。教学理念的革新, 教学方法的增加及教学模式的创新都为实施个性化教学创造了良好的条件, 而信息技术的发展使得网络覆盖整个校园, 学生可以在任意时间和任意地点进行自由学习, 获得最新资讯和指导, 教师随时可以通过微信、QQ、邮箱等方式了解学生学习情况并答疑解惑。
3 用多元智能理论指导英语个性化教学研究
在信息技术的支撑下, 大学英语的个性化教学已成为英语教学改革的趋势所在。而霍华德·加德纳博士的多元智能理论也恰恰是大学英语个性化教学的理论支撑。此外, 英语个性化学习需要一定的环境、资源、方法、课程等。教师也应转变教学思想, 树立多元智能的个性化教育观念。
3.1 树立多元智能的学生观、教育观和评价观
高职院校的教育工作者要积极地认识学生的优势智能, 很多学生高考分数不高, 但他们也不是“后进生”, 只要教师恰当引导他们会成为可造之才, 祖国未来的希望。遵循多元智能理论, 高职院校教师应因材施教, 树立多元教育观。根据学生的不同优势智能, 用不同的方法和手段引导学生接受新知, 为学生创设个性化学习平台和资源。此外, 要努力开发学生的多元智能并且为他们创造多样化的学习情境, 每个学生可根据自己的特长选择题目, 从而激发学生的内在潜能, 张扬个性, 使每个学生都能在一定程度上发展优势智能, 提高劣势自能。改变传统的以期末试卷为主要考核点的评价模式, 形成学生自评、学生互评、教师评价、企业评价等相结合的多元评价模式。
3.2 个性化英语教学大纲和课程设置
为了使教师更好地了解、掌握学生的智能分别和英语学习情况, 大学英语课程教学改变原来了合班授课模式, 改为小班授课 (各班均在40人以下) , 要求学生课后进行自主学习, 课堂教师检验并根据学习的进度和效果给予评价, 同时课堂拿出一定时间指导、观察学生自主学习。修改大纲中关于学生成绩构成, 提高过程性评价所占比例。增加大学英语以外的英语选修课程, 例如英语视听说、中西方文化差异与跨文化交际、怎样巧记单词、英美报刊选读、英语实用交际口语等选修课程, 在课后根据学生的需要提供学生喜欢的课程, 有效地辅助课堂教学, 以满足学生个性化的发展需求。此外, 开展小组学习模式, 以便对学生的学习方法进行指导, 也能够更好地把握学生掌握情况。也可以借助网络数字语音室采取自主学习模式, 学生根据需要在自主学习资源里找到合适学习资料进行自主学习, 教师指导, 调动学生学习积极性。
3.3 用多元智能指导英语词汇教学
90后的学生, 活泼开朗, 喜欢音乐。教师可以利用学生的音乐智能开展英语词汇学习。教师课前选取用美妙且歌词适合的英文音乐给学生创造轻松、愉快的课堂氛围, 之后让学生对照歌词慢慢跟唱, 利用跟读录音软件, 让学生跟唱重点句子和词汇。在美妙的音乐中, 学生习得了词汇也放松了心情, 营造了和谐的课堂气氛。而对于发音不标准而不愿意读或不敢读单词的学生, 教师应帮助帮助他们掌握音标, 创造阅读的机会, 让他们从简单的词汇阅读中建立学习自信, 并对他们取得的进步予以充分肯定, 从而体会到功的喜悦, 增强学习自信。
3.4 用多元智能理论指导英语听说教学
英语听说教学在高职院校一直都开展地比较困难, 学生不愿意说、不敢说、甚至说不出。那么根据学生个性特点创建个性化的交流、互动课堂势在必行。学生有着不同的智能分布, 他们思考问题的方式不同, 语言表达的方式也不同。那么教学中教师要给学生个性化的选择, 给予不同的交流和表达机会。例如:英语表达流畅的学生可以让他在前面展露心声;空间智能发达的学生让他来描述不同的场合和环境;肢体智能优越的学生边描述边表演。那么这几方面智能都不突出的学生可以在小组中表达思想, 并给予其他学生适当评价, 让他们更加自信。
3.5 多元智能理论指导下, 创建网络个性化的英语学习环境
网络的个性化英语学习环境给不同英语学习基础和不同个性的学生提供了便捷、个性化的学习环境。这需要教师根据学生的多元智能情况建立个性化英语学习库、英语学习策略资源库、英语视听材料库、英语试题库等、课堂教学课件库等等。学生进入网络学习环境后
教师根据学生的个性资源使用情况的记录和评价适时更新资源, 添加新资源。通过网络教学环境的资源使用情况与学生互动。
4 结语
学生的潜能有待教师开发, 当他们的智能得到了发展时他们的能力空间将变得更大。当学生的思路打开, 找到了适合的方法, 他们的自主学习能力必然增强。教育的目的不是甄别, 而是增强学习的能力为日后生活、工作和终身学习奠定基础。因此, 高职院校的教师应该精心设计适合学生个性发展的多元教学模式, 为所有学生创造发挥能力的空间, 唤醒学生的潜在智能, 发展学生的优势智能, 激活学生的多元智能。
参考文献
[1]董乃谦.在信息技术环境下职校学生多元智能的开发[J].科学时代, 2007 (1) :66-68.
[2]熊焕平, 方克平.基于人才培养目标的大学英语个性化教学模式的创建与实践[J].疯狂英语教师版, 2009 (2) :40-43.
[3]韩相勤.多元智能理论对中职英语课堂教学的启示[J].职业时空, 2014 (7) :40-42.
[4]钟灵.论多元智能理论与英语个性化教学[J].读与写 (教育教学刊) , 2008 (5) :13-14.
[5]唐楠.多元智能理论指导下的英语成功教育[J].校园英语, 2014 (7) :2-3.
[6]朱建萍, 杨雪梅.多元智能理论下个性化教学策略探析[J].现代中小学教育, 2012 (5) :20-21.
智能个性化 篇7
首先, 通过市场调研, 了解了普通家庭对智能家居控制系统中需求量最多的功能要求;然后, 针对市场需求和用户要求, 确定了设计方案;第三, 对硬件系统的设计与制作;第四, 程序应用开发;最后进行产品的安装与调试。
2 系统设计要点
通过市场调研, 确定个性化智能家居语音控制系统设计要点:具有语音识别无线控制电器工作;具有遥控操作控制电器工作;一个主机可以配多个从机;具有人机对话功能, 对话内容可自定义修改;可以根据客户要求, 进行个性化定制;产品结构设计要便于安装, 直接与原有家电连接控制。
3 硬件系统设计
3.1 主机硬件系统构造图
本系统主机主要由C51 单片机最小系统、LD3320 语音识别电路[1]、315MHz RF无线电路、电源电路等构成 ( 图1) 。
其核心芯片主要包括:
3.1.1 单片机
单片机采用的是STC89LE53RC[2], 这款芯片由台湾宏晶公司设计生产, 芯片工作电压2.0V至3.6V, 程序空间具有13K, 内存具有512字节, 包含有39 个IO接口;芯片内部资源有三个定时器、一个串行口、带看门狗和内置复位。
3.1.2 LD3320
LD3320 芯片是一款“ 语音识别”专用芯片, 由ICRoute公司设计生产。 该芯片集成了语音识别处理器和一些外部电路, 包括AD、DA转换器、麦克风接口、声音输出接口等。本芯片在设计上注重节能与高效, 不需要外接任何的辅助芯片。 如, Flash、RAM等, 直接集成在现有的产品中即可以实现语音识别/声控/人机对话功能。并且, 识别的关键词语主列表是可以任意动态编辑。
3.2 从机硬件系统构造图
本系统从机主要包含两个部分, 智能插座和智能电灯。 两个从机的电路、原理、核心芯片均一致, 在程序应用开发上稍有一点区别。 智能电灯在上电后便会工作, 这个状态在硬件上增加了设置接口 ( 图2) 。
其核心芯片主要包括:
3.2.1 单片机
单片机采用的是STC15F102W, 这款芯片由台湾宏晶公司设计生产, 芯片工作电压3.8 至5.5V, 程序空间2K, 内存具有128 字节, EEPROM具有3K, 包含有6 个IO接口;芯片内部资源有两个定时器、带看门狗和内置复位等。
3.2.2 RF解码模块
采用315MHz的无线电波直接采用现成的解码模块[3], 可以节省硬件的调试时间。 这种解码模块有两种, 一种为普通的模拟电路接收315MHz载波信号, 解码出数字开关电平信号;还有一种是由数字电路接收。 普通型的接收距离、工作电压及稳定性良好, 成本稍低, 而数字型的接收距离、工作电压及稳定性相对普通型的更优越, 当然成本略高。 在本套系统设计中为节省成本使用了普通型。
3.2.3 RF遥控器
市面上RF遥控器有很多种, 大致均以频率作为区分, 本系统采用的是315MHz载波, 因此遥控器也必须使用315MHz频率的。 通常遥控器内部使用的芯片有EV1527、PT2262、SC2260 以及单片机型, 前面的三种都是硬件型发射芯片, 而单片机型具有对拷功能, 可以将其他遥控器的按键功能复制到本遥控器中。为节省成本和适应本套智能控制系统, 本系统采用的是四键型遥控器[4]。
4 系统程序开发
4.1 主机程序开发
4.1.1 语音识别部分
( 1) 寄存器操作
LD3320 芯片的各种操作, 都必须通过寄存器的操作来完成。 比如设置标志位、读取状态、向FIFO写入数据等。 寄存器读写操作有4 种方式, 即并行方式 ( 软、硬) 和串行SPI方式 ( 软、硬) , 本系统采用并行模式。
( 2) 芯片复位
即对芯片的第47 腿 ( RSTB*) 发送低电平, 然后对片选CS做一次拉低→拉高的操作, 以激活内部DSP。 芯片初始化一般在程序的开始进行, 如果有时芯片的反应不太正常, 也可用这个方法恢复芯片的初始状态。
( 3) 语音识别
语音识别的操作顺序是:语音识别用初始化 ( 包括通用初始化) →写入识别列表→开始识别, 并准备好中断响应函数, 打开中断允许位。这里需要说明一下, 如果不用中断方式, 也可以通过查询方式工作。在“ 开始识别”后, 读取寄存器B2H的值, 如果为21H就表示有识别结果产生。 在此之后读取候选项等操作与中断方式相同[5]。
( 4) 响应中断
如果麦克风采集到声音, 不管是否识别出正常结果, 都会产生一个中断信号。 而中断程序要根据寄存器的值分析结果。 读取BA寄存器的值, 可以知道有几个候选答案, 而C5 寄存器里的答案是得分最高、最可能正确的答案。 例如发音为“ 上海”并被成功识别 ( 无其他候选) , 那么BA寄存器里的数值是1, 而C5 寄存器里的值是对应的编码3。
4.1.2 RF无线部分
RF无线的程序开发采用简单的单总线时序发射编码, 运用红外遥控器编码方式, 协议使用EV1527 芯片的编码协议。
编码的每一位含两个脉冲周期, 单个脉冲周期是软件无线接收时的处理单位。 脉冲周期有两种, 低电平较宽的称为0;低电平较窄的称为1。 编码的每一位用00/11/01 来表示。 12 位编码对应24 个脉冲周期, 即通常所说的24 位。
软件接收无线码时, 按脉冲为单位接收, 一共24 个脉冲, 需要接收24 位。24 位中可根据需要进行地址/数据分配。可预烧录20 位地址码, 共220=1048576, 104 万种地址组合。
图3 是EV1527 芯片发射编码时的时序图和及数据位的时序。
4.2 从机程序开发
4.2.1 无线解码
在主机中采用了无线编码的时序, 因此解码程序中必须和编码时序一致。 在中断函数中先判断同步码头, 判断同步码头的低电平时间是否符合128a, 若符合由使用一个变量将a值记录保存, 以便后面接收的判断。 若符合128a这个范围, 程序再进入到接收24 位数据的循环当中。 在24 位数据接收中判断数据位“ 0”, 低电平时间是否是高电平时间的3 倍, 即3a, 若满足说明此位数据接收是0。 接收判断数据位“ 1”, 高电平时间是否是低时间的3 倍, 即3a, 若满足说明此位数据接收是1。
4.2.2 学码功能
学码功能采用按键操作, 对按键进行程序级度设置为5 层。 第一层, 短按功能控制电器的开和关。 第二层, 按下按键2 秒后松开, 学习指示灯第一次闪烁, 进入电器开关的学码数据。第三层, 按下按键3 秒后松开, 学习指示灯第二次闪烁, 进入插座或电灯的总开功能学码数据。 第四层, 按下按键4 秒后松开, 学习指示灯第三次闪烁, 进入插座或电灯的总关功能学码数据。第五层, 按下按键5 秒后松开, 学习指示灯第四次闪烁, 表示前面学习的学码数据全部擦除。 每一层中的学习码值均可以学习两组, 即遥控器一组, 语音识别一组。当重复学习第三组, 第一组学码数据将会被第三组覆盖。
判断当前是学码功能还是开关功能主要靠按键层数的操作。在进入到学码层中没有学习成功, 系统会在10 秒内自动退出, 或短按按键也可退出。
4.2.3 掉电忘忆学码数据
前面已采用STC15F102W, 这款芯片内部自带有2K的EEPROM存储空间。 把学习到的数据值保存在单片机, 下次开机时便能从单片机直接取出并对比。而STC单片机的EEPROM并不是真正的EEPROM, 而是像硬盘一样叫扇区。 这些扇区的操作比EEPROM麻烦, 每一个扇区不存在字节擦除, 只有整个扇区的擦除, 当想把某一段数据变更时必须先将原存储在这一扇区中的数据取出保存在内存, 然后再将这一扇区擦除后才能再将原数据和新数据一起写入到这一扇区中。
5 结论
个性化智能家居语音控制系统通过语音识别、人机对话来控制, 让操作更方便, 更快捷, 受广大客户欢迎喜爱。 产品制造成本低, 生产周期短, 可以根据客户的要求来进行个性化定制, 家庭富裕与否不会阻止人们对智能产品的需求渴望, 这款产品能够低成本的实现对人们生活质量的智能提升。
参考文献
[1]洪家平.LD3320的嵌入式语音识别系统的应用[J].单片机与嵌入式系统应用, 2012, 12:47-49.
[2]胡锦, 蔡谷明, 梁先宇.单片机技术实用教程[M].北京:高等教育出版社, 2003.
[3]严紫建, 刘元安.现代移动通信应用技术丛书蓝牙技术[M].北京邮电大学出版社, 2001.12.
[4]江太辉, 石秀芳.单片机原理与应用[M].广州.华南理工大学出版社, 2002.
智能个性化 篇8
关键词：多元智能理论,个性化教学,教学改革
1. 引言
个性化教学是指尊重学生个性的教学, 必须根据每个学生的个性、兴趣、特长、需要进行施教。其实早在两千年前, 孔子在教育中就提出了因材施教的理念。在不同的学习场合之中, 不同类型、不同能力水平学生的学习表现是极为复杂的, 需要教师凭着自己的经验和智慧灵活地设计因材施教的方法。多元智能理论的出现为个性化教学的实施提供了新的思路和方法, 也对教育教学工作提出了更高的要求。
2. 多元智能理论
多元智能理论是霍华德·加德纳于1983年提出的教育新理论, 他认为智力是彼此相互独立、以多元方式存在着的一组智力。加德纳将智能分为九种, 即言语—语言智能、音乐—节奏智能、逻辑—数理智能、视觉—空间智能、身体—运动智能、自我反省智能、人际交往智能、自然观察智能和存在智能。多元智能理论的提出为教育改革提供了新方向和新思路, 该理论认为人的思维只有领域的不同, 而没有优劣之分、轻重之别。这就需要教师从不同的视角、不同的层面看待每一个学习者, 关注学习者的发展。
多元智能理论的出现并不仅仅是提供了九种智能类型, 更重要的是这种理论给我们一种启示:应该以什么方式进行教学, 以什么方式去看待学生, 以什么方式去评价学生。我国新一轮国家《基础教育课程改革纲要 (试行) 》明确指出, 要运用多元智能理论, 构建充满生命力的生态课堂教学运行体系, 促进每一个孩子的发展。
3. 多元智能理论对教学的启示
3.1 有助于学生的全面发展
根据加德纳的观点, 每个人都拥有相对独立的智能, 而不仅仅是传统教学中所强调的语言和数理智能。强调智能多样性, 有助于学生对自身拥有的智能有更清晰的认识, 有助于创设多种智能发展的有利环境, 促进学生的全面发展。
3.2 有助于学生创造性思维能力的培养
创造性学习对于学生而言, 是一种更为主动和有效的学习方法和手段;对于学校而言, 是一种发挥教育导向功能, 以培养学生创新精神和实践能力为目标的有别于传统教学方法的教育模式和课程。因而, 利用多元智能理论培养学生的创造性思维能力是社会发展的需要, 是素质教育的需要, 是课程材料改革的需要, 是进一步开发学生创造潜能的需要。
3.3 有助于辨别学生的智力发展倾向
加德纳认为, 学校教育的宗旨应该是开发多种智能并帮助学生发现适合其智能特点的职业和业余爱好。传统课程结构中常强调发展学生的语言和数理逻辑能力, 而忽视对学生其它能力方面的开发和培养。而学生的智力存在多样性, 真正有效的教育应以学生的可持续发展为目标。多元智能理论有助于了解学习者在学习过程中的情感、语言、交际等相关智能的变化, 更易于辨别学生的智力发展倾向, 有助于教育发展目标的确定。
4. 多元智能指导下的个性化教学实践
4.1 教学目标改革
实施多元智能理论指导下的个性化教学, 首先要注重教学目标的设定, 进行教学策略研究。在教学目标的制定中要改变以往的传统课堂教学过于强调接受学习、死记硬背、机械训练的状况, 在多元智能理论的指导下, 倡导学生主动参与、乐于探究、勤于动手, 培养学生搜集和处理信息的能力、获取新知识的能力、分析和解决问题的能力及交流与合作的能力, 使学生掌握当今社会急需的技能、知识及最重要的理解能力。
4.2 教学方式改革
在教学改革过程中, 团队使用《摄影基础》与《办公自动化》课程教学为主要研究对象, 以多元智能理论为指导, 实施个性化教学方式。在课程改革过程中强调通过运用合适的教学策略和发扬学生有个性的学习风格来更好地实现教育的个性化, 达到教学效果的最优化。在教学方式上主要进行了如下改革:
4.2.1 情境创设
教师为学生的个性充分发展创设与教学内容相适应的具体场景和氛围, 引起学生主动学习的兴趣。教师引导学生反思学习的意义, 培养对学习的好奇心、求知欲, 为个体发展个性特长提供一个良好的选择平台。在多元智能理论的指导下, 教师在讲授课堂知识的同时, 通过实践平台帮助学生辨别认识到自身独特的智能优势, 让每个学生都能经历唤醒智能、扩展智能、使用智能学习和迁移智能的过程, 从而在日后的学习中可以充分发挥自身的智能优势, 拥有独立思考、自主判断的能力。
4.2.2 情感态度
在多元智能理论的运用过程中, 教师给予了学生极大的鼓励和引导, 让学生充分认识自我。教师鼓励学生表达不同的意见和想法, 并且引导学生充分表现自己的独特意见, 激活学生的思维。对于学生的失败和错误, 教师不是采用一票否定的做法, 而是鼓励学生说出自己的答案和疑惑, 学生会放下包袱, 消除担心犯错误的恐惧, 更自由更自信地面对学习, 充分展现个性特点, 并发现自我的优点和不足。教师会在肯定其创造性精神的基础上, 引导学生认识发现错误和失败的原因, 并鼓励学生克服困难, 继续探索。
4.2.3 分组合作
合作学习是多元智能理论强调的一种学习方法。通过分组合作, 学生不但能掌握基本的学习理论和实践操作, 更重要的是在合作中掌握与人交往、自然观察等技能, 在学习的过程中认识自我, 理解他人, 从而达到全面发展的目的。在教学改革过程中, 教师采用了分组合作的方法, 与学生们共同商定分组的规则, 引导学生在分组的过程充分合作, 使学生的智能优势得以发展, 在个性和共性的相互融合中收获成长。鼓励学生参与共同讨论、争辩, 形成良好的独立思考、自由表达的教境与学境, 在尊重学生个体差异的前提下, 了解每个人的个性特点, 针对不同的智力类型进行分工, 培养良好的情操和合作精神, 充分达到预定的教学目标。
4.3 改变教学评价
教学评价是教学中的重要环节, 传统评价强调统一, 把标准作为评价的准绳, 适合这根准绳就是好的, 不适合则不好。评价的方式和内容影响着整个教学方向的发展, 随着网络的日益普及, 我们需要从传统单一考试的模式中走出来, 开创关注学习者多项智能全面发展的评价体系, 强调差异与多样, 强调突出学生的个性差异, 突出评价的改进功能。因此, 在教学评价改革的过程中, 以多元智能理论为指导, 以促进学生个性化发展为目标采取了以下教学评价措施:
4.3.1 个别化评价目标
由于环境和基础的影响, 学习者的个体差异较大, 因此, 在评价中应首先强调评价目标的个性化, 为不同基础、不同兴趣的学生制定相对适合的评价目标。例如, 作品的提交上采取区别化的作业形式, 允许学生根据自己的兴趣选取合适的评价方式, 从而达到以评价促进学生多种智能发展的目标。不同的学生有不同的兴趣爱好、意见和想法。在引导学生发现自我的基础上, 教师区别于传统课堂中以一致、标准的答案强求学生的做法, 针对不同学生的个性特点, 让其充分发挥潜能, 依据学生的个别差异作灵活的要求。
4.3.2 多元评价方式
在教学评价实践过程中, 采用了教师评价、学生互评与学生自评相结合的评价方式, 主要从学生的作品、情感态度、合作精神等多个方面来进行评价。这种评价方式既能够公平公正地对学生进行评价, 更重要的是, 让学生有主人翁参与精神, 客观地看待自己的评价结果, 并根据评价结果有效地进行学习的反馈, 最终提高学习效率。
4.3.3 发展性评价方式
现代评价的主要目的在于帮助学习者, 为学习者提供有益的反馈, 识别学习者的强项和弱项, 并提出学习者今后应怎样继续学习或发挥其强项的建议, 预测学习者未来的发展潜能等。每个学生的发展速度与轨迹都有所不同, 因此, 在评价过程中应根据学生的背景与特点, 正确地判断每位学生的发展潜力, 从而为每个学生提出适合其发展的具体而有针对性的评价目标, 并把评价目标切分为阶段式的评价目标, 促进学生的不断提高与发展。重视学习者综合能力和整体素质的发展, 科学地、理性地、全面地对学习者进行评价, 根据知识、能力、品质、态度等多项指标去衡量每一名学习者。
5. 结语
传统智力测验理论认为人的智能可以通过测验检验出来, 但这种测验仅仅强调语言和数学逻辑智能, 容易忽视学生个性、特长的发展, 使教育流于应试化, 而偏离其正确的方向。尤其是实践操作为主的专业课程, 由于智能结构的独特性, 学生的认知结构、学习风格都表现出多样性和复杂性, 因此, 在教学中充分考虑学生的个别差异, 从教学目标、教学方式和教学评价上进行全面改革, 能够有效地促进学生的全面、和谐发展。
参考文献
[1][美]加德纳著.沈致襄译.重构多元智能[M].北京:中国人民大学出版社, 2008, 3.
[2][美]贝兰卡, 查普曼, 斯沃茨著.夏惠贤等译.多元智能与多元评价—运用评价促进学生发展[M].北京:中国轻工业出版社, 2004, 3.
[3]向冬梅.多元智能理论与个性化教育[J].四川教育学院学报, 2006.10.
智能个性化 篇9
推荐系统利用特殊的信息过滤(Information Filtering,IF)技术,将不同的内容(例如电影、音乐、书籍、新闻、图片、网页等)推荐给可能感兴趣的用户。通常情况下,推荐系统的实现是通过将用户的个人喜好与特定的参考特征进行比较,并试图预测用户对一些未评分项目的喜好程度。参考特征的选取可能是从项目本身的信息中提取的,或是基于用户所在的社会或社团环境。随着互联网上数据和内容的不断增长,人们越来越重视推荐引擎在互联网应用中的作用。可想而知,由于互联网上的数据过多,用户很难找到自己想要的信息,通过提供搜索功能来解决这个问题是远远不够的。推荐系统可以通过分析用户的行为来预测用户的喜好,使用户能更容易找到他们潜在需要的信息。数据挖掘是一种利用特殊的算法,能够从大量的资料中找出有意义的关系或规则,典型的数据挖掘算法是由Rakesh Agrawal等学者提出的apriori算法[1]。有鉴于数据挖掘的特性,本研究主要建立在网络多媒体的应用中,为了达到有效的个人化推荐,即一旦发现两人具有某种程度的关联相似性,则能够立刻将用户个人的特征表现在视频节目的列表上。所采用的方法就是在大量的可供选择的资料中利用数据挖掘的技术以快速、有效且具有个性化的方式来提供给用户所感兴趣或有价值的视频;在用户的界面上提供了友好的人性化操作,管理员能随时对系统进行维护,管理员能通过网络随时随地进行管理。本研究设计并实现了个性化的智能视频推荐系统,整个系统建立在网络服务器上,利用数据挖掘技术,实现以协同式信息过滤技术,另外辅以基于内容的信息过滤技术来进行信息推荐,主要研究的技术为用户信息的机器学习技术;个性化特性分析技术。;多媒体推荐搜寻技术。
1 系统架构
本研究所建立的个性化智能电影推荐系统具有下述2项目标: 根据用户的喜好为其提供筛选过的电影推荐列表;快速更新用户的喜好信息。
为实现上述目标,如图1所示,本系统以3层的应用处理架构为基础。当用户发出请求时,用户接口会将请求信息传送至中间层,中间层的搜索引擎便开始利用用户的个性化喜好信息与多媒体内容的特性加以分析,并产生最佳的多媒体推荐列表回应给用户接口;用户可先通过多媒体内容叙述或预览多媒体,再决定是否付费。一旦用户决定后,系统会通过索引技术去查找相应的资源。整体来说,系统大致细分为3个主要的子系统所构成,如下所述:
(1) 用户处理子系统。主要负责处理搜集个人档案信息(如:个人性别、年龄、兴趣、职业、血型等),以及用户个人的交易记录,提供用户进行注册、登录、观看视频的相关信息(如:导演、男主角、女主角、简介等)等功能。
(2) 管理员控制子系统。主要针对视频资料库的信息,能实时新增、修改、删除用户,或媒体的信息;在搜索引擎上,能快速调整参数并重新产生关联规则。
(3) 推荐子系统。主要负责产生关联规则,以作出个性化、快速有效的电影推荐;此系统主要为利用资料搜索CBA(Classification By Association Rules)的技术[2,3],并结合2类信息,以达成个性化的特性,其中一种为用户个性化的档案信息(Profile);另一种为用户对媒体视频的交易记录(Log File)。
用户处理子系统具有以下功能: 推荐列表,热点列表,分类列表,多媒体搜寻,用户资料更新。管理员子系统具有以下功能: 用户资料库管理,多媒体资料库管理,检查规则信息,自动化更新个性化信息;推荐子系统具有如下功能:执行推荐引擎产生关联规则,给用户提供推荐列表。系统除了具备用户登录系统之后的被动推荐之外,也具有主动推荐的功能。当系统有新电影信息时,能够针对各个用户做个性化的电子邮件通知。系统会记录上次的新片通知日期,每当有用户登入系统时,系统便自动检测目前与上次通知推荐的日期是否已达一个月,如果达一个月,而且电影资料库中也有新进的电影时,就针对各个用户找出符合喜欢的电影以电子邮件的方式通知新片信息。
2 系统设计
根据前述系统架构,系统分为客户端程序及推荐程序2个部分来说明。
2.1 客户端程序
客户端程序主要研究2项技术:
(1) 个人信息的自我学习技术。经由用户对各类电影的点击频率先建立起用户个性化的使用信息(Log Information),并自我学习其特有的点击习惯及其特性[4,5]。推荐电影时,需要找出电影内容本身与用户之间的关系,因此在电影的资料,以及用户个人的档案信息与交易记录之间,必须做出适当的关联,因此希望利用资料搜索技术,能够有效地结合各项的信息,并产生出适当的规则信息,规则的形式则以个人的个性资料为左项推导出有意义且有效的结论,因此在用户进入时能立刻通过推荐系统使用规则库的资料,进行对比后能顺利的做出有效的推荐。
如表1所示,称这个由用户特征与电影特征所构成的表格为挑选记录交易信息表。把每一次的选取电影操作视为一笔交易记录,每个特征又可被视为一个项目,一笔交易记录则包含了数个特征。为了改进搜索的速度,采用CBW[6]算法及垂直影像交易资料表,因为CBW在垂直交易资料表上的搜索效率很高。整个搜索的查找空间可视其为一个项目金字塔,每一层则代表一种频繁项目集,由低而高,由小而大。首先找到适当的切割层α并产生频繁α项目集[7],接着以两种不同的算法,配合着不同的资料结构,快速上下搜寻所有的频繁项目集。其关联规则定义如下:
{用户信息} → {(电影信息),(电影点击记录)}
其中将用户的“电影点击记录”根据涉及程度分为3个层次,针对3种层次即可以加强推荐的效果。在每次用户挑选多媒体后,系统将用户的行为储存到交易记录表中,第1层为简单的“点击”某部多媒体,代表的意义为用户可能对这部多媒体感兴趣;第2层是在观看过多媒体信息想进一步了解多媒体实际内容,所作的“预览”;第3层为推荐的目标,主要是在用户愿意付费的前提下,实际付费观赏了这部多媒体的行为,记录为“付费”。
下面对所产生的多维度关联规则举一个简单的例子:
{(性别,女),(星座,狮子),(年龄,年轻),(职业,教师),(居住,北部)} → {(类别,爱情),(男主角,汤姆克鲁斯),(电影点选记录,付费)}
其中所代表的意义为住在北部的年轻狮子座的女性教师通常会付费观赏由汤姆克鲁斯所主演的爱情片。
(2) 个性化特征分析技术。个性化特征分析主要目的是为了找出电影内容本身与用户个性化喜好信息的关系[8,9]。规则资料中左项为通过任意组合形成的个人资料,右项则是有任意组合的电影信息以及用户的行为模式,个人资料中包含有性别、年龄、血型、星座、职业、兴趣六类,电影信息则包含有导演、男主角、女主角等,用户行为则可分为点击、试看、付费3种,结合这些信息则形成关联规则。如图2所示,这些资料彼此间的关系,以个体关系图来描述。
2.2 推荐程序
2.2.1 基本概念
如前所述,推荐程序主要是思考如何在众多的条件因素下,对相关的信息作最佳的分配提供。针对多媒体资源的状况,将多媒体推荐与排序原则定义为以用户没看过为基本推荐要求;以出版日期为排序基础,较新的多媒体优先序较高,较旧的多媒体优先序较低;以点击率为第二排序方法,点击率较高的多媒体优先次序较高,较低的多媒体优先次序较低。
2.2.2 程序逻辑
输入:用户个人资料、用户的交易记录、媒体视频资料、关联规则
输出:10部推荐电影
处理:如图3所示。
整个电影推荐的流程如图3所示。
首先,当用户通过浏览器登录系统之后,系统会判断用户是否为第1次使用,若用户为第1次进入本系统,则系统自动会搜寻是否有适合用户的关联规则,若有找出可用的规则,通过关联规则找出推荐电影,接着再挑选出5大热门的电影,最后检查是否共有10部电影之后将结果推荐给用户;否则假如在找不到可用的规则下,则直接对用户推荐最热门的10部电影。
其次,若在开始时判断出用户不是第1次进入本系统,则系统自动会搜寻是否有与用户适当的关联规则,如果发现有可用的规则,通过关联规则找出推荐电影,接着会由用户的交易记录推荐电影,如果搜寻规则时找不出可用的规则,则直接由用户的交易记录推荐电影,最后检查是否共有10部电影之后将结果推荐给用户。以下针对根据规则挑选电影以及根据用户交易记录推荐电影做详细介绍。
图4说明如何由关联规则找出推荐电影,系统首先检查关联规则右项的结论,当关联规则推论的结论为单项信息时,则直接执行以右项结论信息推荐电影,并从挑选出的结果中推荐前5部电影;如果结论为多项信息时,则先将复合的结论信息分离成单一的结论信息,并针对每项单一信息以右项结论信息推荐电影挑选出10部电影,最后针对所有的电影做交集,将交集成功的电影推荐优先次序排高,随后从结果挑选出前5部电影做出推荐[10]。
图5说明通过右项结论信息推荐电影,即从关联规则中的右项结论信息来产生推荐电影,首先判断出结论信息的种类,接着从同样类别的电影中根据电影挑选与排序原则之后再做挑选。
图6说明如何由用户的交易记录推荐电影。首先从用户的交易记录中找出用户最常看的5种电影类型,另外统计出用户是否对某演员的电影特别偏爱-即看过5部以上的某特定演员参与演出的电影。如果有则找出这个演员,将这个演员参与的电影挑选出来,并分析其电影类型,再对比之前选出的5种电影类型,将所有不符合那5种类型的电影独立集合成1种演员电影类型,接着将这6种类型电影(5种常看的电影类型+演员电影类型),分别按照比例计算出各种类型电影的推荐数目做推荐。
至于如何选择各类型中电影的问题,先从各电影类型中先挑出有这个演员演出的电影,如果单一电影类型没有这个演员演出的电影,则以电影挑选与排序原则挑选出电影做推荐;如果一开始就没有特定演员被选择超过5次的情况之下,就直接针对5种类型,各自按照比例计算出各种类型的电影的推荐数目,最后根据电影挑选与排序原则挑选出的电影来做推荐。
3 实验与测试
本节针对此推荐系统以实际数据做一实验测试。整个实验是以Visual C++6.0为开发工具,系统运行的计算机的操作系统为Windows 2003 Server,硬件环境为Pentium-4 3.0 GHz,2 GB RAM。实验数据是由模拟数据产生器所产生,共分为2种形式,如表2所示,第1种为10万笔,第2种为5万笔,其中交易的平均长度为12,项目种类为1 400种。
根据2种设定的数据量(T12.50K及T12.100K),各随机产生5种不同的测试数据,以求系统的稳定性。根据表3可以看到,在最低门限值设为1%时,数据T12.50K及资料T12.100K执行时间最低分别为14.19 s,最高为16.22 s,平均为15.21 s。结果显示系统在相同数据量所产生不同的测试数据下,所表现的时间均相当稳定,不会因为测试数据的不同而产生重大的变化,表示系统的可靠性很高,值得使用者信赖。另外,由表3亦可得知,系统产生的频繁项目集(Frequent Item sets)数目约20 000个,当使用者的个性在越长的频繁项目集出现的话,则认为推荐的电影有较高的准确性。系统执行数据查询时间如图7所示。故此实验中利用最低门限值来产生频繁项目集越长的话,表示此项预测出的推荐电影越准确。
4 结 语
本文提出并实际构建了一套基于B/S模式的个性化智能多媒体(电影)推荐系统。此系统利用数据挖掘的方式,以协同式信息过滤技术,另外辅以内容式信息过滤技术来对电影进行推荐,主要的特点为:
(1) 应用协同式信息过滤和数据挖掘的技术,在不需要用户提供主观的评价信息的情形下,能够针对用户的个人喜好做预测,将节目推荐给用户,推荐过程不仅能考虑个人的行为,并且还能够结合类似的群体行为,自动地建立一套自我学习推荐的模式,系统借着不断学习并分析用户观赏节目的特性,计算出最佳的多媒体视频推荐列表。
(2) 针对个性化方面,除了使用用户的交易行为来取代评价信息之外,通过会员制的方式能够取得用户的个人资料,再利用数据挖掘能有效的结合两者的信息。
(3) 系统摆脱以往被动的推荐方式,提供主动推荐的功能,让用户不需要时时上线查询最新多媒体信息,随时掌握最新的信息。
本研究提供个性化的智能视频推荐系统,当用户在通过网络使用多媒体视频时,系统会实时提供一份最新,而且根据用户的喜好程度排列的节目,并且以网络为基础,吸引网络消费群体,随着数字电视的逐渐普及,将能逐渐发展到家庭个人化视频推荐系统。因此,未来对电影不仅可使用静态的信息,而且可以进一步针对影片动态的实际内容做分析,加强内容式信息过滤技术,继续完善整个系统。
参考文献
[1]HAND D,MANNILA H,SMYTH P.数据挖掘原理[M].北京:机械工业出版社,2001.
[2]刘建国,周涛,汪秉宏.个性化推荐系统的研究进展[J].自然科学进展,2009,19(1):14-15.
[3]纪良浩,王国撒.基于协作过滤的个性化服务技术研究[J].计算机工程与设计,2008,29(4):983-986.
[4]杨炎,孙铁利,邱春艳.个性化推荐技术的研究[J].信息工程大学学报,2006(2):84-87.
[5]许海玲,吴潇,李晓东,等.互联网推荐系统比较[J].软件学报,2009,20(2):350-362.
[6]韩晓莉,李秉智.个性化Web推荐服务研究[J].计算机科学,2006,33(2):135-141.
[7]张娜,何建民.基于项目与客户聚类的协同过滤推荐方法[J].合肥工业大学学报:自然科学版,2007,30(9):1159-1162.
[8]王建东,叶飞跃,冯新宇,等.一种基于用户聚类的协同过滤推荐算法[J].系统工程与电子技术,2007,29(7):1175-1152.
[9]索琦,卢涛.基于关联规则的电子商务推荐系统研究[J].哈尔滨师范大学学报:自然科学版,2005,21(2):50-53.
智能个性化 篇10
系统采用B/A/S结构,即浏览器/Agent/服务器三层结构。其主要特点是分布运算和集中管理。客户端利用浏览器上网,使得这种结构的系统在任何可以访问Internet的地方都可以获取系统的服务。与C/S结构相比,这是一种“瘦客户”模式,有助于加快访问速度,占用客户端的资源很少,对客户端的软硬件要求较低,不再需要为不同的客户端安装不同的客户程序。而且,用户不直接和数据库服务器交互,减轻服务器负担,提高了系统数据的安全性。中间的Agent层负责沟通客户端和服务器端。
基于Agent的优越功能,提出了基于Agent的智能教学系统模型。如图1所示。
Browser层位于浏览器端,为用户提供友好的交互界面。客户端是统一的图形化用户界面,使用方便。用户按角色划分为学生、教师和管理者,分别为3种角色提供了3个界面,分别是学生界面、教师界面、管理界面。其中学生是服务的对象。不同的角色对系统的使用权限不同。其中管理者的权限最高,他负责对系统日常的维护,负责审核教师权限并授权。教师的主要任务是:管理教学资源,包括对习题和教学内容进行编辑、添加、修改;对专业知识进行分析,提取知识点,划分知识结构,根据专业知识的特点,确定教学内容的优先关系,确定教学内容的难度和重点度等。学生是系统的主要服务对象,学生由系统提供学习资料,在系统的指导下学习,最后完成系统要求的测试,努力达到预定的学习目标。
Agent层是提供智能化和个性化服务的核心。由6个A-gent组成,分别是学生Agent、教师Agent、教学Agent、管理Agent、通信Agent、个性分析Agent。
Server层由Web服务器和数据库服务器组成,提供数据服务和Web服务。这一层存放着系统的所有物理数据,管理各种教学资源,包括习题和教学知识(教学策略和教学方法),以及学生和教师的用户基本信息。
2 各个Agent的结构及功能
学生Agent是一类大量而分散的Agent。当学生登录后,系统自动生成一个对应的学生Agent,引导学生学习。生存周期是一个Session,功能主要包括:读取学生资料,生成用户界面;向教学Agent发送学生的上课申请,接收教学Agent发送的教学资料;个人控制自己的学习,调整进度;个人复习,考试申请;实时向教师Agent提问。记录用户访问曾经访问的网址及访问次数;记录学习状态,在下次登录时直接还原到用户上次退出时的学习环境,避免重复学习;提供书签、闹钟、备忘录等辅助服务。学生Agent之间的活动是相互独立的,不受其他Agent的限制;学生Agent之间也可以进行交流。学生Agent的结构如图2所示。
教师Agent[1]是该系统中的重要的Agent。此类Agent素质高低直接关系到网络学习效果。它是网络教学资源库主要建设者,有两大功能:其一,负责对知识库的知识进行有效管理;其二,负责对题库的测试题进行管理,完成添加、修改、删除等。此外,还要负责制定课程的学习目标、计划、进度等,负责对学生Agent在学习过程中遇到的问题进行答疑,批改试卷。教师Agent为教师提供服务界面,查看学生学习状况、批改试卷、回答学生提问等功能。教师Agent的结构如图3所示。
管理Agent[1]为系统管理人员提供系统管理和维护服务。负责对系统进行全面管理,保证系统正常运行。负责对用户授权,使不同用户具有不同的权限;负责对用户信息进行管理,如删除一个学生或教师用户,或对学生、教师的信息进行修改;负责对课程进行管理,如添加或删除一门课程等。管理Agent的结构如图4所示。
个性分析Agent负责在学生的整个学习过程中不断地分析学习者的学习状态,将分析结果存入学习者信息库,为其下一步学习做准备,提供资料。在学生的整个学习过程中,学生Agent为个性分析Agent提供分析依据———学习者的学习状况;个性分析Agent则利用这些资料进行分析,并将分析结果传给教学Agent,为学习者的学习提供指导,提供适合其知识水平的教学内容及难度适中的考试试卷。学生Agent和个性分析Agent及教学Agent之间的交互是最繁忙的,正是三者的不断交互为学习者营造了一个与众不同的个性化学习空间。
教学Agent在系统中履行现实中教师的职能。向学生发送学习资料;学生提出考试请求后,给学生出考题;对学生的学习行为进行分析,判断学生的学习能力,并进行记录,根据学生的学习能力记录,预测学生的识记能力、理解能力、应用能力和创新能力,安排合适的教学方法、内容和进度,实施针对性教学,从而实现因材施教。
通信Agent是Browser层、Server层以及各个Agent通信的桥梁,协调各Agent协作和作业调度。
3 系统的基本工作过程
学生用户在学生界面上填写登录信息,身份确认后生成一个学生Agent,学生Agent将学生信息保存到学生信息库中,并将学习请求提交给教学Agent。教学Agent根据学生行为库中对该用户学习能力的记录(非第一次登录该系统的学生)选择一个最优的教学方法,组织教学内容。如果是第一次登录,系统要求学生注册,将注册信息保存到学生信息库中。教学Agent向学生发送教学资料,学生Agent接收教学Agent发送的教学资料,自己控制学习速度。在学生的学习过程中,系统会向学生提供个性化教学服务。完成阶段学习后,可以向教学Agent提出考试申请。教学Agent根据学生所学知识生成一套难度适中的试题,学生答完之后,提交教师Agent批阅。在学习过程中,疑难问题可以通过教学Agent向教师A-gent提出,由教师Agent解答。
在本系统中,实现了对学生个性化教学。个性化服务[2]是指能够满足用户的个体信息需求的一种服务,即用户可以按照自己的目的和要求,在某一特定的网上服务中,设定信息的来源方式、表现形式、特定的功能及其他的信息服务方式等;或者是通过对用户个性、兴趣、心理和使用习惯的分析,而主动地向用户提供其可能需要的信息服务,这种服务首先是能够满足用户的信息需求。个性化服务就是在深入学习者的个性、行为、习惯、兴趣与爱好的基础上,并根据不同学习者的不同的习惯、兴趣及爱好,为不同的学习者提供更合适其个性特征及知识水平的教学内容、教学策略,提供给学习者更好的、更具有针对性的服务。
个性化服务主要是通过不断地对学习者的个性特征,例如行为、习惯进行提取,然后进行分析处理,最后根据处理结果系统提供给学生符合其特点或者爱好的知识。
个性分析Agent负责监控、分析学习者的学习行为,收集学习者的各种请求,查看学生以往的学习情况,根据这些记录为学生提供相应的教学资源,如组织和呈现教学资料,帮助学习者完成学习。当学习者通过身份认证登录到系统后,学生A-gent开始收集学生提出的各种请求,监控跟踪学习者的行为,这里收集的信息有学习者在什么时间学习什么知识、在学习过程中遇到了哪些问题、作业完成情况、测验成绩、回答问题对错情况,也可通过非在线的、在后台进行收集。所有这些信息都存入学习者个性数据库,个性分析Agent从学习者个性数据库中提取出这些信息,进行分析、处理后,根据处理结果,从课件库中抽取符合学习者个性特征和知识水平的知识点,通过个性化的学习者界面展现在学习者面前。考试时,同样根据个性数据库中的信息的处理结果,控制试题难度系数,从试题库中抽取符合学习者个性特征和知识水平的试卷。
4 Agent的实现
本系统选用JATLite作为智能Agent的开发工具。该平台提供一种快速构建Agent的方式,并为Agent之间的交流提供底层通信支持。JATLite是由美国斯坦福大学开发的Java类库。它包括5个层次:抽象层、基础层、KQML层、路由器层和协议层。开发者可以根据需要,方便地选择任意一层来创建系统,还可以根据需要扩展它所提供的类库,改变其中一层后,其他层不受影响。JATLite提供使用高级语言和协议创建代理的模板,利用其提供的通用平台,用户能够迅速快捷地创建自己的应用系统。
5 Agent之间的协作通信
通信机制是Agent间相互感知、信息沟通的基本途径,它包括通信方式、通信原语和通信内容3部分,表示为:
通信机制::=<通信方式>,<通信原语>,<通信内容>
通信方式::=<点-点通信>|<间接通信>|<约定通信>|<混合通信>
通信原语::=<公告>|<预约>|<请求>|<允诺>|<通知>|<拒绝>|<应答>
通信内容::=(<行为>,<源Agent>,<目标Agent>,<时间>,<原因>,<信息>)[3]
上述构造的多Agent智能教学系统模型的通信机制采用KQML语言实现。KQML(Knowledge Query and Manipulation Language)是一种较为成熟的Agent通信语言和通信协议,其通信动作和通信内容无关,能够传递不同的数据。它支持A-gent的高层通信,能在多Agent间共享知识。
摘要：在分布式网络环境下,根据Agent的原理,构建多Agent网络智能教学系统。
关键词：智能教学,多Agent
参考文献
[1]汪前进.基于Agent的智能教学系统[D].硕士论文.南京理工大学,2003.