论文网
网络教育类有关论文范文,与基于QoS偏好相似度的网络教育服务推荐相关论文格式范文
本论文是一篇网络教育类有关论文格式范文,关于基于QoS偏好相似度的网络教育服务推荐相关在职研究生毕业论文范文。免费优秀的关于网络教育及学习者及可靠性方面论文范文资料,适合网络教育论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
他人使用以合作建构知识或赢利.通过审查而注册到教育服务库中的教育服务是具有功能性和非功能性属性描述的“黑匣子”,接受社区中所有学习者的访问和调用.学习者带着对网络教育服务的不同需求访问教育服务库.学习者的需求有些是显性的（如对教育服务的教学内容、功能、类型、价格等的需求）,有些是隐性的（如对教学服务的下载速度、安全性等的需求）,显性的需求可以通过系统提供的搜索工具检索获取,而隐性的需求很难用检索条件描述.大部分显性需求是对教育服务功能性属性的需求,QoS属性一部分可以显示表达,一部分只能在接受服务的过程中不断感知.学习者通过检索获得需要的教育服务后,在使用过程中体验其服务质量,并在使用后对其服务质量进行评价.汇总大量用户的诚实评价以及系统对教育服务过程的监控数据,可以获得教育服务QoS的相关信息,记录在反馈QoS库中,它是计算每个教育服务的服务质量的数据基础.
学习者在搜索、使用、评价教育服务的过程中,系统通过一定的感知技术获得学习者对教育服务QoS的需求偏好,与学习者的基本信息一起保存在用户信息库中.
搜索工具只能提供显性的功能性属性的查询,在满足功能性属性查询条件后,推荐系统根据学习者的QoS偏好信息,对反馈QoS库中教育服务的QoS属性数据进行相似度和加权计算,与当前学习者QoS偏好相似度高的学习者的评价数据以及与当前学习者QoS偏好相关的教育服务QoS属性数据,在教育服务QoS汇总值聚合计算中将有相对更高的权重,依据教育服务QoS汇总值动态生成符合当前学习者QoS偏好的教育服务排序序列.
图1展示了学习者向网络教育服务推荐系统请求教育服务、网络教育服务推荐系统通过一系列操作反馈推荐列表给学习者、学习者使用教学服务后对教育服务的QoS进行评价反馈的模式和过程.由该模型可以看出,基于学习者QoS偏好的教育服务推荐系统具有很好的自治性和自适应性,随着数据量的增加,学习者的个体需求能够不断得到更好的满足,教育服务能够得到均衡、有效的利用,形成良好的优胜劣汰的教育服务生态系统.
四、推荐方法
（一）教育服务的QoS及其量化处理
设ES是网络教育服务,它由功能性属性和非功能性属性来描述,记为ES（F,Q）,其中,F是功能性属性,Q是以QoS为代表的非功能性属性.教育服务的QoS一般有若干属性组成,表示成Q（q1,q2,等,qn）,qi为教育服务QoS的第i个属性.对于不同类型的教育服务,其QoS属性的个数和表示也不相同,关于教育资源、教学系统等教育服务的QoS属性,众多文献[19][20][21]已经做过相应的研究.
教育服务库中m个教育服务的n维QoS属性经过不断的服务请求与交易,获得了k个学习者的评价,这些评价数据如图2（a）所示.采用一定的方法（如平均法）对k个学习者的评价数据进行汇总,得到如图2（b）所示的矩阵FQ,矩阵中的行表示第i个教育服务ESi的各个QoS属性的汇总值,列表示所有教育服务的第j个QoS属性的汇总值,即Qij（i 由推荐模型和上述QoS属性值的量化处理可以看出,先前的学习者对教育服务的QoS评价数据是推荐的基础.在实际应用中,我们采用李克特表的方法,来设计学习者的评价,每个QoS的属性值取值范围是[1,5].但是,每个QoS属性的语义不同,值的含义也不同,如响应时间是越小越好,可靠性是越大越好,因此,需要对QoS数据进行归一化处理.利用现有方法,[22]由公式（1）处理负属性（取值越大,QoS越低,如响应时间、服务价格）,由公式（2）处理正属性（取值越大,QoS越高,如可靠性）.其中,qij和uij分别为某个QoS属性数据标准化之前和之后的值,qmax和qmin分别为该QoS属性在所有用户反馈中的最大和最小值. 1.学习者的QoS偏好模型 在自适应的个性化学习系统中,每个学习者都有独特的学习风格和特点,具有不同的学习偏好或需求.学习者在教育服务请求中对教育服务QoS的偏好也不同,例如,有的学习者更偏爱交互性强的教育服务,对响应时间要求较高,对教育服务的适应性没有特别要求；而有的学习者看重教育服务的可靠性和适应性,不能容忍教育服务的失效和不兼容性,对交互性没有特别要求等.在系统冷启动状态下,学习者的QoS偏好由调查表静态获取,随着学习者参与教育服务的请求和反馈,其偏好信息将动态更新. 用EQ（EQ1,EQ2,等,EQn）表示学习者的QoS偏好模型,某个学习者的QoS偏好表示为：EQi（eqi1,eqi2,等,eqin）,其中eqij是学习者i对教育服务QoS的第j个属性的偏好值,偏好值的取值范围是[0,5],值越大,对该QoS属性越偏好.所有学习者的QoS偏好信息以矩阵EQ保存在用户信息库中.2.学习者偏好相似度 具有相似偏好的学习者在进行教育服务QoS评价时往往具有相似的评价偏好,因此,偏好相似度高的学习者的评价在所有评价中具有更高的参考价值. 把偏好矩阵EQ中每个学习者的QoS偏好看作是n维向量,通过向量间的余弦夹角度量的方法,[23]计算学习者之间的偏好相似度. 学习者ui和学习者uj的QoS偏好向量ui和uj分别为：ui等于（eqi1,eqi2,等,eqin）和uj等于（eqj1,eqj2,等,eqjn）,则学习者ui和学习者uj的QoS偏好相似度rsij定义为： 利用公式（3）对学习者QoS偏好矩阵EQ进行学习者的偏好相似度的计算,得到学习者偏好相似度矩阵RS,RS是一个对角线为1的对称矩阵. （三）基于QoS偏好相似度的QoS汇总值计算与推荐 设当前学习者提出教育服务的请求初步得到满足,其功能属性需求的教育服务集合ES等于（ES1,ES2,等,ESm）,每个教育服务都有若干个学习者对其进行了评价反馈,第d个学习者对第i个教育服务的第j个QoS属性的评价记为. 已知学习者的QoS偏好为：EQt（eq1,eqt2,等,eqtn）,利用公式（3）可以算出当前学习者的QoS偏好与k个学习评价者QoS偏好的相似度RSt（rst1,rst2,等,rstk）.记： 则教育服务集合中第i个教育服务的QoS汇总值为： 公式（4）中,首先按当前学习者的QoS偏好对评价数据进行处理,偏好高的QoS属性具有更高的权值；接着,对不同学习者的评价按其与当前学习者的相似度进行加权,相似度高的学习者的评价具有更高的权值.由公式（4）可以获得所有教育服务的QoS汇总值,记为,这些教育服务的QoS汇总值是体现当前学习者偏好的个性化数值,对F中教育服务QoS汇总值进行排序,可以获得针对当前学习者的教育服务推荐列表,向当前学习者ut进行个性化教育服务的推荐. 为了验证本文推荐方法的可行性和准确度,在局域网中搭建测试系统,共有一台服务器和四台PC机.服务器作为教育服务注册存储服务器,四台PC机作为学习者请求的系统终端机. 在系统中注册60个教育服务,以数据库、数据结构、操作系统、C语言等四门课程作为不同功能的服务,可表示为（DB,DS,OS,C）,每门 网络教育类有关论文范文,与基于QoS偏好相似度的网络教育服务推荐相关论文格式范文参考文献资料：五、模拟实验与验证
