- 相關(guān)推薦
淺析貝葉斯網(wǎng)絡(luò )在自適應超媒體系統中應用研究
論文關(guān)鍵詞：貝葉斯網(wǎng)絡(luò ) 自適應超媒體 用戶(hù)模型
論文摘要：本文通過(guò)分析超媒體系統中的不確定性因素，引A．T貝葉斯網(wǎng)絡(luò )方法。在介紹貝葉斯網(wǎng)絡(luò )概念的基礎上，分析了貝葉斯網(wǎng)絡(luò )的優(yōu)化方案，討論了自適應超媒體系統中貝葉斯網(wǎng)絡(luò )構造過(guò)程。
在自適應超媒體系統中，其關(guān)鍵技術(shù)之一就是用戶(hù)建模，可以說(shuō)，用戶(hù)模型既是自適應超媒體系統的特點(diǎn)，也是難點(diǎn)。用戶(hù)建模技術(shù)將需要處理眾多的不確定因素，例如，如何準確評估用戶(hù)的知識程度、如何準確預測用戶(hù)的學(xué)習目標、如何選取合適的學(xué)習計劃等都是一個(gè)值得深入研究的問(wèn)題。
這些問(wèn)題都涉及到用戶(hù)模型的兩個(gè)功能：評估和預測。而自適應超媒體系統能否準確生成合適的自適應內容和自適應導航，對用戶(hù)的不確定信息的準確評估是關(guān)鍵因素。而貝葉斯網(wǎng)絡(luò )最大的優(yōu)點(diǎn)就是處理不確定信息，因此本文將主要探討貝葉斯網(wǎng)絡(luò )技術(shù)在自適應超媒體系統中的應用。
1超媒體系統中的不確定性
在自適應超媒體系統中，用戶(hù)建模過(guò)程中存在的不確定性因素最多，用戶(hù)模型就是在眾多的不確定因素的基礎上做出對用戶(hù)的評估和預測。用戶(hù)模型需要處理的不確定因素主要有如下幾類(lèi)。
(1)關(guān)于用戶(hù)領(lǐng)域知識的初始掌握程度的不確定性。用戶(hù)對領(lǐng)域內的知識掌握程度一般是無(wú)法確切衡量的。例如在超媒體系統中，學(xué)生的知識水平就存在很大的不確定性，這種不確定性在實(shí)際的課堂教學(xué)中也無(wú)法完全排除。一個(gè)超媒體系統在初始化階段，分析用戶(hù)在使用這樣的系統之前的掌握程度，一般是通過(guò)一組或幾組問(wèn)題進(jìn)行測試。如果測試的問(wèn)題過(guò)多，用戶(hù)對于系統的興趣就會(huì )受到影響，因此大部分的系統在初始化測試時(shí)，所采用的問(wèn)題一般非常有限，這樣對于用戶(hù)領(lǐng)域知識的初始化程度就無(wú)法很準確的評估。
(2)用戶(hù)的瀏覽動(dòng)作與知識掌握程度之間關(guān)系的不確定性。雖然系統能夠精確記錄下用戶(hù)與超媒體系統交互的動(dòng)作的時(shí)間，但是，對每一個(gè)用戶(hù)而言，完成閱讀每一個(gè)信息節點(diǎn)的“合適”的時(shí)間是無(wú)法確切衡量的。一種方法是通過(guò)其他途徑獲得每一個(gè)用戶(hù)的閱讀速度，但這不是所有系統能夠獲取的信息。
(3)用戶(hù)的瀏覽動(dòng)作和目標的聯(lián)系的不確定性。認知學(xué)的研究成果表明，這種不確定尤其表現在用戶(hù)初期使用系統的時(shí)候，出于好奇心理，嘗試瀏覽可能和他本身不感興趣的內容。而這些動(dòng)作有可能對系統在預測用戶(hù)的瀏覽目標時(shí)帶來(lái)不利的影響。
2貝葉斯網(wǎng)絡(luò )
貝葉斯網(wǎng)絡(luò )是一個(gè)概率推理機制，它在概率論的基礎上進(jìn)行不確定推理。貝葉斯網(wǎng)絡(luò )為在某一特定應用領(lǐng)域中描述隨機變量之間的概率獨立性提供了一個(gè)圖形化的表達方式，以及利用這些獨立進(jìn)行復雜的概率推理的算法…。
2．1貝葉斯網(wǎng)絡(luò )的定義
貝葉斯網(wǎng)絡(luò )又稱(chēng)為信念網(wǎng)絡(luò )，是一種圖型化的模型，能夠圖形化地表示一組變量間的聯(lián)合概率分布函數。一個(gè)貝葉斯網(wǎng)絡(luò )包括了一個(gè)結構模型和與之相關(guān)的一組條件概率分布函數。結構模型是一個(gè)有向無(wú)環(huán)圖，其中的節點(diǎn)表示了隨機變量，是對于過(guò)程、事件、狀態(tài)等實(shí)體的某特性的描述，邊則表示變量間的概率依賴(lài)關(guān)系。圖中的每個(gè)節點(diǎn)都有一個(gè)給定其父節點(diǎn)情況下該節點(diǎn)的條件概率分布函數。這樣，一個(gè)貝葉斯網(wǎng)絡(luò )就用圖形化的形式表示了如何將與一系列節點(diǎn)相關(guān)的條件概率函數組合成為一個(gè)整體的聯(lián)合概率分布函數J。具體定義如下：
定義：設V={x，x2……X}是值域u上的n個(gè)隨機變量，則值域U上的貝葉斯網(wǎng)絡(luò )BN(B。，B)，其中：
(1)B|=(V，E)是一個(gè)定義在V上的有向無(wú)環(huán)圖(DAG)，V是該DAG的節點(diǎn)集，E是該DAG的邊集。如果存在一條節點(diǎn)Xi到節點(diǎn)X的有向邊，則稱(chēng)Xi是Xi的父節點(diǎn)，Xi是Xi的子節點(diǎn)。記Xi的所有父節點(diǎn)為誠。
(2)Bp={P()(il)6-[0，1]}lxi∈V，對于V中的每個(gè)節點(diǎn)，定義了一組條件概率分布函數P(Xl)∈[0，1]。
由貝葉斯網(wǎng)絡(luò )，利用貝葉斯公式，我們很容易得到X的全概率分布函數：
P(x)=P(x。，x2……XⅡ)=liP(Xl)，誠是Xi的所有父節點(diǎn)。
2．2貝葉斯網(wǎng)絡(luò )的優(yōu)化
貝葉斯網(wǎng)絡(luò )的主要用途是進(jìn)行概率推理。在已知網(wǎng)絡(luò )中某些節點(diǎn)概率值的情況下，利用貝葉斯網(wǎng)絡(luò )計算可以獲得其它節點(diǎn)的條件概率。這種推理可以形象的稱(chēng)為條件概率的“”。然而，一般的貝葉斯網(wǎng)絡(luò )推理都存在一個(gè)“NP—Hard”問(wèn)題J。當貝葉斯網(wǎng)絡(luò )中不存在無(wú)向環(huán)的結構時(shí)，可以找到多項式時(shí)間算法，為了將一般的貝葉斯網(wǎng)絡(luò )改造為不含無(wú)向環(huán)的貝葉斯網(wǎng)絡(luò )，通常采用以下兩種方法。
(1)聚簇。如圖l所示，將圖中的節點(diǎn)B和C合并成一個(gè)節點(diǎn)，從而消除圖l(a)中的有向環(huán)，這種方法稱(chēng)作聚簇。
(2)條件分割。設變量A的取值范圍為：A。，A2，…，，則將原來(lái)的貝葉斯網(wǎng)絡(luò )分割成n個(gè)網(wǎng)絡(luò )，分別是A=A。，A=A2，…，A：。這種方法稱(chēng)作分割，如圖2所示。
(3)貝葉斯網(wǎng)絡(luò )舉例。圖3顯示了一個(gè)貝葉斯網(wǎng)絡(luò )的例子，它模型化了下述的二進(jìn)制變量：變量a表示病人的年齡大于75歲，變量b表示病人需要戴眼鏡，變量c表示病人眼中出現晶狀體，變量v表示病人的視力由于瞇眼而有所提高，變量s表示病人抱怨視力差，變量r表示病人的視網(wǎng)膜反射可察覺(jué)。在這個(gè)貝葉斯網(wǎng)絡(luò )中，變量a與b之間的弧表明相對于其它變量，a與g是直接依賴(lài)的。變量a與s之間沒(méi)有弧相連，它們是通過(guò)變量b與C而發(fā)生依賴(lài)關(guān)系。
變量間依賴(lài)的強弱由條件概率分布函數Bp量化。例如，當a為真，b為真的概率為P(b=TIa=T)=0．75。當給定了變量的父節點(diǎn)的值后，該變量為假的條件概率可以從此變量為真的條件概率中推導出來(lái)，在此就沒(méi)有給出。
3自適應超媒體系統中貝葉斯網(wǎng)絡(luò )的構造
一個(gè)貝葉斯網(wǎng)絡(luò )由網(wǎng)絡(luò )結構表示其定性部分，由條件概率分布函數表示其定量部分。這兩部分必須加以指明以構成一個(gè)貝葉斯網(wǎng)絡(luò )，之后在一個(gè)系統中被用作推導引擎。在超媒體系統中，構造貝葉斯網(wǎng)絡(luò )分為四個(gè)階段。
(1)定義域變量。在某一領(lǐng)域，確定需要哪些變量描述該領(lǐng)域的各個(gè)部分，以及每個(gè)變量的確切含義。
(2)確定網(wǎng)絡(luò )結構。由專(zhuān)家確定各個(gè)變量之間的依賴(lài)關(guān)系，從而獲得該領(lǐng)域內的網(wǎng)絡(luò )結構。在確定網(wǎng)絡(luò )結構時(shí)必須注意要防止出現有向環(huán)。
(3)確定條件概率分布函數。通過(guò)由專(zhuān)家確定的網(wǎng)絡(luò )結構中每個(gè)變量的條件概率分布函數，量化變量之間的依賴(lài)關(guān)系。
(4)應用到實(shí)際系統。運用到實(shí)際系統中，利用系統搜集的數據，經(jīng)過(guò)計算和分析，調整貝葉斯網(wǎng)絡(luò )的網(wǎng)絡(luò )結構和各變量的條件概率分布函數，對貝葉斯網(wǎng)絡(luò )進(jìn)行優(yōu)化。
在實(shí)際應用中，在每一個(gè)階段之后，都要進(jìn)行評估，考察前面的階段是否被成功地執行。每當發(fā)現前面階段所得的結論不充分時(shí)，前一個(gè)階段將被再次執行，否則，前進(jìn)到下一階段。每個(gè)階段發(fā)生的錯誤應被及時(shí)更正，在早期產(chǎn)生的錯誤若在后期加以更正將比在早期更正花費更大的代價(jià)。我們稱(chēng)重復經(jīng)歷某個(gè)階段并進(jìn)行評估的過(guò)程為建立一測試期(budd—textcycle)，據此，我們構建了自適應超媒體系統貝葉斯網(wǎng)絡(luò )構造生命周期圖，如圖4所示。
在某一特定領(lǐng)域構造貝葉斯網(wǎng)絡(luò )是一件非常困難并且也費時(shí)的工作。這種困難一方面來(lái)自于某些領(lǐng)域過(guò)于復雜，即使該領(lǐng)域的專(zhuān)家也無(wú)法完全正確的描述該領(lǐng)域的因果關(guān)系，這影響了貝葉斯網(wǎng)絡(luò )的網(wǎng)絡(luò )結構的構造；而另一方面，人們擅長(cháng)于描述定性的關(guān)系，而不擅長(cháng)描述定量的關(guān)系，這直接造成了在確定條件概率分布函數時(shí)的困難。
利用數據庫中的大量原始數據，經(jīng)過(guò)計算、分析，自動(dòng)構造貝葉斯網(wǎng)絡(luò )的網(wǎng)絡(luò )結構和條件概率分布函數的方法，是一個(gè)能夠有效降低貝葉斯網(wǎng)絡(luò )構造工作量的途徑，這方面的研究成為貝葉斯網(wǎng)絡(luò )學(xué)習問(wèn)題，最近幾年，研究者提出了許多自動(dòng)學(xué)習貝葉斯網(wǎng)絡(luò )的算法，在此不再贅述。
4結語(yǔ)
超媒體系統中存在著(zhù)眾多的不確定因素，這促使研究者求助于概率理論中的貝葉斯網(wǎng)絡(luò )方法，并由此發(fā)展成為目前人工智能領(lǐng)域中研究日益廣泛的一個(gè)分支一貝葉斯網(wǎng)絡(luò )。貝葉斯網(wǎng)絡(luò )為超媒體系統提供了一種有效的推理機制，但是如何根據超媒體系統的特點(diǎn)構造一個(gè)有效、準確的貝葉斯網(wǎng)絡(luò )將成為今后發(fā)展的重點(diǎn)。
【淺析貝葉斯網(wǎng)絡(luò )在自適應超媒體系統中應用研究】相關(guān)文章：
基于貝葉斯網(wǎng)絡(luò )時(shí)序模擬推理的配電網(wǎng)可靠性評估11-19
淺析網(wǎng)絡(luò )招生錄取系統的設計與實(shí)現03-29
淺析地理信息系統軟件在房產(chǎn)測繪管理中的應用研究03-07
淺析網(wǎng)絡(luò )交際中的語(yǔ)言變異11-18
淺析無(wú)線(xiàn)蜂窩通信系統中的定位技術(shù)03-27
自適應繼電保護原理及其應用研究03-07
MIMO系統中的自適應分數間隔均衡器研究11-22