淺析Web挖掘在個性化學(xué)習(xí)系統(tǒng)中的應(yīng)用*

麥曉冬

摘 要：Web技術(shù)的進(jìn)步帶動了網(wǎng)絡(luò)教育的發(fā)展，越來越多的學(xué)習(xí)者要求個性化的學(xué)習(xí)服務(wù)。將Web數(shù)據(jù)挖掘技術(shù)引入個性化學(xué)習(xí)系統(tǒng)中，能使其個性化服務(wù)水平提高。本文介紹了Web數(shù)據(jù)挖掘的概念和分類，說明了挖掘的具體過程，重點(diǎn)介紹了基于Web數(shù)據(jù)挖掘的個性化學(xué)習(xí)模型的構(gòu)建模塊，并以此構(gòu)建了相應(yīng)的模型。

關(guān)鍵詞：Web數(shù)據(jù)挖掘；個性化；學(xué)習(xí)模型

中圖分類號：G434，TP311 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-8454（2014）07-0074-03

引言

近年來，互聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用和不斷發(fā)展，基于Web技術(shù)的網(wǎng)絡(luò)教育逐漸成為利用社會優(yōu)勢教育資源的一種途徑。但只是簡單地將網(wǎng)頁技術(shù)與數(shù)據(jù)庫技術(shù)應(yīng)用到網(wǎng)絡(luò)教學(xué)中，還是無法滿足不同層次學(xué)生的需求。我們都非常清楚，每一個學(xué)習(xí)個體在學(xué)習(xí)興趣、學(xué)習(xí)基礎(chǔ)、接受能力等方面都存在著極大的差異性，所以要實現(xiàn)真正的“因材施教”，就必須構(gòu)建一個個性化的學(xué)習(xí)環(huán)境平臺，提供給不同的學(xué)習(xí)個體個性化的教育服務(wù)。

要實現(xiàn)個性化學(xué)習(xí)服務(wù)，關(guān)鍵是要對大量學(xué)習(xí)個體的行為模型進(jìn)行深層理解，再從中發(fā)現(xiàn)其個性化的學(xué)習(xí)需求。有學(xué)者提出將協(xié)同過濾法（Collaborative Filtering）或者基于內(nèi)容過濾法（Content-based Filtering）應(yīng)用到這個問題上，但是這些方法在處理大量學(xué)習(xí)個體行為模型等海量數(shù)據(jù)上力不從心。如何從這些海量數(shù)據(jù)源中發(fā)現(xiàn)有用的知識或者模式，成為實現(xiàn)個性化學(xué)習(xí)服務(wù)的關(guān)鍵問題。本文提出，可將傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)和 Web 技術(shù)結(jié)合起來的Web數(shù)據(jù)挖掘技術(shù)應(yīng)用到個性化學(xué)習(xí)系統(tǒng)的實現(xiàn)。

一、Web數(shù)據(jù)挖掘的基本概念及分類

Web數(shù)據(jù)挖掘（Web Data Mining ），簡稱 Web挖掘，是從Web文檔和Web活動中發(fā)現(xiàn)和抽取潛在的、用戶感興趣的有用模式和隱藏的知識。它以從Web的海量數(shù)據(jù)中挖掘有用知識為目標(biāo)，將傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)與Web相結(jié)合，并綜合運(yùn)用了統(tǒng)計學(xué)、計算機(jī)網(wǎng)絡(luò)、數(shù)據(jù)庫與數(shù)據(jù)倉庫、可視化等眾多領(lǐng)域的技術(shù)。[1]根據(jù)Web上數(shù)據(jù)的三種類型（Web內(nèi)容數(shù)據(jù)、Web結(jié)構(gòu)數(shù)據(jù)以及用戶訪問數(shù)據(jù)），Web挖掘相應(yīng)可分為三類：Web內(nèi)容挖掘（Web Content Mining）、Web結(jié)構(gòu)挖掘（Web Structure Mining）和Web使用的挖掘（Web Usage Mining），如圖1 所示。[2][3]

1.Web內(nèi)容挖掘

Web內(nèi)容挖掘主要是幫助我們抽取出Web文檔的內(nèi)容中有用的、有價值的知識，提高信息利用率。由于 Web文檔主要是由文本及多媒體數(shù)據(jù)組成，所以，Web內(nèi)容挖掘可分為文本挖掘和多媒體挖掘兩種。文本挖掘的主要工作是對Web文檔文本進(jìn)行總結(jié)、類、聚類、關(guān)聯(lián)分析等。多媒體挖掘的主要工作是對 Web上的聲音、圖形、圖像信息等多媒體數(shù)據(jù)的挖掘。

2.Web結(jié)構(gòu)挖掘

Web結(jié)構(gòu)挖掘是幫助我們從Web頁的組織結(jié)構(gòu)和超鏈接關(guān)系以及Web文檔自身的鏈接結(jié)構(gòu)信息中抽取出有用的知識，可分超鏈接挖掘、內(nèi)部結(jié)構(gòu)挖掘和URL挖掘。超鏈接挖掘可分析出文檔之間的包含、從屬、相關(guān)、引用等聯(lián)系。內(nèi)部結(jié)構(gòu)挖掘通過使用樹型邏輯結(jié)構(gòu)對html 頁面進(jìn)行頁面的內(nèi)部結(jié)構(gòu)特征的分析。URL挖掘可分析出web頁面的類型，以及會反映web頁面之間的目錄結(jié)構(gòu)關(guān)系。通過Web結(jié)構(gòu)挖掘，可以總結(jié)網(wǎng)站和網(wǎng)頁的結(jié)構(gòu)，對網(wǎng)頁進(jìn)行分類和聚類，推導(dǎo)出網(wǎng)站間相似性、網(wǎng)站間關(guān)系的信息、網(wǎng)頁之間的聯(lián)系、重要頁面等有用信息。

3.Web使用挖掘

Web使用挖掘是幫助我們抽取出Web用戶的活動模式。其挖掘的數(shù)據(jù)對象包括Server log、用戶注冊數(shù)據(jù)、用戶訪問內(nèi)容、停留時間、用戶查詢、書簽數(shù)據(jù)和鼠標(biāo)移動點(diǎn)擊等所有用戶與Web之間可能的交互記錄的信息。Web使用記錄挖掘應(yīng)用的技術(shù)主要有路徑分析、關(guān)聯(lián)規(guī)則分析、序列模式分析、聚類分析、統(tǒng)計分析等。通過Web使用挖掘，可以發(fā)現(xiàn)Web站點(diǎn)活動用戶在該站點(diǎn)的訪問模式等有用信息。在個性化學(xué)習(xí)系統(tǒng)中，活動用戶就是每一個學(xué)習(xí)個體。

二、挖掘流程

Web挖掘的流程一般是數(shù)據(jù)的采集、預(yù)處理、模式發(fā)現(xiàn)、模式的分析及其應(yīng)用等4個步驟。

1.數(shù)據(jù)采集

數(shù)據(jù)采集是Web挖掘的基礎(chǔ)。我們必須根據(jù)不同的挖掘目的，確定收集站點(diǎn)活動用戶哪一類型的數(shù)據(jù)。Web內(nèi)容挖掘是從Web自身資源中收集文本和多媒體等信息；Web結(jié)構(gòu)挖掘是收集頁面內(nèi)部結(jié)構(gòu)、頁面之間的結(jié)構(gòu)、URL等邏輯結(jié)構(gòu)信息；Web使用挖掘從服務(wù)器端和客戶端來收集學(xué)習(xí)個體在Web站點(diǎn)中交互記錄的數(shù)據(jù)，如IP地址、URL、用戶注冊數(shù)據(jù)、訪問停留時間等。

2.預(yù)處理

預(yù)處理是分析采集到的數(shù)據(jù)，抽取其特征并按結(jié)構(gòu)化的形式保存。Web內(nèi)容挖掘的預(yù)處理是把網(wǎng)頁中的文本、圖片及其他文件轉(zhuǎn)換成挖掘算法可用的形式；Web結(jié)構(gòu)挖掘的預(yù)處理是把Web的頁面結(jié)構(gòu)進(jìn)行分析、變形成適用于挖掘系統(tǒng)的形式；Web使用挖掘的預(yù)處理是對學(xué)習(xí)個體在訪問網(wǎng)站停留期間的交互信息進(jìn)行過濾、補(bǔ)充、識別，并轉(zhuǎn)換成挖掘算法可用的形式。

采集到的數(shù)據(jù)在完成數(shù)據(jù)預(yù)處理之后，一些特殊原因可能導(dǎo)致預(yù)處理出來的結(jié)果數(shù)據(jù)是特殊實例或噪聲數(shù)據(jù)，所以還需要進(jìn)行消噪處理。

3.模式發(fā)現(xiàn)

模式發(fā)現(xiàn)就是要挖掘出學(xué)習(xí)個體的訪問模式，是整個挖掘過程的關(guān)鍵。運(yùn)用一種合理的挖掘算法或綜合應(yīng)用不同的算法，對預(yù)處理完成后的“消噪”數(shù)據(jù)進(jìn)行分析處理，最終發(fā)現(xiàn)活動用戶的訪問模式。挖掘算法主要是關(guān)聯(lián)規(guī)則分析、聚類和分類技術(shù)、統(tǒng)計分析以及時序模式技術(shù)等。

4.模式分析及其應(yīng)用

模式分析及其應(yīng)用就是將被挖掘發(fā)現(xiàn)的學(xué)習(xí)個體訪問模式，運(yùn)用可視化、聯(lián)機(jī)分析和智能查詢機(jī)制等技術(shù)加以分析評價，把一個容易被理解和接受的顯示結(jié)果提供給系統(tǒng)使用。

三、基于Web挖掘的個性化學(xué)習(xí)模型

根據(jù)前文對Web挖掘技術(shù)的描述，我們提出將Web挖掘技術(shù)應(yīng)用到個性化學(xué)習(xí)系統(tǒng)的建設(shè)工作的思路，給出一個基于Web挖掘的個性化學(xué)習(xí)模型。

成熟的個性化學(xué)習(xí)系統(tǒng)，要實現(xiàn)智能判斷學(xué)習(xí)個體感興趣和不感興趣的點(diǎn)在哪里，并運(yùn)用數(shù)據(jù)挖掘與學(xué)習(xí)內(nèi)容綁定的技術(shù)，實現(xiàn)在學(xué)習(xí)個體學(xué)習(xí)過程中以可視化方式指導(dǎo)其學(xué)習(xí)和個性發(fā)展。作為個性化學(xué)習(xí)系統(tǒng)的基礎(chǔ)和核心，模型的質(zhì)量直接影響個性化學(xué)習(xí)系統(tǒng)的質(zhì)量。[4][5]

構(gòu)建的個性化學(xué)習(xí)模型如圖2所示。它由5大模塊組成：用戶模塊、教學(xué)資源庫模塊、個人學(xué)習(xí)信息庫模塊、基于Web挖掘的模塊以及Web服務(wù)器模塊。

1.教學(xué)資源庫

教學(xué)資源庫向?qū)W習(xí)個體提供豐富的教學(xué)資源內(nèi)容，包括課件庫、作業(yè)庫、答疑庫、案例庫等。教學(xué)資源庫中的資源將通過Web服務(wù)器調(diào)用提供給學(xué)習(xí)個體使用。

2.個人學(xué)習(xí)信息庫模塊

該模塊起到兩個目的，一是保存學(xué)習(xí)個體的如姓名、ID、密碼、性別、昵稱、e-mail地址等靜態(tài)資料。二是保存學(xué)習(xí)個體的學(xué)習(xí)歷史、課程進(jìn)度、觀看頻率、停留時間等學(xué)習(xí)行為的動態(tài)信息。靜態(tài)資料是身份驗證的憑證，用于登錄學(xué)習(xí)系統(tǒng)。動態(tài)信息是系統(tǒng)精確記錄學(xué)習(xí)者的學(xué)習(xí)信息。

3.基于Web挖掘的模塊

該模塊可以在Web服務(wù)器上智能分析學(xué)習(xí)個體的學(xué)習(xí)動態(tài)信息，它是建立整個個性化學(xué)習(xí)系統(tǒng)的關(guān)鍵。為提高個性化學(xué)習(xí)系統(tǒng)的分析質(zhì)量，我們在此模型中運(yùn)用Web挖掘技術(shù)中的Web使用挖掘?qū)W(xué)習(xí)動態(tài)信息進(jìn)行數(shù)據(jù)挖掘。

該模塊利用保存在個人學(xué)習(xí)信息庫中的數(shù)據(jù)，首先對這些數(shù)據(jù)進(jìn)行預(yù)處理，如補(bǔ)充學(xué)習(xí)個體訪問路徑、清除與挖掘無關(guān)的信息、用戶識別和事務(wù)識別等處理，完成預(yù)處理之后會生成學(xué)習(xí)個體訪問信息的原始信息數(shù)據(jù)庫。[6]然后運(yùn)用應(yīng)用關(guān)聯(lián)規(guī)則分析、分類和聚類技術(shù)、序列模式等數(shù)據(jù)挖掘算法對該數(shù)據(jù)庫進(jìn)行模式發(fā)現(xiàn)和分析。最后通過可視化等模式分析技術(shù)的處理，將挖掘結(jié)果以學(xué)習(xí)個體可以理解和接受的方式呈現(xiàn)。在這個過程中，模塊會不斷完善學(xué)習(xí)個體的行為模式，并同步更新到個人學(xué)習(xí)信息庫中。

4.Web服務(wù)器模塊

該模塊是整個模型的中間調(diào)度組件，適合學(xué)習(xí)個體的學(xué)習(xí)策略和學(xué)習(xí)內(nèi)容，就是通過這個模塊反饋給登錄到學(xué)習(xí)系統(tǒng)的學(xué)習(xí)個體。

四、模型的工作方式

學(xué)習(xí)個體訪問個性化學(xué)習(xí)系統(tǒng)，登錄之后，進(jìn)入的是個性化學(xué)習(xí)環(huán)境，其學(xué)習(xí)資源是由系統(tǒng)通過個性化處理引擎推送給學(xué)習(xí)個體的。

Web挖掘模塊對保存在個人學(xué)習(xí)信息庫中的學(xué)習(xí)個體動態(tài)學(xué)習(xí)信息進(jìn)行挖掘分析，挖掘處理后發(fā)現(xiàn)的應(yīng)用模式再作用于Web服務(wù)器，個性化的學(xué)習(xí)資源就是依此模式挖掘挑選出來并推送給學(xué)習(xí)個體的。

五、結(jié)束語

Web數(shù)據(jù)挖掘在個性化學(xué)習(xí)系統(tǒng)中得到應(yīng)用，使整個學(xué)習(xí)系統(tǒng)的個性化服務(wù)水平得到很大提升。文章在對Web的挖掘過程、挖掘模式進(jìn)行分析的基礎(chǔ)上，研究了Web挖掘技術(shù)在個性化學(xué)習(xí)中的應(yīng)用的切合點(diǎn)，最后構(gòu)建了個性化學(xué)習(xí)模型。

參考文獻(xiàn)：

[1]張?zhí)K穎.海量有噪聲Web數(shù)據(jù)優(yōu)化挖掘方法研究[J].科技通報,2012(12):161-163.

[2]何月順,湯彬,丁秋林.基于Web的數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究[J].計算機(jī)系統(tǒng)應(yīng)用,2005(5):59-62.

[3]張彬,蔣濤.基于個人 Web使用挖掘的個性化服務(wù)研究[J].株洲工學(xué)院學(xué)報,2006(7):22-26 .

[4]張震.基于Web的智能網(wǎng)絡(luò)教學(xué)框架模型的設(shè)計與實現(xiàn)[J].現(xiàn)代教育技術(shù),2004(3):64-67.

[5]曲毅.基于Web的個性化學(xué)習(xí)系統(tǒng)的設(shè)計[J].計算機(jī)工程與設(shè)計,2006(18):3388-3390.

[6]嚴(yán)華云.Web挖掘在網(wǎng)絡(luò)教育中的應(yīng)用研究[J].湖州師范學(xué)院學(xué)報,2003(6)：72-75.

（編輯:王天鵬）

endprint

摘 要：Web技術(shù)的進(jìn)步帶動了網(wǎng)絡(luò)教育的發(fā)展，越來越多的學(xué)習(xí)者要求個性化的學(xué)習(xí)服務(wù)。將Web數(shù)據(jù)挖掘技術(shù)引入個性化學(xué)習(xí)系統(tǒng)中，能使其個性化服務(wù)水平提高。本文介紹了Web數(shù)據(jù)挖掘的概念和分類，說明了挖掘的具體過程，重點(diǎn)介紹了基于Web數(shù)據(jù)挖掘的個性化學(xué)習(xí)模型的構(gòu)建模塊，并以此構(gòu)建了相應(yīng)的模型。

關(guān)鍵詞：Web數(shù)據(jù)挖掘；個性化；學(xué)習(xí)模型

中圖分類號：G434，TP311 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-8454（2014）07-0074-03

引言

近年來，互聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用和不斷發(fā)展，基于Web技術(shù)的網(wǎng)絡(luò)教育逐漸成為利用社會優(yōu)勢教育資源的一種途徑。但只是簡單地將網(wǎng)頁技術(shù)與數(shù)據(jù)庫技術(shù)應(yīng)用到網(wǎng)絡(luò)教學(xué)中，還是無法滿足不同層次學(xué)生的需求。我們都非常清楚，每一個學(xué)習(xí)個體在學(xué)習(xí)興趣、學(xué)習(xí)基礎(chǔ)、接受能力等方面都存在著極大的差異性，所以要實現(xiàn)真正的“因材施教”，就必須構(gòu)建一個個性化的學(xué)習(xí)環(huán)境平臺，提供給不同的學(xué)習(xí)個體個性化的教育服務(wù)。

要實現(xiàn)個性化學(xué)習(xí)服務(wù)，關(guān)鍵是要對大量學(xué)習(xí)個體的行為模型進(jìn)行深層理解，再從中發(fā)現(xiàn)其個性化的學(xué)習(xí)需求。有學(xué)者提出將協(xié)同過濾法（Collaborative Filtering）或者基于內(nèi)容過濾法（Content-based Filtering）應(yīng)用到這個問題上，但是這些方法在處理大量學(xué)習(xí)個體行為模型等海量數(shù)據(jù)上力不從心。如何從這些海量數(shù)據(jù)源中發(fā)現(xiàn)有用的知識或者模式，成為實現(xiàn)個性化學(xué)習(xí)服務(wù)的關(guān)鍵問題。本文提出，可將傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)和 Web 技術(shù)結(jié)合起來的Web數(shù)據(jù)挖掘技術(shù)應(yīng)用到個性化學(xué)習(xí)系統(tǒng)的實現(xiàn)。

一、Web數(shù)據(jù)挖掘的基本概念及分類

Web數(shù)據(jù)挖掘（Web Data Mining ），簡稱 Web挖掘，是從Web文檔和Web活動中發(fā)現(xiàn)和抽取潛在的、用戶感興趣的有用模式和隱藏的知識。它以從Web的海量數(shù)據(jù)中挖掘有用知識為目標(biāo)，將傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)與Web相結(jié)合，并綜合運(yùn)用了統(tǒng)計學(xué)、計算機(jī)網(wǎng)絡(luò)、數(shù)據(jù)庫與數(shù)據(jù)倉庫、可視化等眾多領(lǐng)域的技術(shù)。[1]根據(jù)Web上數(shù)據(jù)的三種類型（Web內(nèi)容數(shù)據(jù)、Web結(jié)構(gòu)數(shù)據(jù)以及用戶訪問數(shù)據(jù)），Web挖掘相應(yīng)可分為三類：Web內(nèi)容挖掘（Web Content Mining）、Web結(jié)構(gòu)挖掘（Web Structure Mining）和Web使用的挖掘（Web Usage Mining），如圖1 所示。[2][3]

1.Web內(nèi)容挖掘

Web內(nèi)容挖掘主要是幫助我們抽取出Web文檔的內(nèi)容中有用的、有價值的知識，提高信息利用率。由于 Web文檔主要是由文本及多媒體數(shù)據(jù)組成，所以，Web內(nèi)容挖掘可分為文本挖掘和多媒體挖掘兩種。文本挖掘的主要工作是對Web文檔文本進(jìn)行總結(jié)、類、聚類、關(guān)聯(lián)分析等。多媒體挖掘的主要工作是對 Web上的聲音、圖形、圖像信息等多媒體數(shù)據(jù)的挖掘。

2.Web結(jié)構(gòu)挖掘

Web結(jié)構(gòu)挖掘是幫助我們從Web頁的組織結(jié)構(gòu)和超鏈接關(guān)系以及Web文檔自身的鏈接結(jié)構(gòu)信息中抽取出有用的知識，可分超鏈接挖掘、內(nèi)部結(jié)構(gòu)挖掘和URL挖掘。超鏈接挖掘可分析出文檔之間的包含、從屬、相關(guān)、引用等聯(lián)系。內(nèi)部結(jié)構(gòu)挖掘通過使用樹型邏輯結(jié)構(gòu)對html 頁面進(jìn)行頁面的內(nèi)部結(jié)構(gòu)特征的分析。URL挖掘可分析出web頁面的類型，以及會反映web頁面之間的目錄結(jié)構(gòu)關(guān)系。通過Web結(jié)構(gòu)挖掘，可以總結(jié)網(wǎng)站和網(wǎng)頁的結(jié)構(gòu)，對網(wǎng)頁進(jìn)行分類和聚類，推導(dǎo)出網(wǎng)站間相似性、網(wǎng)站間關(guān)系的信息、網(wǎng)頁之間的聯(lián)系、重要頁面等有用信息。

3.Web使用挖掘

Web使用挖掘是幫助我們抽取出Web用戶的活動模式。其挖掘的數(shù)據(jù)對象包括Server log、用戶注冊數(shù)據(jù)、用戶訪問內(nèi)容、停留時間、用戶查詢、書簽數(shù)據(jù)和鼠標(biāo)移動點(diǎn)擊等所有用戶與Web之間可能的交互記錄的信息。Web使用記錄挖掘應(yīng)用的技術(shù)主要有路徑分析、關(guān)聯(lián)規(guī)則分析、序列模式分析、聚類分析、統(tǒng)計分析等。通過Web使用挖掘，可以發(fā)現(xiàn)Web站點(diǎn)活動用戶在該站點(diǎn)的訪問模式等有用信息。在個性化學(xué)習(xí)系統(tǒng)中，活動用戶就是每一個學(xué)習(xí)個體。

二、挖掘流程

Web挖掘的流程一般是數(shù)據(jù)的采集、預(yù)處理、模式發(fā)現(xiàn)、模式的分析及其應(yīng)用等4個步驟。

1.數(shù)據(jù)采集

數(shù)據(jù)采集是Web挖掘的基礎(chǔ)。我們必須根據(jù)不同的挖掘目的，確定收集站點(diǎn)活動用戶哪一類型的數(shù)據(jù)。Web內(nèi)容挖掘是從Web自身資源中收集文本和多媒體等信息；Web結(jié)構(gòu)挖掘是收集頁面內(nèi)部結(jié)構(gòu)、頁面之間的結(jié)構(gòu)、URL等邏輯結(jié)構(gòu)信息；Web使用挖掘從服務(wù)器端和客戶端來收集學(xué)習(xí)個體在Web站點(diǎn)中交互記錄的數(shù)據(jù)，如IP地址、URL、用戶注冊數(shù)據(jù)、訪問停留時間等。

2.預(yù)處理

預(yù)處理是分析采集到的數(shù)據(jù)，抽取其特征并按結(jié)構(gòu)化的形式保存。Web內(nèi)容挖掘的預(yù)處理是把網(wǎng)頁中的文本、圖片及其他文件轉(zhuǎn)換成挖掘算法可用的形式；Web結(jié)構(gòu)挖掘的預(yù)處理是把Web的頁面結(jié)構(gòu)進(jìn)行分析、變形成適用于挖掘系統(tǒng)的形式；Web使用挖掘的預(yù)處理是對學(xué)習(xí)個體在訪問網(wǎng)站停留期間的交互信息進(jìn)行過濾、補(bǔ)充、識別，并轉(zhuǎn)換成挖掘算法可用的形式。

采集到的數(shù)據(jù)在完成數(shù)據(jù)預(yù)處理之后，一些特殊原因可能導(dǎo)致預(yù)處理出來的結(jié)果數(shù)據(jù)是特殊實例或噪聲數(shù)據(jù)，所以還需要進(jìn)行消噪處理。

3.模式發(fā)現(xiàn)

模式發(fā)現(xiàn)就是要挖掘出學(xué)習(xí)個體的訪問模式，是整個挖掘過程的關(guān)鍵。運(yùn)用一種合理的挖掘算法或綜合應(yīng)用不同的算法，對預(yù)處理完成后的“消噪”數(shù)據(jù)進(jìn)行分析處理，最終發(fā)現(xiàn)活動用戶的訪問模式。挖掘算法主要是關(guān)聯(lián)規(guī)則分析、聚類和分類技術(shù)、統(tǒng)計分析以及時序模式技術(shù)等。

4.模式分析及其應(yīng)用

模式分析及其應(yīng)用就是將被挖掘發(fā)現(xiàn)的學(xué)習(xí)個體訪問模式，運(yùn)用可視化、聯(lián)機(jī)分析和智能查詢機(jī)制等技術(shù)加以分析評價，把一個容易被理解和接受的顯示結(jié)果提供給系統(tǒng)使用。

三、基于Web挖掘的個性化學(xué)習(xí)模型

根據(jù)前文對Web挖掘技術(shù)的描述，我們提出將Web挖掘技術(shù)應(yīng)用到個性化學(xué)習(xí)系統(tǒng)的建設(shè)工作的思路，給出一個基于Web挖掘的個性化學(xué)習(xí)模型。

成熟的個性化學(xué)習(xí)系統(tǒng)，要實現(xiàn)智能判斷學(xué)習(xí)個體感興趣和不感興趣的點(diǎn)在哪里，并運(yùn)用數(shù)據(jù)挖掘與學(xué)習(xí)內(nèi)容綁定的技術(shù)，實現(xiàn)在學(xué)習(xí)個體學(xué)習(xí)過程中以可視化方式指導(dǎo)其學(xué)習(xí)和個性發(fā)展。作為個性化學(xué)習(xí)系統(tǒng)的基礎(chǔ)和核心，模型的質(zhì)量直接影響個性化學(xué)習(xí)系統(tǒng)的質(zhì)量。[4][5]

構(gòu)建的個性化學(xué)習(xí)模型如圖2所示。它由5大模塊組成：用戶模塊、教學(xué)資源庫模塊、個人學(xué)習(xí)信息庫模塊、基于Web挖掘的模塊以及Web服務(wù)器模塊。

1.教學(xué)資源庫

教學(xué)資源庫向?qū)W習(xí)個體提供豐富的教學(xué)資源內(nèi)容，包括課件庫、作業(yè)庫、答疑庫、案例庫等。教學(xué)資源庫中的資源將通過Web服務(wù)器調(diào)用提供給學(xué)習(xí)個體使用。

2.個人學(xué)習(xí)信息庫模塊

該模塊起到兩個目的，一是保存學(xué)習(xí)個體的如姓名、ID、密碼、性別、昵稱、e-mail地址等靜態(tài)資料。二是保存學(xué)習(xí)個體的學(xué)習(xí)歷史、課程進(jìn)度、觀看頻率、停留時間等學(xué)習(xí)行為的動態(tài)信息。靜態(tài)資料是身份驗證的憑證，用于登錄學(xué)習(xí)系統(tǒng)。動態(tài)信息是系統(tǒng)精確記錄學(xué)習(xí)者的學(xué)習(xí)信息。

3.基于Web挖掘的模塊

該模塊可以在Web服務(wù)器上智能分析學(xué)習(xí)個體的學(xué)習(xí)動態(tài)信息，它是建立整個個性化學(xué)習(xí)系統(tǒng)的關(guān)鍵。為提高個性化學(xué)習(xí)系統(tǒng)的分析質(zhì)量，我們在此模型中運(yùn)用Web挖掘技術(shù)中的Web使用挖掘?qū)W(xué)習(xí)動態(tài)信息進(jìn)行數(shù)據(jù)挖掘。

該模塊利用保存在個人學(xué)習(xí)信息庫中的數(shù)據(jù)，首先對這些數(shù)據(jù)進(jìn)行預(yù)處理，如補(bǔ)充學(xué)習(xí)個體訪問路徑、清除與挖掘無關(guān)的信息、用戶識別和事務(wù)識別等處理，完成預(yù)處理之后會生成學(xué)習(xí)個體訪問信息的原始信息數(shù)據(jù)庫。[6]然后運(yùn)用應(yīng)用關(guān)聯(lián)規(guī)則分析、分類和聚類技術(shù)、序列模式等數(shù)據(jù)挖掘算法對該數(shù)據(jù)庫進(jìn)行模式發(fā)現(xiàn)和分析。最后通過可視化等模式分析技術(shù)的處理，將挖掘結(jié)果以學(xué)習(xí)個體可以理解和接受的方式呈現(xiàn)。在這個過程中，模塊會不斷完善學(xué)習(xí)個體的行為模式，并同步更新到個人學(xué)習(xí)信息庫中。

4.Web服務(wù)器模塊

該模塊是整個模型的中間調(diào)度組件，適合學(xué)習(xí)個體的學(xué)習(xí)策略和學(xué)習(xí)內(nèi)容，就是通過這個模塊反饋給登錄到學(xué)習(xí)系統(tǒng)的學(xué)習(xí)個體。

四、模型的工作方式

學(xué)習(xí)個體訪問個性化學(xué)習(xí)系統(tǒng)，登錄之后，進(jìn)入的是個性化學(xué)習(xí)環(huán)境，其學(xué)習(xí)資源是由系統(tǒng)通過個性化處理引擎推送給學(xué)習(xí)個體的。

Web挖掘模塊對保存在個人學(xué)習(xí)信息庫中的學(xué)習(xí)個體動態(tài)學(xué)習(xí)信息進(jìn)行挖掘分析，挖掘處理后發(fā)現(xiàn)的應(yīng)用模式再作用于Web服務(wù)器，個性化的學(xué)習(xí)資源就是依此模式挖掘挑選出來并推送給學(xué)習(xí)個體的。

五、結(jié)束語

Web數(shù)據(jù)挖掘在個性化學(xué)習(xí)系統(tǒng)中得到應(yīng)用，使整個學(xué)習(xí)系統(tǒng)的個性化服務(wù)水平得到很大提升。文章在對Web的挖掘過程、挖掘模式進(jìn)行分析的基礎(chǔ)上，研究了Web挖掘技術(shù)在個性化學(xué)習(xí)中的應(yīng)用的切合點(diǎn)，最后構(gòu)建了個性化學(xué)習(xí)模型。

參考文獻(xiàn)：

[1]張?zhí)K穎.海量有噪聲Web數(shù)據(jù)優(yōu)化挖掘方法研究[J].科技通報,2012(12):161-163.

[2]何月順,湯彬,丁秋林.基于Web的數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究[J].計算機(jī)系統(tǒng)應(yīng)用,2005(5):59-62.

[3]張彬,蔣濤.基于個人 Web使用挖掘的個性化服務(wù)研究[J].株洲工學(xué)院學(xué)報,2006(7):22-26 .

[4]張震.基于Web的智能網(wǎng)絡(luò)教學(xué)框架模型的設(shè)計與實現(xiàn)[J].現(xiàn)代教育技術(shù),2004(3):64-67.

[5]曲毅.基于Web的個性化學(xué)習(xí)系統(tǒng)的設(shè)計[J].計算機(jī)工程與設(shè)計,2006(18):3388-3390.

[6]嚴(yán)華云.Web挖掘在網(wǎng)絡(luò)教育中的應(yīng)用研究[J].湖州師范學(xué)院學(xué)報,2003(6)：72-75.

（編輯:王天鵬）

endprint

摘 要：Web技術(shù)的進(jìn)步帶動了網(wǎng)絡(luò)教育的發(fā)展，越來越多的學(xué)習(xí)者要求個性化的學(xué)習(xí)服務(wù)。將Web數(shù)據(jù)挖掘技術(shù)引入個性化學(xué)習(xí)系統(tǒng)中，能使其個性化服務(wù)水平提高。本文介紹了Web數(shù)據(jù)挖掘的概念和分類，說明了挖掘的具體過程，重點(diǎn)介紹了基于Web數(shù)據(jù)挖掘的個性化學(xué)習(xí)模型的構(gòu)建模塊，并以此構(gòu)建了相應(yīng)的模型。

關(guān)鍵詞：Web數(shù)據(jù)挖掘；個性化；學(xué)習(xí)模型

中圖分類號：G434，TP311 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-8454（2014）07-0074-03

引言

近年來，互聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用和不斷發(fā)展，基于Web技術(shù)的網(wǎng)絡(luò)教育逐漸成為利用社會優(yōu)勢教育資源的一種途徑。但只是簡單地將網(wǎng)頁技術(shù)與數(shù)據(jù)庫技術(shù)應(yīng)用到網(wǎng)絡(luò)教學(xué)中，還是無法滿足不同層次學(xué)生的需求。我們都非常清楚，每一個學(xué)習(xí)個體在學(xué)習(xí)興趣、學(xué)習(xí)基礎(chǔ)、接受能力等方面都存在著極大的差異性，所以要實現(xiàn)真正的“因材施教”，就必須構(gòu)建一個個性化的學(xué)習(xí)環(huán)境平臺，提供給不同的學(xué)習(xí)個體個性化的教育服務(wù)。

要實現(xiàn)個性化學(xué)習(xí)服務(wù)，關(guān)鍵是要對大量學(xué)習(xí)個體的行為模型進(jìn)行深層理解，再從中發(fā)現(xiàn)其個性化的學(xué)習(xí)需求。有學(xué)者提出將協(xié)同過濾法（Collaborative Filtering）或者基于內(nèi)容過濾法（Content-based Filtering）應(yīng)用到這個問題上，但是這些方法在處理大量學(xué)習(xí)個體行為模型等海量數(shù)據(jù)上力不從心。如何從這些海量數(shù)據(jù)源中發(fā)現(xiàn)有用的知識或者模式，成為實現(xiàn)個性化學(xué)習(xí)服務(wù)的關(guān)鍵問題。本文提出，可將傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)和 Web 技術(shù)結(jié)合起來的Web數(shù)據(jù)挖掘技術(shù)應(yīng)用到個性化學(xué)習(xí)系統(tǒng)的實現(xiàn)。

一、Web數(shù)據(jù)挖掘的基本概念及分類

Web數(shù)據(jù)挖掘（Web Data Mining ），簡稱 Web挖掘，是從Web文檔和Web活動中發(fā)現(xiàn)和抽取潛在的、用戶感興趣的有用模式和隱藏的知識。它以從Web的海量數(shù)據(jù)中挖掘有用知識為目標(biāo)，將傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)與Web相結(jié)合，并綜合運(yùn)用了統(tǒng)計學(xué)、計算機(jī)網(wǎng)絡(luò)、數(shù)據(jù)庫與數(shù)據(jù)倉庫、可視化等眾多領(lǐng)域的技術(shù)。[1]根據(jù)Web上數(shù)據(jù)的三種類型（Web內(nèi)容數(shù)據(jù)、Web結(jié)構(gòu)數(shù)據(jù)以及用戶訪問數(shù)據(jù)），Web挖掘相應(yīng)可分為三類：Web內(nèi)容挖掘（Web Content Mining）、Web結(jié)構(gòu)挖掘（Web Structure Mining）和Web使用的挖掘（Web Usage Mining），如圖1 所示。[2][3]

1.Web內(nèi)容挖掘

Web內(nèi)容挖掘主要是幫助我們抽取出Web文檔的內(nèi)容中有用的、有價值的知識，提高信息利用率。由于 Web文檔主要是由文本及多媒體數(shù)據(jù)組成，所以，Web內(nèi)容挖掘可分為文本挖掘和多媒體挖掘兩種。文本挖掘的主要工作是對Web文檔文本進(jìn)行總結(jié)、類、聚類、關(guān)聯(lián)分析等。多媒體挖掘的主要工作是對 Web上的聲音、圖形、圖像信息等多媒體數(shù)據(jù)的挖掘。

2.Web結(jié)構(gòu)挖掘

Web結(jié)構(gòu)挖掘是幫助我們從Web頁的組織結(jié)構(gòu)和超鏈接關(guān)系以及Web文檔自身的鏈接結(jié)構(gòu)信息中抽取出有用的知識，可分超鏈接挖掘、內(nèi)部結(jié)構(gòu)挖掘和URL挖掘。超鏈接挖掘可分析出文檔之間的包含、從屬、相關(guān)、引用等聯(lián)系。內(nèi)部結(jié)構(gòu)挖掘通過使用樹型邏輯結(jié)構(gòu)對html 頁面進(jìn)行頁面的內(nèi)部結(jié)構(gòu)特征的分析。URL挖掘可分析出web頁面的類型，以及會反映web頁面之間的目錄結(jié)構(gòu)關(guān)系。通過Web結(jié)構(gòu)挖掘，可以總結(jié)網(wǎng)站和網(wǎng)頁的結(jié)構(gòu)，對網(wǎng)頁進(jìn)行分類和聚類，推導(dǎo)出網(wǎng)站間相似性、網(wǎng)站間關(guān)系的信息、網(wǎng)頁之間的聯(lián)系、重要頁面等有用信息。

3.Web使用挖掘

Web使用挖掘是幫助我們抽取出Web用戶的活動模式。其挖掘的數(shù)據(jù)對象包括Server log、用戶注冊數(shù)據(jù)、用戶訪問內(nèi)容、停留時間、用戶查詢、書簽數(shù)據(jù)和鼠標(biāo)移動點(diǎn)擊等所有用戶與Web之間可能的交互記錄的信息。Web使用記錄挖掘應(yīng)用的技術(shù)主要有路徑分析、關(guān)聯(lián)規(guī)則分析、序列模式分析、聚類分析、統(tǒng)計分析等。通過Web使用挖掘，可以發(fā)現(xiàn)Web站點(diǎn)活動用戶在該站點(diǎn)的訪問模式等有用信息。在個性化學(xué)習(xí)系統(tǒng)中，活動用戶就是每一個學(xué)習(xí)個體。

二、挖掘流程

Web挖掘的流程一般是數(shù)據(jù)的采集、預(yù)處理、模式發(fā)現(xiàn)、模式的分析及其應(yīng)用等4個步驟。

1.數(shù)據(jù)采集

數(shù)據(jù)采集是Web挖掘的基礎(chǔ)。我們必須根據(jù)不同的挖掘目的，確定收集站點(diǎn)活動用戶哪一類型的數(shù)據(jù)。Web內(nèi)容挖掘是從Web自身資源中收集文本和多媒體等信息；Web結(jié)構(gòu)挖掘是收集頁面內(nèi)部結(jié)構(gòu)、頁面之間的結(jié)構(gòu)、URL等邏輯結(jié)構(gòu)信息；Web使用挖掘從服務(wù)器端和客戶端來收集學(xué)習(xí)個體在Web站點(diǎn)中交互記錄的數(shù)據(jù)，如IP地址、URL、用戶注冊數(shù)據(jù)、訪問停留時間等。

2.預(yù)處理

預(yù)處理是分析采集到的數(shù)據(jù)，抽取其特征并按結(jié)構(gòu)化的形式保存。Web內(nèi)容挖掘的預(yù)處理是把網(wǎng)頁中的文本、圖片及其他文件轉(zhuǎn)換成挖掘算法可用的形式；Web結(jié)構(gòu)挖掘的預(yù)處理是把Web的頁面結(jié)構(gòu)進(jìn)行分析、變形成適用于挖掘系統(tǒng)的形式；Web使用挖掘的預(yù)處理是對學(xué)習(xí)個體在訪問網(wǎng)站停留期間的交互信息進(jìn)行過濾、補(bǔ)充、識別，并轉(zhuǎn)換成挖掘算法可用的形式。

采集到的數(shù)據(jù)在完成數(shù)據(jù)預(yù)處理之后，一些特殊原因可能導(dǎo)致預(yù)處理出來的結(jié)果數(shù)據(jù)是特殊實例或噪聲數(shù)據(jù)，所以還需要進(jìn)行消噪處理。

3.模式發(fā)現(xiàn)

模式發(fā)現(xiàn)就是要挖掘出學(xué)習(xí)個體的訪問模式，是整個挖掘過程的關(guān)鍵。運(yùn)用一種合理的挖掘算法或綜合應(yīng)用不同的算法，對預(yù)處理完成后的“消噪”數(shù)據(jù)進(jìn)行分析處理，最終發(fā)現(xiàn)活動用戶的訪問模式。挖掘算法主要是關(guān)聯(lián)規(guī)則分析、聚類和分類技術(shù)、統(tǒng)計分析以及時序模式技術(shù)等。

4.模式分析及其應(yīng)用

模式分析及其應(yīng)用就是將被挖掘發(fā)現(xiàn)的學(xué)習(xí)個體訪問模式，運(yùn)用可視化、聯(lián)機(jī)分析和智能查詢機(jī)制等技術(shù)加以分析評價，把一個容易被理解和接受的顯示結(jié)果提供給系統(tǒng)使用。

三、基于Web挖掘的個性化學(xué)習(xí)模型

根據(jù)前文對Web挖掘技術(shù)的描述，我們提出將Web挖掘技術(shù)應(yīng)用到個性化學(xué)習(xí)系統(tǒng)的建設(shè)工作的思路，給出一個基于Web挖掘的個性化學(xué)習(xí)模型。

成熟的個性化學(xué)習(xí)系統(tǒng)，要實現(xiàn)智能判斷學(xué)習(xí)個體感興趣和不感興趣的點(diǎn)在哪里，并運(yùn)用數(shù)據(jù)挖掘與學(xué)習(xí)內(nèi)容綁定的技術(shù)，實現(xiàn)在學(xué)習(xí)個體學(xué)習(xí)過程中以可視化方式指導(dǎo)其學(xué)習(xí)和個性發(fā)展。作為個性化學(xué)習(xí)系統(tǒng)的基礎(chǔ)和核心，模型的質(zhì)量直接影響個性化學(xué)習(xí)系統(tǒng)的質(zhì)量。[4][5]

構(gòu)建的個性化學(xué)習(xí)模型如圖2所示。它由5大模塊組成：用戶模塊、教學(xué)資源庫模塊、個人學(xué)習(xí)信息庫模塊、基于Web挖掘的模塊以及Web服務(wù)器模塊。

1.教學(xué)資源庫

教學(xué)資源庫向?qū)W習(xí)個體提供豐富的教學(xué)資源內(nèi)容，包括課件庫、作業(yè)庫、答疑庫、案例庫等。教學(xué)資源庫中的資源將通過Web服務(wù)器調(diào)用提供給學(xué)習(xí)個體使用。

2.個人學(xué)習(xí)信息庫模塊

該模塊起到兩個目的，一是保存學(xué)習(xí)個體的如姓名、ID、密碼、性別、昵稱、e-mail地址等靜態(tài)資料。二是保存學(xué)習(xí)個體的學(xué)習(xí)歷史、課程進(jìn)度、觀看頻率、停留時間等學(xué)習(xí)行為的動態(tài)信息。靜態(tài)資料是身份驗證的憑證，用于登錄學(xué)習(xí)系統(tǒng)。動態(tài)信息是系統(tǒng)精確記錄學(xué)習(xí)者的學(xué)習(xí)信息。

3.基于Web挖掘的模塊

該模塊可以在Web服務(wù)器上智能分析學(xué)習(xí)個體的學(xué)習(xí)動態(tài)信息，它是建立整個個性化學(xué)習(xí)系統(tǒng)的關(guān)鍵。為提高個性化學(xué)習(xí)系統(tǒng)的分析質(zhì)量，我們在此模型中運(yùn)用Web挖掘技術(shù)中的Web使用挖掘?qū)W(xué)習(xí)動態(tài)信息進(jìn)行數(shù)據(jù)挖掘。

該模塊利用保存在個人學(xué)習(xí)信息庫中的數(shù)據(jù)，首先對這些數(shù)據(jù)進(jìn)行預(yù)處理，如補(bǔ)充學(xué)習(xí)個體訪問路徑、清除與挖掘無關(guān)的信息、用戶識別和事務(wù)識別等處理，完成預(yù)處理之后會生成學(xué)習(xí)個體訪問信息的原始信息數(shù)據(jù)庫。[6]然后運(yùn)用應(yīng)用關(guān)聯(lián)規(guī)則分析、分類和聚類技術(shù)、序列模式等數(shù)據(jù)挖掘算法對該數(shù)據(jù)庫進(jìn)行模式發(fā)現(xiàn)和分析。最后通過可視化等模式分析技術(shù)的處理，將挖掘結(jié)果以學(xué)習(xí)個體可以理解和接受的方式呈現(xiàn)。在這個過程中，模塊會不斷完善學(xué)習(xí)個體的行為模式，并同步更新到個人學(xué)習(xí)信息庫中。

4.Web服務(wù)器模塊

該模塊是整個模型的中間調(diào)度組件，適合學(xué)習(xí)個體的學(xué)習(xí)策略和學(xué)習(xí)內(nèi)容，就是通過這個模塊反饋給登錄到學(xué)習(xí)系統(tǒng)的學(xué)習(xí)個體。

四、模型的工作方式

學(xué)習(xí)個體訪問個性化學(xué)習(xí)系統(tǒng)，登錄之后，進(jìn)入的是個性化學(xué)習(xí)環(huán)境，其學(xué)習(xí)資源是由系統(tǒng)通過個性化處理引擎推送給學(xué)習(xí)個體的。

Web挖掘模塊對保存在個人學(xué)習(xí)信息庫中的學(xué)習(xí)個體動態(tài)學(xué)習(xí)信息進(jìn)行挖掘分析，挖掘處理后發(fā)現(xiàn)的應(yīng)用模式再作用于Web服務(wù)器，個性化的學(xué)習(xí)資源就是依此模式挖掘挑選出來并推送給學(xué)習(xí)個體的。

五、結(jié)束語

Web數(shù)據(jù)挖掘在個性化學(xué)習(xí)系統(tǒng)中得到應(yīng)用，使整個學(xué)習(xí)系統(tǒng)的個性化服務(wù)水平得到很大提升。文章在對Web的挖掘過程、挖掘模式進(jìn)行分析的基礎(chǔ)上，研究了Web挖掘技術(shù)在個性化學(xué)習(xí)中的應(yīng)用的切合點(diǎn)，最后構(gòu)建了個性化學(xué)習(xí)模型。

參考文獻(xiàn)：

[1]張?zhí)K穎.海量有噪聲Web數(shù)據(jù)優(yōu)化挖掘方法研究[J].科技通報,2012(12):161-163.

[2]何月順,湯彬,丁秋林.基于Web的數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究[J].計算機(jī)系統(tǒng)應(yīng)用,2005(5):59-62.

[3]張彬,蔣濤.基于個人 Web使用挖掘的個性化服務(wù)研究[J].株洲工學(xué)院學(xué)報,2006(7):22-26 .

[4]張震.基于Web的智能網(wǎng)絡(luò)教學(xué)框架模型的設(shè)計與實現(xiàn)[J].現(xiàn)代教育技術(shù),2004(3):64-67.

[5]曲毅.基于Web的個性化學(xué)習(xí)系統(tǒng)的設(shè)計[J].計算機(jī)工程與設(shè)計,2006(18):3388-3390.

[6]嚴(yán)華云.Web挖掘在網(wǎng)絡(luò)教育中的應(yīng)用研究[J].湖州師范學(xué)院學(xué)報,2003(6)：72-75.

（編輯:王天鵬）

endprint