知识网格及其教育应用的关键技术研究

本文围绕构建知识网格和利用知识网格辅助人们学习的相关技术问题开展研究工作。首先对知识的定量测度进行了研究，分析了知识表示方法和知识本体技术，简要论述了教育观念的变化，比较了教学过程和一般信息过程的特点，评述了现有教学系统满足学习需求的情况，分析了网格技术、面向服务体系结构、语义Web、语义网格、多主体系统等相关技术的特点和融合趋势。综合考虑知识性质、学习规律和上述技术，构建了新的智能学习系统，并在863项目(2003AA116060)中成功运用。本文取得了如下创新性成果： 1．提出了知识效用的计算公式。本文分析了教学过程与一般信息过程的不同特点，提出了一个教学过程模型，以知识解决实际问题的数量作为知识的效用测度，提出了知识效用的测度公式。补充了知识测度体系，对于知识管理、知识发现、知识评价和知识学习，具有重要的意义。 2．提出了一个基于语义网格技术的智能学习系统(SLS)，建立了SLS的描述逻辑模型。SLS面向基于互联网的学习，由知识空间、约束空间和参与者空间构成，其特点是：(1)明确表示学习规律。(2)语义网格技术。(3)描述逻辑基础。(4)可实现个性化学习。 3．提出了个性化学习的实现方法。本文提出了学习者特征空间的概念，并将特征空间作为选择学习内容的运算规则。以GCKS(网格兼容的知识服务)方法构建了三种典型的知识学习服务：陈述(narrative)、类比(analogy)、辩论(argument／debate)，给出了它们在智能学习系统中的应用示例。 4．提出了一个保留术语的本体学习(Ontology Learning)算法。目前有代表性的本体学习方法侧重于扩展已有词典中概念之间的关系，技术复杂且可扩展性差。保留术语的本体学习算法使用通用词典过滤领域文档中的普通词汇，从而获得领域术语，具有更高的效率和准确度，可扩展性好，且简单易行。 5．提出了一个本体相似度计算方法。一般相似度算法主要研究本体学科关系或事物组成关系，以其为基础集成的本体不适合直接用于知识学习。本文提出的相似度计算方法考虑了教学关系，解决了广度优先学习的知识集成，深度优先学习的知识集成，以及研究型学习的知识集成问题。 6．提出了动态服务组合的构造算法和最优组合算法。大多数现有的服务组合方法属于静态组合。本文将一个服务作为具有一定输入输出参数的函数，设计了