基于领域本体和多代理的分布式智能教学系统技术方案

本发明专利技术公开了一种基于领域本体和多代理的分布式智能教学系统，涉及计算机技术与教育技术的交叉技术领域。所述智能教学系统引入多代理结构模型，并在学生代理的学生模型中增加心理模型，将学习的情感因素作为个性化教学策略的判定依据，提高了教学系统的智能化程度；基于领域本体的知识库，进一步完善资源库信息，使得个性化教学策略更精确，并采用Hadoop的分布式文件系统进行数据存储，实现用普通计算机组成一个高性能的机器，适合一次写、多次读取的数据，适合大规模的应用；采用加权最少连接数负载均衡算法，对于服务器集群中新增加的节点实现集群的负载动态平衡，提高了任务请求的响应速度。

Distributed intelligent tutoring system based on domain ontology and multi agent

The invention discloses a distributed intelligent teaching system based on domain ontology and multi agents, which relates to the cross technical field of computer technology and education technology. The intelligent teaching system into multi agent structure model, and increase the mental model in the student model of student agent, the affective factors of learning as the basis of personalized teaching strategy, raise the level of intelligent teaching system; domain ontology based knowledge base, to further improve the library information resources, makes more precise personalized teaching strategies then, using the Hadoop distributed file system for data storage, to achieve a high performance machine with ordinary computer, for write once, read multiple data, suitable for large-scale applications; using the weighted least connection load balancing algorithm for dynamic load balancing new node in the server cluster to realize cluster, improve the response speed of task request.

【技术实现步骤摘要】
基于领域本体和多代理的分布式智能教学系统
本专利技术属于计算机技术与教育技术的交叉，尤其涉及一种基于领域本体和多代理的分布式智能教学系统。
技术介绍
智能教学系统(IntelligentTutoringSystem,ITS)是教育技术学中重要的研究领域，借助于计算机网络资源建立的一个智能化、个性化的教学环境。ITS涉及到众多的领域学科，除了人工智能外，还包括计算机科学、教育学、心理学和行为科学等综合性学科，最终使计算机能够担当学生学习的引导者，使计算机系统能够在一定程度上扮演老师的角色，实现对学生的个性化教学策略，弥补了由传统的一个老师有多个学生，从而导致老师资源的不足，最终实现一对一的个性化教学。但是随着技术的不断发展，以及智能教学系统的广泛应用，现有的智能教学系统存在一些不足：1)智能教学系统的智能化程度不高，对学生的个性化分析还有待提高；2)智能教学系统中的资源信息库还不够丰富，需要进一步完善；3)智能教学系统目前只是应用于小规模的智能教学。
技术实现思路
针对现有技术的不足，本专利技术提供一种基于领域本体和多代理的分布式智能教学系统，在学生代理的学生模型中增加心理模型，引入对学习的情感因素，实现对学生的个性化教学策略；采用基于领域本体的知识库，进一步完善资源信息库；采用多代理的分布式技术，增强功能模块间的交互，能推广到其他领域或学科，适用更大规模的智能教学。本专利技术是通过如下的技术方案来解决上述技术问题的：一种基于领域本体和多代理的分布式智能教学系统，包括如下模块：多个学生代理、教学代理和学科代理，分配代理以及用户终端，多个教学代理和学科代理组成教学服务器集群，所述的多个学生代理、教学代理和学科代理，分配代理以及用户终端通过网络相互通信，并进行信息交互；所述学生代理包括学生模型和自然语言接口，所述自然语言接口用于系统与用户之间进行信息交互，所述学生模型用于记录用户的基本信息、登录信息、学习历史数据、当前学习状态以及心理模型，并将该信息数据反馈给教学代理，为教学代理的个性化策略提供依据；所述学科代理包括领域本体知识库、规则集以及知识推理机，用于与学生代理和教学代理进行信息交互，通过获取用户的学生模型信息，根据领域本体知识库获取该领域知识，并结合规则集生成教学代理中的资源库，为教学代理中的个性化教学策略提供信息支持，且通过领域本体知识库实现用户的问答功能；所述教学代理包括资源库、教学推理机以及个性化教学策略，用于与学生代理和学科代理进行信息交互，所述教学推理机根据学生模型和资源库进行推理得出的教学策略，教学策略经过个性化教学策略不断修正后得出最佳的个性化教学策略，并反馈给用户，通过教学代理和学科代理的信息交互，获得用户所需的学习资源，实现试题的自动生成；所述分配代理，用于根据教学服务器集群中各服务器的负载情况，采用加权最少连接数负载均衡算法来选择当前负载最小的服务器，并分配服务任务，实现分布式的负载平衡功能。所述规则集中的推理规则包括两种，其中E为前提，H为结论：规则1：ifEthenH；规则2：ifE1andE2and…thenH；CF(H)为结论的可信度，CF(E)为前提的可信度，CF(H,E)为规则的可信度，λ(0＜λ≤1)为可信度阈值，并且有：n为规则的前提数，wi为第i个前提的权值，满足在推理规则中，选择CF(H)值最大的值进行推理，初始时为1。进一步的，所述基于领域本体和多代理的分布式智能教学系统采用KQML作为学生代理、教学代理和学科代理之间的通信语言。进一步的，所述领域本体知识库采用Hadoop的分布式文件系统进行数据存储，能够实现用普通计算机组成一个高性能的机器，适合一次写、多次读取的数据，适合大规模的应用。进一步的，所述领域本体知识库的构建方法包括以下几个步骤：步骤1.确定本体的领域和范围，明确构建的本体将覆盖的专业领域、本体目的、作用以及应用对象；步骤2.确定是否能复用现存的本体；步骤3.罗列需要被目标本体描述的所有术语的名称，形成概念集合C；步骤4.对概念集合C中所有概念进行层次结构的划分，形成概念层次H；步骤5.采用learningobject的关系模型，并将该模型扩展为基本关系和特殊关系，如下所示：R＝{Rb(基本关系)，Rs(特殊关系)}其中，Rb是概念之间的基本关系，Rs是学科领域中概念之间的特殊关系；步骤6.定义抽象概念，使用已定义的概念集C以及概念之间的关系R来定义抽象概念，并采用ALC(AttributiveLanguageComplement)词∩、∪、来表示；步骤7.定义概念的抽象特征，对某个概念定义其抽象特征，可先为该概念定义一个子类，并对子类进行抽象定义；步骤8.建立本体框架，按照逻辑规则进行分组，形成不同的领域，选出关键性术语，摒弃不必要或超出领域范围的概念，精准的表达出领域的知识，形成领域本体知识库；步骤9：形式化编码，对领域本体知识库进行编码、形式化处理，便于系统自动进行逻辑推理及检验；步骤10.确认与评价，在系统的测试阶段，对领域本体知识库进行确认与评价；步骤11.进化，在使用过程中，通过集成新的领域本体、由专家定义新的概念和关系等方法不断扩展，完善领域本体知识库。learningobject的关系模型为现有技术，详见IEEELOM,draftstandardforlearningobjectmetadata[EB/OL].http://Itsc.ieee.org/wg12/20020612-Final-LOM-Draft.html,2010。进一步的，所述心理模型包括认知程度、性别、动机分类、性格类型、焦虑水平、信息加工风格、感情的需要和社会的需要等方面。进一步的，用户根据教学代理中的个性化教学策略进行知识点学习并不断修正个性化教学策略的过程包括以下几个步骤：S1.教学推理机根据学生模型和资源库进行推理得出的教学策略，根据学生代理的学生模型和当前学后测试计算当前的知识水平；S2.根据计算所得的当前的知识水平制定个性化教学策略；S3.判断是否掌握基础知识，是，则转S4，否，则学习基础知识，判断是否需要学习基础知识的依据包括提取常错知识点、提取擅长知识点、计算对知识点的掌握程度；S4.学习所选知识点；S5.学习知识点后进行测试，根据测试题的难易度、测试题平均加权正确率、用户学习能力以及用户第n次学习能力的可信度来得到测试结果，并判断是否掌握所选知识点，是，转S6，否，则修正心理模型，修正个性化教学策略，并转S4；S6.根据测试结果修正心理模型，修正个性化教学策略，判断是否继续学习，是，则转S1，否，则退出系统。进一步的，采用加权最少连接数负载均衡算法进行请求任务分配的的步骤包括以下几个方面：步骤1.分配代理自动问询教学服务器集群中的各服务器负载情况，并根据各负载情况动态调整各服务器的权值，各服务器的相应权值表示其处理性能；步骤2.计算当前所有服务器的连接数总数CSum：其中，服务器S＝{S0,S1,…,Sn-1}，Sm为第m个服务器，设W(Si)为服务器Si的权值，C(Si)为服务器Si的连接数；步骤3.分配代理接收到新的连接请求时，对当前所有服务器组中的服务器做出判断，如果当前服务器Sm满足(2)式，则将连接请求分配给该服务器，实现负载均衡：C本文档来自技高网...

【技术保护点】
一种基于领域本体和多代理的分布式智能教学系统，其特征在于包括如下模块：多个学生代理、教学代理和学科代理，分配代理以及用户终端，多个教学代理和学科代理组成教学服务器集群，所述的多个学生代理、教学代理和学科代理，分配代理以及用户终端通过网络相互通信，并进行信息交互；所述学生代理包括学生模型和自然语言接口，所述自然语言接口用于系统与用户之间进行信息交互，所述学生模型用于记录用户的基本信息、登录信息、学习历史数据、当前学习状态以及心理模型，并将该信息数据反馈给教学代理；所述学科代理包括领域本体知识库、规则集以及知识推理机，用于与学生代理和教学代理进行信息交互，通过获取用户的学生模型信息，根据领域本体知识库获取该领域知识，并结合规则集生成教学代理中的资源库，为教学代理中的个性化教学策略提供信息支持，且通过领域本体知识库实现用户的问答功能；所述教学代理包括资源库、教学推理机以及个性化教学策略，用于与学生代理和学科代理进行信息交互，所述教学推理机根据学生模型和资源库进行推理得出的教学策略，教学策略经过个性化教学策略不断修正后得出最佳的个性化教学策略，并反馈给用户，通过教学代理和学科代理的信息交互，获得用户所需的学习资源，实现试题的自动生成；所述分配代理，用于根据教学服务器集群中各服务器的负载情况，采用加权最少连接数负载均衡算法来选择当前负载最小的服务器，并分配服务任务，实现分布式的负载平衡功能。...

【技术特征摘要】
1.一种基于领域本体和多代理的分布式智能教学系统，其特征在于包括如下模块：多个学生代理、教学代理和学科代理，分配代理以及用户终端，多个教学代理和学科代理组成教学服务器集群，所述的多个学生代理、教学代理和学科代理，分配代理以及用户终端通过网络相互通信，并进行信息交互；所述学生代理包括学生模型和自然语言接口，所述自然语言接口用于系统与用户之间进行信息交互，所述学生模型用于记录用户的基本信息、登录信息、学习历史数据、当前学习状态以及心理模型，并将该信息数据反馈给教学代理；所述学科代理包括领域本体知识库、规则集以及知识推理机，用于与学生代理和教学代理进行信息交互，通过获取用户的学生模型信息，根据领域本体知识库获取该领域知识，并结合规则集生成教学代理中的资源库，为教学代理中的个性化教学策略提供信息支持，且通过领域本体知识库实现用户的问答功能；所述教学代理包括资源库、教学推理机以及个性化教学策略，用于与学生代理和学科代理进行信息交互，所述教学推理机根据学生模型和资源库进行推理得出的教学策略，教学策略经过个性化教学策略不断修正后得出最佳的个性化教学策略，并反馈给用户，通过教学代理和学科代理的信息交互，获得用户所需的学习资源，实现试题的自动生成；所述分配代理，用于根据教学服务器集群中各服务器的负载情况，采用加权最少连接数负载均衡算法来选择当前负载最小的服务器，并分配服务任务，实现分布式的负载平衡功能。2.如权利要求1所述的分布式智能教学系统，其特征在于：采用KQML作为学生代理、教学代理和学科代理之间的通信语言。3.如权利要求1所述的分布式智能教学系统，其特征在于：所述领域本体知识库采用Hadoop的分布式文件系统进行数据存储。4.如权利要求1或3所述的分布式智能教学系统，其特征在于：所述领域本体知识库的构建方法包括以下几个步骤：步骤1.确定本体的领域和范围，明确构建的本体将覆盖的专业领域、本体目的、作用以及应用对象；步骤2.确定是否能复用现存的本体；步骤3.罗列需要被目标本体描述的所有术语的名称，形成概念集合C；步骤4.对概念集合C中所有概念进行层次结构的划分，形成概念层次H；步骤5.采用learningobject的关系模型，并将该模型扩展为基本关系和特殊关系，如下所示：R={Rb(基本关系），Rs(特殊关系)}其中，Rb是概念之间的基本关系，Rs是学科领域中概念之间的特殊关系；步骤6.定义抽象概念，使用已定义的概念集C以及概念之间的关系R来定义抽象概念，并采用AL...

【专利技术属性】
技术研发人员：朱新华，吴田俊，陈宏朝，
申请(专利权)人：广西师范大学，
类型：发明
国别省市：广西,45