淺析貝葉斯網(wǎng)絡(luò)在自適應(yīng)超媒體系統(tǒng)中應(yīng)用研究

1、淺析貝葉斯網(wǎng)絡(luò)在自適應(yīng)超媒體系統(tǒng)中應(yīng)用研究論文關(guān)鍵詞：貝葉斯網(wǎng)絡(luò)自適應(yīng)超媒體用戶模型論文摘要：本文通過分析超媒體系統(tǒng)中的不確定性因素，引AT貝葉斯網(wǎng)絡(luò)方法。在介紹貝葉斯網(wǎng)絡(luò)概念的根底上，分析了貝葉斯網(wǎng)絡(luò)的優(yōu)化方案，討論了自適應(yīng)超媒體系統(tǒng)中貝葉斯網(wǎng)絡(luò)構(gòu)造過程。在自適應(yīng)超媒體系統(tǒng)中，其關(guān)鍵技術(shù)之一就是用戶建模，可以說，用戶模型既是自適應(yīng)超媒體系統(tǒng)的特點(diǎn)，也是難點(diǎn)。用戶建模技術(shù)將需要處理眾多的不確定因素，例如，如何準(zhǔn)確評(píng)估用戶的知識(shí)程度、如何準(zhǔn)確預(yù)測用戶的學(xué)習(xí)目的、如何選取適宜的學(xué)習(xí)方案等都是一個(gè)值得深化研究的問題。這些問題都涉及到用戶模型的兩個(gè)功能：評(píng)估和預(yù)測。而自適應(yīng)超媒體系統(tǒng)能否準(zhǔn)確生成適宜的

2、自適應(yīng)內(nèi)容和自適應(yīng)導(dǎo)航，對(duì)用戶的不確定信息的準(zhǔn)確評(píng)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，因此本文將主要討論貝葉斯網(wǎng)絡(luò)技術(shù)在自適應(yīng)超媒體系統(tǒng)中的應(yīng)用。1超媒體系統(tǒng)中的不確定性在自適應(yīng)超媒體系統(tǒng)中，用戶建模過程中存在的不確定性因素最多，用戶模型就是在眾多的不確定因素的根底上做出對(duì)用戶的評(píng)估和預(yù)測。用戶模型需要處理的不確定因素主要有如下幾類。(1)關(guān)于用戶領(lǐng)域知識(shí)的初始掌握程度的不確定性。用戶對(duì)領(lǐng)域內(nèi)的知識(shí)掌握程度一般是無法確切衡量的。例如在教育超媒體系統(tǒng)中，學(xué)生的知識(shí)程度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)中也無法完全排除。一個(gè)超媒體系統(tǒng)在初始化階段，分析用戶在使用

3、這樣的系統(tǒng)之前的掌握程度，一般是通過一組或幾組問題進(jìn)展測試。假設(shè)測試的問題過多，用戶對(duì)于系統(tǒng)的興趣就會(huì)受到影響，因此大部分的系統(tǒng)在初始化測試時(shí)，所采用的問題一般非常有限，這樣對(duì)于用戶領(lǐng)域知識(shí)的初始化程度就無法很準(zhǔn)確的評(píng)估。(2)用戶的閱讀動(dòng)作與知識(shí)掌握程度之間關(guān)系的不確定性。雖然系統(tǒng)可以準(zhǔn)確記錄下用戶與超媒體系統(tǒng)交互的動(dòng)作的時(shí)間，但是，對(duì)每一個(gè)用戶而言，完成閱讀每一個(gè)信息節(jié)點(diǎn)的“適宜的時(shí)間是無法確切衡量的。一種方法是通過其他途徑獲得每一個(gè)用戶的閱讀速度，但這不是所有系統(tǒng)可以獲取的信息。(3)用戶的閱讀動(dòng)作和目的的聯(lián)絡(luò)的不確定性。認(rèn)知心理學(xué)的研究成果說明，這種不確定尤其表如今用戶初期使用系統(tǒng)的時(shí)

4、候，出于好奇心理，嘗試閱讀可能和他本身不感興趣的內(nèi)容。而這些動(dòng)作有可能對(duì)系統(tǒng)在預(yù)測用戶的閱讀目的時(shí)帶來不利的影響。2貝葉斯網(wǎng)絡(luò)貝葉斯網(wǎng)絡(luò)是一個(gè)概率推理機(jī)制，它在概率論的根底上進(jìn)展不確定推理。貝葉斯網(wǎng)絡(luò)為在某一特定應(yīng)用領(lǐng)域中描繪隨機(jī)變量之間的概率獨(dú)立性提供了一個(gè)圖形化的表達(dá)方式，以及利用這些獨(dú)立進(jìn)展復(fù)雜的概率推理的算法。21貝葉斯網(wǎng)絡(luò)的定義貝葉斯網(wǎng)絡(luò)又稱為信念網(wǎng)絡(luò)，是一種圖型化的模型，可以圖形化地表示一組變量間的結(jié)合概率分布函數(shù)。一個(gè)貝葉斯網(wǎng)絡(luò)包括了一個(gè)構(gòu)造模型和與之相關(guān)的一組條件概率分布函數(shù)。構(gòu)造模型是一個(gè)有向無環(huán)圖，其中的節(jié)點(diǎn)表示了隨機(jī)變量，是對(duì)于過程、事件、狀態(tài)等實(shí)體的某特性的描繪，邊那么

5、表示變量間的概率依賴關(guān)系。圖中的每個(gè)節(jié)點(diǎn)都有一個(gè)給定其父節(jié)點(diǎn)情況下該節(jié)點(diǎn)的條件概率分布函數(shù)。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(jié)點(diǎn)相關(guān)的條件概率函數(shù)組合成為一個(gè)整體的結(jié)合概率分布函數(shù)J。詳細(xì)定義如下：定義：設(shè)V=x，x2X是值域u上的n個(gè)隨機(jī)變量，那么值域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上的有向無環(huán)圖(DAG)，V是該DAG的節(jié)點(diǎn)集，E是該DAG的邊集。假設(shè)存在一條節(jié)點(diǎn)Xi到節(jié)點(diǎn)X的有向邊，那么稱Xi是Xi的父節(jié)點(diǎn)，Xi是Xi的子節(jié)點(diǎn)。記Xi的所有父節(jié)點(diǎn)為誠。(2)Bp=P()(il)6-0，1lxiV，對(duì)于V中的每個(gè)節(jié)點(diǎn)，定義

6、了一組條件概率分布函數(shù)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(shù)：P(x)=P(x。，x2X)=liP(Xl)，誠是Xi的所有父節(jié)點(diǎn)。22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)展概率推理。在網(wǎng)絡(luò)中某些節(jié)點(diǎn)概率值的情況下，利用貝葉斯網(wǎng)絡(luò)計(jì)算可以獲得其它節(jié)點(diǎn)的條件概率。這種推理可以形象的稱為條件概率的“傳播。然而，一般的貝葉斯網(wǎng)絡(luò)推理都存在一個(gè)“NPHard問題J。當(dāng)貝葉斯網(wǎng)絡(luò)中不存在無向環(huán)的構(gòu)造時(shí)，可以找到多項(xiàng)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(jié)點(diǎn)B和合并成一個(gè)節(jié)點(diǎn)，從而消

7、除圖l(a)中的有向環(huán)，這種方法稱作聚簇。(2)條件分割。設(shè)變量A的取值范圍為：A。，A2，那么將原來的貝葉斯網(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，變量表示病人眼中出現(xiàn)晶狀體，變量v表示病人的視力由于瞇眼而有所進(jìn)步，變量s表示病人抱怨視力差，變量r表示病人的視網(wǎng)膜反射可覺察。在這個(gè)貝葉斯網(wǎng)絡(luò)中，變量a與b之間的弧說明相對(duì)于其它變量，a與g是直接依賴的。變量a與s之間沒有弧相連，它們是通過變量b與而發(fā)生依賴關(guān)系。變

8、量間依賴的強(qiáng)弱由條件概率分布函數(shù)Bp量化。例如，當(dāng)a為真，b為真的概率為P(b=TIa=T)=075。當(dāng)給定了變量的父節(jié)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(dǎo)出來，在此就沒有給出。3自適應(yīng)超媒體系統(tǒng)中貝葉斯網(wǎng)絡(luò)的構(gòu)造一個(gè)貝葉斯網(wǎng)絡(luò)由網(wǎng)絡(luò)構(gòu)造表示其定性部分，由條件概率分布函數(shù)表示其定量部分。這兩部分必須加以指明以構(gòu)成一個(gè)貝葉斯網(wǎng)絡(luò)，之后在一個(gè)系統(tǒng)中被用作推導(dǎo)引擎。在超媒體系統(tǒng)中，構(gòu)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繪該領(lǐng)域的各個(gè)部分，以及每個(gè)變量確實(shí)切含義。(2)確定網(wǎng)絡(luò)構(gòu)造。由專家確定各個(gè)變量之間的依賴關(guān)系，從而獲得該領(lǐng)域內(nèi)的網(wǎng)絡(luò)

9、構(gòu)造。在確定網(wǎng)絡(luò)構(gòu)造時(shí)必須注意要防止出現(xiàn)有向環(huán)。(3)確定條件概率分布函數(shù)。通過由專家確定的網(wǎng)絡(luò)構(gòu)造中每個(gè)變量的條件概率分布函數(shù)，量化變量之間的依賴關(guān)系。(4)應(yīng)用到實(shí)際系統(tǒng)。運(yùn)用到實(shí)際系統(tǒng)中，利用系統(tǒng)搜集的數(shù)據(jù)，經(jīng)過計(jì)算和分析，調(diào)整貝葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)構(gòu)造和各變量的條件概率分布函數(shù)，對(duì)貝葉斯網(wǎng)絡(luò)進(jìn)展優(yōu)化。在實(shí)際應(yīng)用中，在每一個(gè)階段之后，都要進(jìn)展評(píng)估，考察前面的階段是否被成功地執(zhí)行。每當(dāng)發(fā)現(xiàn)前面階段所得的結(jié)論不充分時(shí)，前一個(gè)階段將被再次執(zhí)行，否那么，前進(jìn)到下一階段。每個(gè)階段發(fā)生的錯(cuò)誤應(yīng)被及時(shí)更正，在早期產(chǎn)生的錯(cuò)誤假設(shè)在后期加以更正將比在早期更正花費(fèi)更大的代價(jià)。我們稱重復(fù)經(jīng)歷某個(gè)階段并進(jìn)展評(píng)估的過程

10、為建立一測試期(buddtextyle)，據(jù)此，我們構(gòu)建了自適應(yīng)超媒體系統(tǒng)貝葉斯網(wǎng)絡(luò)構(gòu)造生命周期圖，如圖4所示。在某一特定領(lǐng)域構(gòu)造貝葉斯網(wǎng)絡(luò)是一件非常困難并且也費(fèi)時(shí)的工作。這種困難一方面來自于某些領(lǐng)域過于復(fù)雜，即使該領(lǐng)域的專家也無法完全正確的描繪該領(lǐng)域的因果關(guān)系，這影響了貝葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)構(gòu)造的構(gòu)造；而另一方面，人們擅長于描繪定性的關(guān)系，而不擅長描繪定量的關(guān)系，這直接造成了在確定條件概率分布函數(shù)時(shí)的困難。利用數(shù)據(jù)庫中的大量原始數(shù)據(jù)，經(jīng)過計(jì)算、分析，自動(dòng)構(gòu)造貝葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)構(gòu)造和條件概率分布函數(shù)的方法，是一個(gè)可以有效降低貝葉斯網(wǎng)絡(luò)構(gòu)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(xí)問題，最近幾年，研究者提出了許多自動(dòng)學(xué)習(xí)