基于Agent的Web教育资源预选择分层模型

摘要：

在网络环境下，Web教育资源规模日益庞大，用户申请资源的过程逐渐复杂化。为此，提出一种基于Agent的Web教育资源预选择分层模型。根据预选择分层模型对Web教育资源进行两层过滤，利用基于语义相似度的过滤算法，将Web教育资源根据语义相似度完成匹配筛选；采用用户反馈信息建立机器学习模型，使用基于Q学习的过滤算法筛选Web教育资源。实验结果表明，分层模型可供用户选取符合用户需求的资源，具有较好的可扩展性。

关键词：Web教育资源、资源过滤、语义相似度、Agent技术、机器学习、分层模型

分类号：N945.12(系统科学)

资助基金：教育部人文社会科学基金资助项目11YJ880119；安徽省自然科学基金资助项目1308085QF118；安徽师范大学创新基金资助项目2011cxjj01；安徽师范大学博士科研启动基金资助项目132-151201

在线出版日期：2013-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：119-122,127