（计算机应用技术专业论文）智能教学系统中的知识表示和决策推理研究.pdf

首都师范大学硕士学位论文 摘要 在网络课堂教学中，根据对学生、教学内容等的分析推送符合学生特征的 教学内容通常是通过教学策略的设计实现的。如何动态获取教师教学策略，并 加以实施，以增加教师决策的灵活性是非常值得深入研究的问题。本文从教学 模式入手，将教学设计看成一系列教学活动的执行过程，力求从教师角度去系 统分析教学过程中的主要步骤和环节，通过对各个环节进行规则定义和调用， 实现系统对教师教学策略的动态获取。教师教学决策可以在经验知识层面，领 域知识层面和系统自动推理控制层面进行。比较重要的还有一点在于在整个教 学设计网络课堂的设计中，探索了如何用纯面向对象的设计思路去搭建灵活可 变的系统框架、调用相关模块的对象和方法，实现规则的对象化表示。结合 q u i c k r u l e s n e t 规则引擎，基于其内在的r e t e 推理算法和推理机制实现基于规 则的自动推理，而不必担心规则条件的多少和规则推理的复杂度。本系统采用 了模型一视图一控制( m v c ) 架构模式，这确保了整个系统中的代码和业务处理 逻辑的最大分离，增强了系统的灵活性和可复用性，为系统的跨平台迁移做了初 步探讨。 本文共分8 章： 第1 章：引言 第2 章：智能教学系统中的理论研究 第3 章：教学设计网络课堂的模型设计 第4 章：教学设计网络课堂的实现方案 第5 章：决策推理子系统的设计开发 第6 章：决策推理子系统的关键技术 第7 章：教学设计网络课堂的安全认证 第8 章：小结及后期展望 关键词教学设计教学设计网络课堂规则推理对象模型一视图一控 制；( m v c ) 首都师范大学硕士学位论文 a b s t r a c t i nn e t w o r kc l a s st e a c h i n g ，t h ei m p l e m e n t a t i o no f d e l i v e r i n gt e a c h i n gc o n t e n t s w h i c ha c c o r d a n c et os t u d e n t sc h a r a c t e r i s t i c si s t h r o u g ht h ed e s i g n o ft e a c h i n g s t r a t e g yt h a ta c c o r d i n g t ot h ea n a l y s i so fs t u d e n t sa n dc o u r s e s i ti sav e r yw o r t hw h i l e p r o b l e mt od of u r h e rr e s e a r c ho nh o w t og e tt e a c h e r st e a c h i n gs t r a t e g i e si nd y n a m i c a n d p u t i ti n t op r a c t i c es ot h a tt oe n h a n c et h ef l e x i b i l i t yo f t e a c h e r sd e c i s i o n m a k i n g i nt h i sp a p e r , w es t a r t 、m mt e a c h i n gm o d e 。t a k ei n s t r u c t i o n a ld e s i g na sae x e c u t i v e p r o c e s so f as e r i e so fi n s t r u c t i o n a la c t i v i t i e s ，d oo u rb e s tt oa n a l y s i st h em a i ns t e p s a n dt a c h e so fi n s t r u c t i o n a l p r o c e s s f r o mt e a c h e r s p o i n t o fv i e ws y s t e m a t i c a l l y t h r o u g h r u l ed e f m i t i o na n d c a l l s y s t e mc a nc a p t u r e t e a c h e r si n s t r u c t i o n a ls t r a t e g yi n d y n a m i c t e a c h e r c a d ot e a c h i n gd e c i s i o no n e x p e r i e n c ek n o w l e d g e a r e ak n o w l e d g e a n ds y s t e ma u t o m a t i cr e a s o n i n gc o n t r o l l e v e l a n o t h e ri m p o r tp o i n ti st l l a tw e e x p l o r e h o wt ou s i n gt h e d e s i g nt h o u g h to f p u r eo b j e c t - o r i e n t e d t ob u i l df l e x i b l ea n da l t e r a b l e s y s t e mf r a m e w o r k ，c a l lt h eo b j e c t s a n dm e t h o d so fr e l a t i v e m o d u l e s ，e a r l yo u t o b j e c t o r i e n t e dr e p r e s e n t a t i o no fr u l e s c o m b i n i n gq u i c k r u l e s n e t sr u l ee n g i n e ， b a s e do ni t si n t e r n a lr e t er e a s o n i n ga r i t h m e t i ca n dr e a s o n i n gm e c h a n i s mt oa c h i e v e r u l e ，b a s e da u t o m a t i cr e a s o n i n ga n da tt h es a m et i m ew ed o n tt ob ew o r r i e da b o u tt h e q u a n t i t y o fr u l e sa n dt h ec o m p l e x i t yo fr u l e r e a s o n i n g i n o u rs y s t e m ，w eu s e m o d e l v i e w - c o n t r o l ( m v c ) a r c h i t e c t u r ep a t t e r n w h i c hi n s u r e t h em a x i m u ms e p a r a t i o n o fc o d ea n db u s i n e s sp r o c e s sl o g i c ，e n h a n c et h ef l e x i b i l i t ya n dt h ed u p l i c a t i o no ft h e e n t i r es y s t e m i t sa ni n t r o d u c t i v eo r o b ei n t ot r a n s f e rp l a t f o r ma p p l i c a t i o n 1 1 1 i 8p a p e ri sm a d e u po f e i g h tc h a p t e r s ： t h ef i r s tc h a p t e r ：i n t r o d u c t i o n 1 1 1 es e c o n d c h a p t e r ：t h e o r yr e s e a r c ho fi n t e l l i g e n tt u t o r i n gs y s t e m t 1 1 et h i r dc h a p t e r ：n em o d e ld e s i g no nn e t w o r kc l a s ss y s t e mo f i n s t r u c t i o n a l d e s i g n t h ef o u r t hc h a p t e r ：i m p l e m e n t a t i o np r o j e c to nn e t w o r kc l a s so fi n s t r u c t i o n a l d e s i g n t h ef i f n lc h a p t e r ：d e s i g na n d d e v e l o p m e n t o nd e c i s i o n r e a s o n i n gs u b s y s t e m n l cs e v e n t h c h a p t e r ：k e y t e c h n i co nd e c i s i o n r e a s o n i n gs u b s y s t e m 盯”e i g h t hc h a p t e r ：c o n c l u s i o na n de v e n i n ge x p e c t a t i o n k e yw o r d s ：i n s t r u c t i o n a ld e s i g nn e t w o r kc l a s so fi n s t r u c t i o n a ld e s i g nr u l e r e a s o n i n go b j e c t m v c i i 首都师范大学硬士学位论文 引言 第1 章引言 智能教学系统中的知识表示和决策推理一题来源于教育部攻关项目基 于网络的自适应智能系统研究和现代远程教育关键技术与支撑服务系统和天地 网结合项目中的子课题：个性化课件生成系统研究。在进行这些系统的研发过 程中，本人注意到智能教学系统的智能性体现在能够根据学生个性及学科特点、 情境影响等其他的主要因素推送符合学生个性特征的教学策略和资源，其中， 智能教学系统中的决策推理机制对整个智能教学系统的智能性和有效性起着非 常关键的作用，而决策推理又是以知识表示为基础的，因此本人选择“智能教 学系统中的知识表示和决策推理的研究”作为自己的硕士论文题目，并在原有 智能学习系统实验室开发的个性化课件生成系统原型的决策推理机制基础上进 行更为深入、全面的研究。 智能教学系统与专家系统相比所具有的最突出的特点就是系统以学生为中 心，同时系统中的知识表示方式要更能体现系统的特点，既能充分表示领域知 识、经验知识等，又能充分表示教学策略、控制策略及推理规则等，而决策推 理则是基于知识表示的，决策推理的好坏决定了整个智能教学系统的智能性， 教学系统中大量不确定性知识的表示也给推理带来了一定的困难。因此，运用 人工智能的知识表示和推理的技术及方法有效的表示智能教学系统中的知识以 及在知识表示基础上进行决策推理是本研究研究的重点，该技术的运用将提高 系统的智能性、灵活性及复用性。 第2 章智能教学系统中的理论研究 智能教学系统作为一个比较特殊的教育应用领域的研究课题，在理论上融 合了教育、教学等的基本理论，在实现上又依赖于信息技术及网络技术的应用， 而其智能性的实现则有赖于人工智能的发展。智能教学系统中的知识表示和决 策推理则集中的体现了这些应用，它依托教育理论、教学设计抽取相关因子， 进行具体的知识表示，在其基础上再进行相应的推理实现。最终实现网络环境 下的教学设计和实施。 2 1 智能教学系统 计算机辅助教学( c o m p u t e ra s s i s t e di n s t r u c t i o n 简称c a d 是指以计算机 为媒介，通过学生一计算机之间的交互活动达到教学目的的一种手段。c a i 可 用于代替教师进行整门课程的教学或作为常规课堂教学的补充手段。智能教学 系统从方法上与c a 是完全不同的，它从知识表示、推理功能、学生模型、课 程模型、教师模型入手建立系统。智能教学系统以计算机为媒介，集中教师的 首都师范大学 受士学位论文智能教学系统中的理论研究 经验与智慧在计算机中预先存储有某一领域的知识与教学方法。学生通过与计 算机之间的交互对话，模拟教学过程，指导学生进行课程学习、作业练习、试 验模拟、考试命题和考试信息处理等，它注重已有知识、人类教学专家的经验 和系统的推理功能。 智能教学系统传统上是基于三个动态模型的交互模型：领域模型、学生模 型和教学模型【1 j ( o r e y 9 4 ) 。系统的目标和特征通过分布的几个模块的体系结 构来实现，如图2 ，1 中所示： 图2 1 个智能教学系统的体系结构 智能教学系统寻求个教学方法的反省和基于师生之间的一对一的交互的学 习。这种教学方法在教育团体和西方文化中也被广泛认可。b l o o m 认为这种广泛 的流行是由于一对一的教育是高度个别化的过程，它的结果是好于其他的教学 方法的1 2 ( b l o o m ，1 9 9 5 ) 。 国外有些研究中按照他们所生成的智能教学系统的类型、领域知识和适合 的任务，以及制作的难易、效率和知识或技巧表示的深度和保真度来进行分类 【3 】 4 l 【5 】( m u r r a y1 9 9 9 ) 。 下表列出了七十年代欧美智能教学系统代表作中的知识表示方法1 智能教学系统名称采用技术 s c h o l a r语义网络 w h y原稿对话 s o p 胍问答 w e s t语义网络 w u h p u s覆盖模型 g u ，o n 覆盖模型 b u o g y产生式规则 e x c h e c k语义网络 首都师范大学硬士学位论文智能教学系统中的理论研究 2 2 专家系统 专家系统是人工智能应用研究的个重要领域。自2 0 世纪7 0 年代专家系 统的开发获得成功以来，目前已被成功的运用到科学技术、工业、农业、军事、 医疗、教育等众多领域。作为一种一般的解释，可认为专家系统是一种具有大 量专门知识与经验的智能程序系统，它能运用领域专家多年积累的经验和专门 知识，模拟领域专家的思维过程，解决该领域中需要专家才能解决的复杂问题。 专家系统包括以下三个方面的含义； ( 1 )专家系统是一种程序系统，但又具有智能，因此，它不同于一般的 程序系统，而是一种能运用专家知识和经验进行推理的启发式程序 系统。 ( 2 )专家系统的智能来源于领域专家的知识、经验及解决问题的诀窍。 为此，专家系统内部必须包含大量专家水平的领域知识与经验，并 且能够在运行过程中不断的增长新知识和修改原有知识。 ( 3 )专家系统所要解决的问题一般是那些本来应该由领域专家才能解 决的问题。 一个最基本的专家系统由知识库、数据库、推理机、解释机构、知识获取 机构和用户界面组成，其基本结构如图2 所示： 图2 专家系统的基本结构 下表列出了七十年代专家系统中的知识表示方法【1 2 1 ： 首都师范大学硬士学位论文 智能教学系统中的理论研究 专家系统名称知识表示方法 m y c 矾 规则 p r o s p b c i o r规则和分类联想网络 p 口框架 m r r e r n l s l 类似框架的表示方法 c a d u c e u s因果分类两络 c a s 丁e t因皋联想网络 a b e l不同抽象层次的因果网络 n e o m y c 矾规则和类似框架的表示 c 岫类似框架的袭示( 用关系敦据库实现) 2 3 智能决策支持系统 智能决策支持系统( i n t e l l i g e n td e c i s i o ns u p p o r ts y s t e m ，i d s s ) 是决策支持 系统与人工智能技术，尤其是与专家系统相结合的产物，它将人工智能中的知 识表示与知识处理的思想引入到决策支持系统。它既充分发挥了决策支持系统 在数值分析方面的优势，又充分发挥了专家系统在知识及知识处理方面的特长， 既可进行定量分析，又可进行定性分析，不仅能解决那些结构良好的问题，还 能有效解决那些半结构化及非结构化的问题。 新的智能决策支持系统增加了数据仓库和数据开采机构，并由“问题综合与 交互系统”进行综合集成而形成。这种结构包含了两个主体，一个主体是知识 库系统和模型库系统，它为决策问题提供定性分析( 知识推理) 和定量分析( 模 型计算) 相结合的辅助决策信息；另一个主体是数据仓库和数据开采，它从数 据库、数据仓库中提取各种反映数据内在联系的有用信息和知识。其体系结构 如图2 _ 3 所示： 4 首都师范大学硬士学位论文智能教学系统中的理论研究 图2 3 智能决策支持系统和数据仓库、数据开采相结合的体系结构 2 4 教学设计研究 1 9 8 7 年钟启泉等引进和介绍了国外的教学设计【1 2 】【1 3 】，对在2 0 0 3 年公开发表 的篇名中含有“教学设计”的术语的论文的统计显示，约有1 0 0 0 篇，涉及到了 国外教学设计研究的引介，教学设计本身的研究，教学设计应用研究及教学设 计实践研究等( 按文献数目由少到多排序) 【h ，这些数字充分反映了教学设计 在教学领域中的研究状况。 2 4 1 教学设计的基本问题 “如何确切理解教学设计”是教学设计研究中最基本的问题，国内对教学 设计的理解，一般以“过程论”居多，其表现形式是特定的教学设计模式，当 代国际著名的教学设计理论家，美国印第安那大学教育学院教学系统技术系查 尔斯m 赖格卢斯( r e i g e l u t hcm ) 教授指出：不同的人对“教学设计”这一术 语有不同的理解，一种将它看作是过程，一种将他看作结果，将教学设计看成 是结果的人，主要关注教学设计最后要形成的产品或者要实现的任务，将教学 设计看成是过程的人，重点放在探讨如何指导教师制定计划，如何一步一步达 到目标。实际上，“教学设计”常用于指称过程或结果中的任何一个，可根据具 体情境来确定，其根本任务都是为改进教学实践服务的i l ”。在本文中将教学设 首都师范大学硕士学位论文智能教学系统中的理论研究 计看成是由若干教学环节组成的过程。 2 4 2 教学模式 教学模式是指在一定的教育思想、教学理论和学习理论指导下，在某种环 境中展开的教学活动进程的稳定结构形式。面教学活动进程就是通常所说的“教 学过程”。按照李秉德教授的观点，教学模式包含以下几个要素：指导思想、主 题、教学程序、目标、策略、内容、评价教学过程中多个因素相互联系、相互 制约，完整地构成了一定的教学模式。至于模式中各因素的具体内容，则因教 学模式的不同而有所差异。 比较有特点的教学模式有布卢姆的掌握学习教学模式、皮亚杰的认知发展 教学模式、斯金纳的程序教学模式、瓦根舍因等人的范例教学模式、马塞拉斯 和考克斯等人的社会调查教学模式、罗杰斯的非指导性教学模式、加涅的信息 加工教学模式、塔巴的归纳教学模式、奥苏贝尔的先行组织者教学模式、布鲁 纳等人的探索发现式教学模式、巴班斯基的最优化教学模式、约翰逊兄弟的合 作教学模式等。李秉德教授把典型教学模式归结为七种：讲解接受模式、自学 辅导模式、问题教学模式、“探究发现”模式、掌握学习模式、开放课堂教学模 式、合作教学模式”叫。 2 4 3 理论发展对教学设计研究的影响 基于国外教学设计专家乔纳森和维恩( wi n1 1w ) 的研究成果，探讨了新理 论发展对教学设计研究的影响。基于教学系统的复杂性和不确定性，乔纳森从解 释学的视角提出了“以学生为中心”教学设计的基本原则，即“追求学习者对问 题的理解，关注学习者对问题的诠释”。维恩例举了认知心理学中的学习结果、元 认知发展、情境认知等多方面的研究成果，强调了人类行为不可完全预测的观点， 倡导“教学设计者的活动需要发生在学生与教学材料互动之时，而不是之前。这 就意味着可以在运行中选择与拓展方法，并对学生所思所为作出迅速反应”。 根据上述观点，从教学设计所依赖的基础学与教的科学原理，以及据此对 教学设计所做的理性分析的过程来看，教学设计是一种包含着一定的不可约化的 科学化技术，但从设计者( 尤其是教师) 经验的复杂多维性与设计对象教学 系统不确定性、复杂性、变迁性而言，教学设计是一个动态、延续、依据情境脉 络变化时“创作”的过程i i “。 2 4 4 教学设计的应用研究 教学设计的应用研究主要是指把已有的教学设计研究成果应用于相关领 域，2 0 0 3 年度，该方面的研究主要有教学设计在各教育阶段中的应用，以及应用于 6 首都师范大学硕士学位论文智能教学系统中的理论研究 远程教育、网络课程的开发、媒体的设计等。 其中，教学设计在远程教育课程中的应用主要在以下几个方面； ( 1 ) 运用教学设计理论设计远程教育课程平时的作业。要解决目前课程平时 作业中存在的闯题，必须运用教学设计理论对其进行系统设计，使其更趋科学化、 系统化和规范化，进而提出课程作业教与学过程实施模型，在此基础上进步阐 明了运用新理论设计课程应注意的9 个问题 1 ”。 ( 2 ) 应用教学设计理论设计并开发“网络教学设计”专题学习网站。在教学 过程中，如何有效地设计、开发与利用网上资源、如何有效地与学科教学整合、 如何有效地评估教学效果等一系列问题，目前还没有得到很好的解决，网络教学 的设计与评价就是其中的关键课题之一。为此，有学者研究了“网络教学设计” 网站的建设背景、构思过程、设计方法、开发过程以及初步应用效果的评价分 析等问题【1 9 1 。 f 3 ) 探讨了远程教育的教学设计原则，有学者在介绍教学设计的内涵和作用的 基础上，结合现代远程教育的特征，提出了现代远程教育教学设计的原则，包括教 学内容的设计原则、教学过程设计原则、教学系统设计原则攀。 教学设计理论在网络课程开发中的应用则从不同视角结合网络课程自身的 特性，研究了网络课程开发中遵循教学设计理论的必要性。有学者认为，网络课程 进行教学设计的关键在于教学内容的设计、教学方式的设计和教学资源的设计 1 2 j 】：还有学者认为，网络课程的教学设计应该围绕如何促进学生的自主学习，促进 学生总体的发展来进行懈j 。 2 5 人工智能中知识表示和决策推理理论 2 5 1 知识表示 2 s 1 1 知识表示的基本概念 知识表示和搜索( k n o w l e d g er e p r e s e n t a t i o na n ds e a r c h ) 是现代人工智能所研 究的两个相互联系的核心问题【6 1 。而搜索从某种意义上来说也是一种推理技术。 因此，知识表示和推理也是构建智能教学系统的核心问题。表示决定推理过程 的实施，知识表示的主要尺度则是其表现力( e x p r e s s i v e n e s s ) 和效率( e f f i c i e n e y ) 1 6 】。 知识是人们在改造客观世界的实践中积累起来的认识和实验。知识有如下几 个比较代表性的定义： 知识是经过消减、塑造、解释、选择和转换的信息 知识是由特定领域的描述、关系和过程组成的 知识= 事实+ 信念+ 启发式 知识表示就是对知识的一种描述，即用一些约定的符号把知识编码成一组计 7 首都师范大学硕士学位论文智能教学系统中的理论研究 算机可以接受的数据结构。知识表示要从如下几个方面考虑： ( 1 ) 表示能力， 知识表示能力包括知识表示范围的广泛性：领域知识表示的高效性；非确定 性知识表示的支持程度。 ( 2 ) 可利用性 知识的利用是指使用知识进行推理，以求得问题的解。知识的可利用性包括 对推理的适应性和对高效算法的支持性。知识“表示”的目的是为了知识“利 用”，而“利用”的基础是“表示”。 ( 3 ) 可组织性与可维护性 知识维护是指在保证知识的一致性与完整性的前提下对知识所进行的增加、 删除、修改等操作。 ( 4 ) 可实现性 ( 5 )自然性与可理解性 2 5 1 2 知识表示的数学理论 对于一般的对象我们总是把它放到定的坐标中去描述，如对于一个点 ( x ，y ) ，如果知道了这个点的横坐标x 和纵坐标y ，我们就可以在坐标系中去定 义这个点。对于概念我们也采用数学方法将其定义在一个空间中，这个空间是 由具有归因性、解析性和描述性的因素所构成的因素空间 2 羽。 假定要讨论一组概念p = 缸，卢，y ，它们的论域为u ，取因素族矿，使u 与 v 组成一个左配对 ，矿1 ，再取因素集f c v ，使f 对u 是充足的，即满足条件 ( v 们，u 2 u 妇厂，x 厂( “1 ) f ( u 2 ) ) ，这时称三元组，舻，f 】或 移，鼽x ( s ) l ( s f ) 】为p 的一个描述架( 矧。 对于给定的描述架，对于任何取定的描述架中的概念研g o ，总能找出它的 因素子集，( 口) ，使得对于概念的描述是充分的。在这个因素子集中会有四类， 假定用门，2 ，3 ，4 来表示，则f l r ( a ) ，f 2 与，) 无关，厂3 ：r ( a ) ，4 则 为前面几种情况的综合，其中因素集厂3 是非常重要的，它是r ( a ) 的子因素，已 不是完全充分的了，但由于实际应用的需要，恰恰需要寻找那样的因素，它很 “小”，维度很低，用于刻画概念尽管不完全充分，却八九不离十，这种因素的 提取可以高效率的实现信息压缩。，l ，2 ，f 3 ，4 之间的关系如图5 所示： 首都师范大学硕士学位论文智能教学系统中的理论研究 图2 4概念的因素集 将知识以概念的形式通过描述架表征出来，实际上就是在概念集里通过不 同类型的因素分类来完整、详细的描述概念，同一类型不同因素的集合就对应 了该概念的状态空间，状态空间的变化是通过某些因素的变化反映出来的，同 时也包含了造成这种状态变化的因紊。先在特定类型的因素集中考虑概念的状 态空间，再考虑整个概念内有关联的因索及其对应的状态空间，所有因素状态 空间的集合则表征了概念的比较全面的动态描述。因素的不确定性则造成了概 念描述的不确定性。 描述架的因素及其状态空间理论为分析系统中概念、对象或模型的决策变 量和约束变量提供了理论依据，即无需找出其所有因素子集r ( 口) ，而只需找出 其子因素集f 3 ，即能够较为充分的描述概念，却能极大的减小系统开销。如在 智能教学系统中教学策略的制定需要考查多方面的策略因素，根据最小因素子 集理论只需找出能充分表示该策略的相关因素即可，而没有必要把所有的因素 都描述出来。 2 5 1 3 常用的知识表示方法 目前人工智能领域常用的知识表示方法有： 1 ) 框架结构，由m m i n s k y 于1 9 7 5 年提出，是一个具有许多槽( s l o t ) 和 目录的知识块。结构规则，处理简单，便于用一般性知识去认识个别事物。已 广泛运用于计算机视觉、自然语言理解中。其主要特点是：结构性；继承性；( 主 要善于描述事物的内部结构及事物之间的类属关系。不能描述各种含义的联系， 因此可引入语义网络) 。其主要缺点是：不善于表达过程性知识。 2 ) 产生式系统，由n e w e l l ，a 提出。广泛应用于已存在的专家系统和认知 9 首都师范大学硕士学位论文智能教学系统中的理论研究 系统中，如m y c i n 、a m 等。使用“如果则( 否则) ”这类形 式的结构来描述知识，使用灵活，便于在系统中修改，适于表示规则类的知识。 其主要特点是：自然性；模块性；有效性( 可表示确定性知识，不确定知识， 启发式知识，过程性知识，领域知识，元知识，产生式表示法可以把专家系统 中需要的多方面的知识用统一的知识表示模式有效的表示出来) ，清晰性；其主 要缺点：效率不高( 匹配一冲突消解一执行) 。 3 ) 语义网络，1 9 6 8 年r q u i l l i a n 用作人类联想记忆，1 9 7 0 年西蒙正式提出。 语义网是由节点和弧组成的一个有向图，节点表示事物、概念和事件等，弧表 示所连结点之间的关系。其主要特点是：结构性( 语义网络和框架表示法都是 结构化的知识表示方法，语义网络表示法把事物的属性和事物之间的联系用语 义网络的结构形式显示的表示出来，下层概念的节点可以继承、补充、变异上 层概念节点的属性，从而实现信息共享和减少信息冗余。语义网络和框架又各 有特点，框架表示法适合于表示结构固定的概念、事件和行为；语义网络表示 法具有更大的灵活性，用其他方法表示的知识几乎都可阻用语义网络表示出 来) ；自然性。 其主要缺点是：非严格性( 没有公认的形式化表示体系) ；复杂性。 4 ) 逻辑模式，广泛用于知识表示，目前常用的是一阶谓词逻辑和p r o l o g 。 难以处理变化的、不确定性的和不完全的知识，还受演绎推理的影响。其局限 性在于：不能表示不确定性知识；组合爆炸；效率低( 推理是根据形式逻辑进 行的，把推理与知识的语义割裂开，使得推理过程冗长，降低了系统的效率) 5 ) 面向对象知识表示，面向对象方法是一种运用对象、类、继承、封装、 聚合、消息传递、多态性等概念来构造系统的软件开发方法。面向对象方法中 的对象是对问题域中事物的完整映射，包括事物的数据特征( 属性) 和行为特 征( 服务) 。结构与连接如实的反映了问题域中事物之间的各种关系，包括分类 关系、组装结构、静态联系、动态联系。采用了封装、继承、消息通信等原则， 使问题域的复杂性得到控制。面向对象的方法提供了从一般到特殊的演绎手段 ( 如继承机制) ，同时也提供了从特殊到一般的归纳形式( 如类) ，是一种较好 的认知模式。 面向对象的知识表示方法可将多种表示方法( 规则、框架和过程等) 组合 在一起，构成符合面向对象设计原则的混合知识表示方法。因此，在我们的智 能教学系统中，采用了面向对象的知识表示方法。 2 5 1 5 不确定性知识表示 忽略了某些次要因素或忽略了某些相关性不确切或不完全的知识，知识本 身的不成熟以及证据本身的错误等情况都可能产生不确定性。随机性和可能性 都产生不确定性，但二者的原因不同，随机性指发生的条件不充分，使得在条 件与事件之间不能出现决定性的因果关系，在事件的出现与否上表现不确定性 质，由频率的稳定性给出；可能性指概念本身模糊，一个对象是否符合这个概 1 0 首都师范大学硕士学位论文智能教学系统中的理论研究 念难以确定，由外延模糊引起不确定性，由隶属程度给出。1 2 3 1 一般地，对由随机现象引起的不确定性，使用主观概率论较为合适：对由 模糊现象引起的不确定性，使用可能性理论较为合适；对由不完全性引起的不 确定性，使用证据理论更为合适。到目前，不完全不确定性知识的表示还远不 能满足实际需要。f z 3 1 2 5 2 决策推理理论 西蒙( h e r b e r t a s i m o n ) 教授在著名的决策过程模型论著中指出：以决策者 为主体的管理决策过程经历情报( i n t e l l i g e n c e ) 、设计( d e s i g n ) 和选择( c h o i c e ) 三个阶段。 ( 1 )情报：指进行“情报”( 数据) 的收集和处理、研究决策环境、分 析和确定影响决策的因素或条件的一系列活动； ( 2 )设计：指发现、制定和分析各种可能的行动方案； ( 3 )选择：从可行方案中选择一个特定的方案，进行方案评价和审核， 并付诸实施； 所谓决策是针对某一问题，根据确定的目标及当时的实际情况制定多种候 选方案，然后按一定的标准从中选出最佳方案的过程。 所谓推理是指按照某种策略从己知事实出发推出结论的过程。其中，推理所 用的事实可分为两种情况，一种是与求解问题有关的初始数据，另一种是推理 过程中所得到的中间结论。通常，智能系统的推理过程是通过推理机制来完成 的。所谓推理机就是智能系统中用来实现推理的那些程序。 智能推理包括两个基本方面：一个是推理的方法，另一个是推理的控制策 略。 智能系统的推理过程相当于人类的思维过程，它不仅依赖于所用的推理方 法，同时也依赖于推理的控制策略。推理的控制策略是指如何使用领域知识使 推理过程达到目标策略，由于智能系统的推理过程一般表现为一个搜索过程， 因此，推理的控制策略又可分为推理策略和搜索策略。其中，推理策略主要解 决推理方向，冲突消解等问题，如推理方向控制策略。求解策略、限制策略和 冲突消解策略等。搜索策略主要解决推理线路、推理效果和推理效率等问题。 推理方向用来确定推理的控制方式，根据推理过程是从初始证据开始到目 标，还是从目标开始到初始证据，可以分为正向推理和反向推理( 或逆向推理) 两种，另外还有这两种推理的综合运用而产生的混合推理和双向推理等方式。 无论哪种推理方式，智能系统都需要有一个存放知识的知识库，一个存放初始 证据及中间结果的综合数据库和一个用于推理的推理机。 需要决策的原因是因为有些问题是非结构化的或半结构化的，非结构化：指 那些决策过程复杂，其决策过程和决策方法没有固定的规律可以遵循，没有固 定的决策规则和通用模型可依，决策者的主观行为( 学识、经验、直觉、判断 力、洞察力、个人偏好和决策风格等) 对各阶段的决策效果有相当影响，往往 首都师范大学硬士学位论文 智能教学系统中的理论研究 是决策者根据掌握的情况和数据临时做出决定。半结构化：介于结构化和半结 构化之间，其决策过程和方法有一定规律可以遵循，但又不能完全确定，即有 所了解但不全面，有所分析但不确切，有所估计但不确定，这样的决策问题一 般可适当建立模型，但无法确定最优方案。 常用的决策模式有： r 模式，即理性模式 它的四个基本特征是： ( 1 ) 解释和评价有关决策变量的信息处理较为简单 ( 2 ) 管理者完全具备处理的能力 ( 3 ) 实施方案的条件是静态的和确定性的 ( 4 ) 技术上有“最优解”的可能性 步骤：定义问题，提出一组可对备选方案进行评价的准则、列出所有备选方案， 确定每一方案可能出现的结果，选择最佳方案、执行决策 b 模式，即有限理性模式 以“有限度合理性”的决策理论为前提 ( 1 ) 管理者对决镶结果的了解总是有限的，因而常常要在缺乏完全了解情况 的条件下做出决策 ( 2 )由于决策的结果是在将来出现，并且对它们的评价缺乏经验，管理者免 不了要补充以主观的判断 ( 3 ) 管理者的能力是有限的，他们提出的方案可能仅占所有可能方案中的极 少几个 ( 4 ) 决策结果是受管理者的技能、价值观和知识影响的 b 模式是典型的半结构化的决策模式，是d s s 支持的主要对象 f 模式，即有效理性模式 它同b 模式，但它的特点不仅认为决策过程需要复杂的信息，而且还强调 决策过程受动态的社会环境条件所约束；同时还承认管理者不仅只有有限的处 理能力，并且可能带有偏见。典型的f 模式的决策过程是：管理者根据某一两 个主要特性来识别一个“中意”的方案。 n 模式，即非理性模式 依该模式，决策是由一些相对独立的“流”聚集而成，并获得结果或解释 的，因而决策行为的合理性是基于管理者行为的信念系统，是“事后”被解释 的，这类决策过程表现为“走一步，看一步”、“冲突和一致的对立统一的过程” 决策模式分析在d s s 设计中是至关重要的，没有一个管理者求解问题的模式， d s s 设计是无从做起的。 2 5 2 1 不确定性推理中的主观b a y e s 推理 智能教学系统中含有大量复杂性、不完全性、模糊性或不确定性知识，如根 据某些理论选择教学策略，或根据学生某些属性值选择教学内容，以及某些知 首都师范大学硬士学位论文 智能教学系统中的理论研究 识本身的模糊性。当采用产生式系统或专家系统的结构时，要求建立某种不确 定性问题的代数模型及其计算和推理过程。主观b a y e s 推理是基于概率论的不确 定性推理中比较成熟的一种推理方法。 2 5 2 1 1 b a y e s 公式及主观b a y e s 方法 主观b a y e s 方法是r o d u d a 、p e h a r t 等人1 9 7 6 年在b a y e s 公式的基础上 经适当改进提出了主观b a y e s 方法，它是最早用于处理不确定性推理的方法之 一，已在地矿勘探专家系统p r o s p e c t o r 中得到了成功的应用。下面我们先来 介绍b a y e s 公式。 若有诸事件4 a 3 ，a 。，彼此独立，且口为事件a j + a 2 + + a 。的子事件， p ( a 沪0 ( i = 1 ，2 ，坊，p ( b ) o ，那么b a y e s 公式可表示为： p ( a i i8 1 ： ! ! 墨型兰! 里l 生塑 。p ( a i ) p ( b 1 4 ) + p ( a 2 ) p ( b ) 4 ) + + p ( 一。) p ( b 一。) 式中，p ( a o ，p ( 4 ) ，p ( 4 ) 为先验概率( 也称非条件概率，是指在没有知识支 持它的出现或不出现的情况下赋给这个事件的概率，即先于证据的概率) ； p ( a ，i 占) ，尸( 4l 丑) ，p ( 以l 丑) 为后验概率( 又称条件概率，是给定一些证据的 条件下这个事件发生的概率) 。b a y e s 公式就是从先验概率推导出后验概率的公 式。为阐明主观b a y e s 方法，先引入几个概念： ( 1 ) 几率函数 几率函数定义为d ( x ) = 骂击 它表示x 的出现概率与不出现概率之比，显然随p 的加大d ( x ) 也加大，而且 当p ( x ) = 0 时，有o ( x ) = 0 当p ( x ) = 1 时，有o ( x ) = 。 于是，取值于 0 ，1 】的p 被放大为取值于【0 ，。 的d ( x ) 。 ( 2 ) 充分性度量 充分性度量定义为l s ：塑生! 竺2 p ( e l _ 1 爿) 它表示e 对日的支持程度，取值于 0 ，一】，由专家给出。 ( 3 ) 必要性度量 首都师范大学硬士学位论文智能教学系统中的理论研究 毖要性度量定义为l n = j p 乙( - 1 而e i h ) = 端 它表示、e 对同的支持程度，即e 对日为真的必要性程度，取值范围为【o + 一1 ， 也是由专家凭经验给出。 2 5 2 1 2 证据的不确定性描述 在主观b a y e s 方法中，证据的不确定性也是用概率表示的。在p r o s p e c t o r 中，由于根据观察s 直接求出p ( e s ) 非常困难，所以它采用了一种变通的方法， 即引进了可信度c ( e s ) 的概念，用户可根据实际情况在【- 5 ，5 e p n 取一个整数作 为初始证据的可信度。可信度c ( e s ) 与概率p ( e s ) 的对应关系可用下式表示： f c ( e f s ) + 尸( e ) ( 5 c ( e f s ) ) p e l s 2 ! f 生2 兰! 璺! 墨! ：妄旦若一5 蔓c 若0 c ( e i s ) 5 ( e i s ) 0 特别地， c ( e s ) = 一5 ，表示在观察s 下证据e 肯定不存在，即p ( e s ) = 0 ； c ( e s ) = 0 ，表示在观察s 与证据e 无关，即p ( e s ) = p ( e ) ； c ( e s ) = 5 ，表示在观察s 下证据e 肯定存在，即p ( e s ) = i 。 这样，用户只要对证据e 给出在观察s 下的可信度c ( e s ) ，系统即可求出 相应的p ( e s 1 。 对于组合证据 e = e ia n de 2 a n d a n de 。 则 p ( e s ) = m i n p ( e l s ) ，p ( e 2 s ) ，p ( e 。s ) ) 对于组合证据 e = e io r e 2 0 r o r e n 则 p ( e s ) = m a x p ( e 1 s ) ，p ( e 2 s ) ，p ( r s ) ) 在主观b a y e s 方法中，知识是用产生式规则表示的，具体形式为： i f e t h e n ( l s ，l n ) h f p ( h ) ) l s ，l n 在前面已有定义，p ( h ) 是专家给出的先验概率。主观b a y e s 的不确定推理 就由p ( h ) ，p ( e ) ，l s 和l n 求出 j d ( 日l e ) 或j p ( 日f 、e ) 的过程，也称之为概率传播。而一条规则的前项有可能肯定存在，也可能肯定 不存在，或者不确定，而且在不同情况下求解后验概率的方法亦不相同，以下 分别予以讨论。 ( 1 ) 证据e 确定必出现时，即p ( e ) = p ( e s ) = 1 ，由b a y e s 公式， 首都师范大学硕士学位论文智能教学系统中的理论研究 由以上两式可得， 即有， p ( hi e ) = p ( e1 日) x p ( h ) p ( e ) p ( _ 、h i e ) = p ( e l 、日) p ( _ 1 日) p ( e ) ! ! 丝! 墨2 ：! ! 皇! 丝! 。塑 ，( - 1 fe )p ( ef _ 1 日)j p ( 、日) o ( h l e ) = l s 0 ( h ) 若需要以概率的形式表示，再由公式 昭) = 器 计算出 p ( e l e ) = 面面l s x 丽p ( h ) 这就是把先验概率p 更新为后验概率p ( h e ) 的计算公式。 ( 2 ) 证据e 确定必不出现时，即p ( e ) = p ( e s ) = 0 ，采用和上述类似的方法可得 o ( h l e ) = l n o ( o 从而 尸( h i 、e ) = 石五f l 二n 而x 夏p 了( i h 丽) 这就是把先验概率p ( h ) 更新为后验概率p ( hi e ) 的计算公式。 ( 2 ) 当证据e 不确定时，