基于浮动基准的Web教育资源特征分析及可信度评估 (韩文锴)

1、基于浮动基准的Web教育资源特征分析及可信度评估A Characteristic Analysis and Reliability Evaluation of the Education Resource on the Web Based on Relocatable Baseline安徽师范大学数学计算机科学学院 韩文锴摘要本文通过以资源来源为主要特征和可靠性参考基准，并引入服务质量、参考率、个体优化等多方面因素，提供了一个基于浮动基准的Web教育资源特征分析及可信度评估模型。本文从浮动基准角度建立了特征分析与可信度评估模型，并从访问的主客体角度给出了分析评估算法。最后给出了与资源Rank机

2、制的联系和拓展。关键词：浮动基准 特征分析 可信度评估Base on relocatable baseline theory, we introduce factors like QoS, reference rate and individual optimization to build a model to analyze and evaluate the characteristic and reliability of the education resource on the web. And then bring out the algorithms for the aspect

3、 of both subject and object. At last, we discuss the relation between our model and resource ranking.Keywords: Relocatable Baseline, Characteristic Analysis, Reliability Evaluation 一、问题重述1.1问题背景随着Web 教育资源指数级的增长以及受污染现象（如冗余、空链接、虚假信息等）的加剧，如何有效获取和汇聚高可信的Web 教育资源是当前教育界面临的极具挑战性的课题之一。Web教育资源的特征分析和可靠性评估是对其进行

4、分类、筛选、选择、排序等行为的基础和参考基准，因此，对相关算法和模型的研究有了重要的实用意义和应用背景。1.2问题概要在本问题以及提出的理论的背景下，我们要解决Web教育资源特征分析及可信度评估的问题，其需要解决的主要问题有：1. 提出一种算法来确定浮动基准；2. 在浮动基准的基础上，确定其他因素对评估结果的影响；3. 综合以上因素，确定评估结果与Rank机制的关系。二、模型假设1. 相似来源的资源质量相近2. 在一定时间内某作者的资源质量相近3. 不同来源的引用和点击量对资源质量的评价影响相近4. 个体选择某资源的环境和状态不纳入个体优化评价体系三、符号说明Qp 某资源来源的服务质量：包括可

5、用性、时延、丢包率等来源性质的参数Ei 某资源的评估校正参数：包括点击量、引用量等个体资源性质的参数Np 某资源来源的资源总数Bp 某资源来源的预先评估基准Bi 某资源的预先评估基准Ri 某资源的阶段性评估结果四、 模型建立与分析4.1 确定浮动基准由于Web教育资源的大规模性和调用的随机性，对其评估不仅要求算法的动态性，更对其高效性做了要求。基于人类对资源的普遍认识：来源相似或相近的资源一般质量也较为相近。我们可以对现有的来源相近的Web教育资源进行归类和总体评估，并确定一个资源来源质量的基准，这样就大大降低了对相近来源资源重新评估的几率，提高了算法的效率。其次，相近来源的资源虽然质量相近，

6、但本着“万物皆动”的哲学思想，随着时间的推移，对相近来源的资源的评估校正也同样重要。但若对来源的总体资源进行重新评估显然很难满足我们所提到的动态性和高效性。于是我们提出了浮动基准的概念，其基本思想与生物学中“环境与个体相互影响相互依存”的反馈机制类似：浮动基准决定了某个来自此来源资源的评估基准，而此资源的其他指标同时也会影响此来源评估的浮动基准。同时，对某来源的基准指标从某个程度上也体现了其资源特征。在此指导思想之下，我们定义了某个资源来源的预先评估基准Bp：Bp=BnNpQp4.2 评估结果校正评估结果校正分为以下三个方面：1. 在来源预先评估的基准上，对单个资源进行评估结果校正；我们定义此

7、阶段时的单个资源评估结果为Rn：Ri=BiBpQpBp+Ei=BiQp+Ei2. 在某来源新加资源后，对资源来源的评估基准进行浮动校正；我们定义校正后的浮动基准为Bpa:Bpa=Bn-(Bi-Ri)NpQp=Bp-(Bi-Ri)NpQp3. 随着评估基准的浮动以及资源个体指标的大幅度更新，对资源来源和个体进行大规模反馈校正。4.3 个体优化算法个体优化算法是指根据某个用户个体的个性操作行为历史，对可信度评估进行个性化校正的算法。我们可以根据用户个体的操作历史行为、操作反馈等，对资源的服务质量等指标进行个性化校正，并给出个体优化的可信度评估体系。五、 模型补充与优化评估与Rank的关系评估结果和

8、Rank的关系就像Google Page Rank和Google网页搜索排序的关系：Google的排名算法并不是完全基于外部链接的高PageRank并不能保证Google高排名PageRank值更新的比较慢，今天看到的PageRank值可能是三个月前的值但我们提出的评估系统的优点在于：它的动态性介于PageRank和Google网页排名之间。PageRank是低反馈度的低动态评估，而Google网页排名是动态索引式的半即时评估。我们提出的评估系统的资源占用率介于两者之间，动态性也介于两者之间，给可信度评估提供了一个新的选择。六、参考文献1 Frank R. Giordano, William

9、P. Fox, Steven B. Horton, Maurice D. Weir，数学建模 第四版（A First Course in Mathematical Modeling, Fourth Edition），北京：机械工业出版社，2009；2 Walter Rudin，数学分析原理 第三版（Principles of Mathematical Analysis, Third Edition），北京：机械工业出版社，2003；3 Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, Clifford Stein，算法导论 第二版（Introduction to Algorithms, Second Edition），北京：机械工业出