基于浮動基準的Web教育資源特征分析及可信度評估 (韓文鍇)(共7頁)

1、基于(jy)浮動(fdng)基準(jzhn)的Web教育資源特征分析及可信度評估A Characteristic Analysis and Reliability Evaluation of the Education Resource on the Web Based on Relocatable Baseline安徽師范大學數(shù)學計算機科學學院 韓文鍇摘要本文通過以資源來源為主要特征和可靠性參考基準，并引入服務質(zhì)量、參考率、個體優(yōu)化等多方面因素，提供了一個基于浮動基準的Web教育資源特征分析及可信度評估模型。本文從浮動基準角度建立了特征分析與可信度評估模型，并從訪問的主客體角度給出了分析評估

2、算法。最后給出了與資源Rank機制的聯(lián)系和拓展。關鍵詞：浮動基準 特征分析 可信度評估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 algorithm

3、s for the aspect 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、問題(wnt)重述1.1問題(wnt)背景隨著(su zhe)Web 教育資源指數(shù)級的增長以及受污染現(xiàn)象（如冗余、空鏈接、虛假信息等）的加劇，如何有效獲取和匯聚高可信的Web 教育資源是當前教育界面臨的

4、極具挑戰(zhàn)性的課題之一。Web教育資源的特征分析和可靠性評估是對其進行分類、篩選、選擇、排序等行為的基礎和參考基準，因此，對相關算法和模型的研究有了重要的實用意義和應用背景。1.2問題概要在本問題以及提出的理論的背景下，我們要解決Web教育資源特征分析及可信度評估的問題，其需要解決的主要問題有：提出一種算法來確定浮動基準；在浮動基準的基礎上，確定其他因素對評估結果的影響；綜合以上因素，確定評估結果與Rank機制的關系。二、模型假設相似來源的資源質(zhì)量相近在一定時間內(nèi)某作者的資源質(zhì)量相近不同來源的引用和點擊量對資源質(zhì)量的評價影響相近個體(gt)選擇某資源的環(huán)境和狀態(tài)不納入個體(gt)優(yōu)化評價體系三、

5、符號(fho)說明Qp 某資源來源的服務質(zhì)量：包括可用性、時延、丟包率等來源性質(zhì)的參數(shù)Ei 某資源的評估校正參數(shù)：包括點擊量、引用量等個體資源性質(zhì)的參數(shù)Np 某資源來源的資源總數(shù)Bp 某資源來源的預先評估基準Bi 某資源的預先評估基準Ri 某資源的階段性評估結果模型建立與分析確定浮動基準由于(yuy)Web教育資源的大規(guī)模性和調(diào)用的隨機性，對其評估(pn )不僅要求算法(sun f)的動態(tài)性，更對其高效性做了要求?；谌祟悓Y源的普遍認識：來源相似或相近的資源一般質(zhì)量也較為相近。我們可以對現(xiàn)有的來源相近的Web教育資源進行歸類和總體評估，并確定一個資源來源質(zhì)量的基準，這樣就大大降低了對相近來源

6、資源重新評估的幾率，提高了算法的效率。其次，相近來源的資源雖然質(zhì)量相近，但本著“萬物皆動”的哲學思想，隨著時間的推移，對相近來源的資源的評估校正也同樣重要。但若對來源的總體資源進行重新評估顯然很難滿足我們所提到的動態(tài)性和高效性。于是我們提出了浮動基準的概念，其基本思想與生物學中“環(huán)境與個體相互影響相互依存”的反饋機制類似：浮動基準決定了某個來自此來源資源的評估基準，而此資源的其他指標同時也會影響此來源評估的浮動基準。同時，對某來源的基準指標從某個程度上也體現(xiàn)了其資源特征。在此指導思想之下，我們定義了某個資源來源的預先評估基準Bp：Bp=BnNpQp評估結果校正評估結果校正分為以下三個方面：在來

7、源預先評估的基準上，對單個資源進行評估結果校正；我們定義此階段時的單個資源(zyun)評估結果為Rn：Ri=BiBpQpBp+Ei=BiQp+Ei在某來源新加資源后，對資源來源的評估基準(jzhn)進行浮動校正；我們定義校正(jiozhng)后的浮動基準為Bpa:Bpa=Bn-(Bi-Ri)NpQp=Bp-(Bi-Ri)NpQp隨著評估基準的浮動以及資源個體指標的大幅度更新，對資源來源和個體進行大規(guī)模反饋校正。個體優(yōu)化算法個體優(yōu)化算法是指根據(jù)某個用戶個體的個性操作行為歷史，對可信度評估進行個性化校正的算法。我們可以根據(jù)用戶個體的操作歷史行為、操作反饋等，對資源的服務質(zhì)量等指標進行個性化校正，并

8、給出個體優(yōu)化的可信度評估體系。模型補充與優(yōu)化評估與Rank的關系評估結果和Rank的關系就像Google Page Rank和Google網(wǎng)頁搜索排序的關系：Google的排名算法并不是完全基于外部鏈接的高PageRank并不能保證(bozhng)Google高排名PageRank值更新(gngxn)的比較慢，今天看到的PageRank值可能(knng)是三個月前的值但我們提出的評估系統(tǒng)的優(yōu)點在于：它的動態(tài)性介于PageRank和Google網(wǎng)頁排名之間。PageRank是低反饋度的低動態(tài)評估，而Google網(wǎng)頁排名是動態(tài)索引式的半即時評估。我們提出的評估系統(tǒng)的資源占用率介于兩者之間，動態(tài)性也

9、介于兩者之間，給可信度評估提供了一個新的選擇。六、參考文獻1 Frank R. Giordano, William P. Fox, Steven B. Horton, Maurice D. Weir，數(shù)學建模 第四版（A First Course in Mathematical Modeling, Fourth Edition），北京：機械工業(yè)出版社，2009；2 Walter Rudin，數(shù)學分析原理 第三版（Principles of Mathematical Analysis, Third Edition），北京：機械工業(yè)出版社，2003；3 Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, Clifford Stein，算法導論 第二版（Introduction to Algorithms, Second Edition），北京：機械工業(yè)出版社，2006；4 王楊，基于可信理論的