教育资源分布式配送与调度算法探讨

随着计算机与信息技术的迅猛发展,人类进入了信息化时代。教育信息化将信息作为教育系统的一种基本构成要素,在教育领域全面深入地运用现代化信息技术来促进教育改革和教育发展过程。教育信息化的结果必然形成一种全新教育形态:信息化教育。教育资源作为教育信息化建设的核心,在提高教育教学质量,挖掘教育发展潜力上发挥着重要的作用。1999年,教育部成立了现代远程教育资源库开发领导小组,起草了《全国远程教育资源建设规划》,随后又组织制定了《现代远程教育工程教育资源建设技术规范》(试行),从而引发了教育资源开发与研究的。近几年来出现了一批专门从事资源建设的公司和研究团体,从资源的设计开发到管理应用初步形成了规范的运行模式。经过多年的发展,各方面都取得了一定的成效,在一定程度上缓解了教育资源紧缺的情况。但是,教育资源建设并不是一步到位,而是一个“缺失—供给—平衡—缺失—供给……”不断循环的动态过程,它和整个教育的发展是相辅相成的。另外,基础教育领域正由过去大纲指导下的全国统编教材,转为课程标准指导下的多样化教材,随着各种各样教材的陆续出现,以及师生个性化解读的增多,必然会催生出众多个性化的教育资源。再加上新课程标准和新教材的推行,要求及时、优质地推出符合新课程标准和新教材的资源。因此,教育资源建设应该不断完善和更新,以适应时展要求,长期稳定的不断更新与维护是教育资源具有持久生命力的保障。随着资源建设研究机构的新资源不断积累和资源用户群的日益增大,目前教育资源建设存在一个明显的问题:新资源不能及时更新到资源用户端而资源用户又迫切的需求新资源。如何实现有效的资源配送已成为当前教育资源建设中一个亟待解决的问题,是制约教育资源建设和教育信息化进一步发展的瓶颈。针对现存资源配送中所存在的一些问题,本文提出了教育资源分布式配送系统(EducationResourcesDistributedDeliverySystem,ERDDS),系统采用了基于调度服务器的分布式结构,每个分布式配送中心都可以在调度服务器的支配下独立向资源用户提供个性化的配送服务。在系统中采用了个性化服务机制,一方面根据资源用户基本信息采用基于规则的推荐技术,有效的实现了信息化平台新用户的个性化初始资源选择;另一方面根据用户兴趣信息采用基于内容和协作的混合推荐技术,有效的实现了信息化平台老用户的个性化更新资源选择。在资源的个性化配送过程中,提出了基于背景和时态的向量空间模型(BackgroundandTenseVectorSpaceModel,BTV)的用户兴趣表示方法,以及基于背景和认知水平的向量空间模型(BackgroundandCognitiveLevelVectorSpaceModel,BCLV)的资源描述表示方法。系统采用了决策树、模糊匹配与推理以及蚁群聚类等作为个性化服务的支撑技术。此外,在调度服务器中采用了基于蚁群算法的任务调度优化,有效的解决了资源用户群与分布式配送中心之间的分配问题,从而实现了系统负载平衡。最后通过模拟对比实验,证实了教育资源分布式配送系统的有效性。随着系统的实际应用将会形成一个全新的、有效的资源配送服务体系,所以本系统具有很大的使用价值和推广意义。【关键词】：教育资源资源配送分布式个性化优化调度用户兴趣资源描述
【论文提纲】：摘要4-6ABSTRACT6-12第一章绪论12-241.1选题背景12-151.1.1教育资源的定位12-131.1.2教育资源概念的界定131.1.3教育资源建设的原则13-141.1.4教育资源建设的途径14-151.1.5教育资源配送的必要性151.2国内外研究现状15-211.2.1国内研究现状15-191.2.2国外研究现状19-201.2.3存在的问题20-211.3研究目标与意义211.4研究方法和研究内容21-221.5本文组织结构22-24第二章理论基础24-492.1个性化理论24-302.1.1用户建模24-282.1.2个性化推荐技术28-292.1.3个性化服务体系结构292.1.4研究与应用现状29-302.2模糊理论30-362.2.1模糊知识表示30-312.2.2模糊匹配31-322.2.3模糊推理32-362.3蚁群算法36-412.3.1概述362.3.2算法模型36-392.3.3研究与应用现状39-412.4聚类算法41-452.4.1概述412.4.2聚类算法分类41-442.4.3研究与应用现状44-452.5蚁群聚类算法45-492.5.1概述452.5.2LF算法45-472.5.3算法的改进方法47-49第三章教育资源分布式配送系统(ERDDS)原型设计49-593.1ERDDS依托环境先容49-513.2ERDDS概述51-543.2.1基于Internet网络配送模式分析51-533.2.2ERDDS的提出53-543.3ERDDS模型54-573.4ERDDS关键问题分析57-593.4.1用户个性化资源推荐573.4.2用户和配送中心间调度处理57-59第四章用户与资源描述模型及建模方法59-694.1用户建模59-674.1.1用户基本信息模型59-624.1.2基于BTV的用户兴趣模型62-634.1.3用户兴趣模型建模方法63-674.2基于BCLV的资源描述模型67-69第五章用户个性化服务模型与推荐方法69-825.1基于的个性化服务模型设计69-705.2个性化资源推荐流程70-725.3个性化服务的推荐方法72-805.3.1基于规则的推荐方法72-775.3.2基于内容过滤的推荐方法77-785.3.3基于协作过滤的推荐方法78-805.4个性化服务评价80-82第六章任务调度模型及算法82-916.1任务调度目的826.2任务调度服务模型82-846.3关键问题分析84-876.3.1配送中心服务器负载评价84-856.3.2调度算法的选择85-876.4调度问题数学模型87-886.5调度算法88-916.5.1基于MAX-MIN蚁群算法的优化调度88-896.5.2算法描述89-91第七章实验与结果分析91-1037.1开发环境先容91-927.1.1开发工具917.1.2开发语言91-927.1.3数据库927.2实验内容概述92-937.3个性化服务实验93-987.3.1基于内容过滤技术的个性化资源选择93-967.3.2基于协作过滤技术的个性化资源选择96-987.3.3小结987.4任务调度服务实验98-1037.4.1概述98-997.4.2调度算法对比99-1027.4.3小结102-103第八章结语103-1058.1研究结论1038.2本文的创新103-1048.3下一步研究工作104-105参考文献105-110后记110-111在学期间公然发表论文情况111