個性化網絡學習中的Web數據挖掘技術的應用與研究

原 虹

沈陽醫學院，遼寧沈陽 110034

個性化網絡學習中的Web數據挖掘技術的應用與研究

原 虹

沈陽醫學院，遼寧沈陽 110034

本文重點分析了當前網絡學習中經常出現的一些問題和現狀，針對一些常見傳統的問題提出構建Web是的數據挖掘技術，從而進一步分析了網絡學習的特點和行為，為學習者提供了一些個性化的學習建議。

數據挖掘；行為預測；個性化

目前，網上學習已經成了很多人的最佳選擇，遠程教育、電子商務等一些基于網絡下的電子服務日益普及，給人們的學習和生活帶來了方便。然而，一些傳統網站還是以網站為中心，對使用者提供的是一個相同的界面、統一的內容。而現在所有的網站則是要求要以用戶作為中心，對不同顧客之間實現不同的服務形式，根據用戶的具體要求和愛好，在內容上就需要進一步地實現個性化技術的處理。本文主要就是基于Web下挖掘個性化的網絡學習系統，對Web挖掘個性化服務進行了探討和研究。

1 傳統Web網絡學習的模型分析

網絡學習傳統意義上講就是指學習者鏈接到網上足不出戶，學員將能夠享受互聯網提供服務的學校，在家可以瀏覽課件，詢問自己的問題，還能夠和其他學習者進行在線交流。這種基于網絡的傳統的網絡學習屬于一種不是實時能夠在線的一種新型學習的方式，需要一定的網絡支持系統，這種網絡學習的系統，主要都是以學習者作為學習的中心，最大的缺陷就是不能把學習者的習慣和需求充分地考慮進去，從而滿足了系統的需求，但他不能實現對學習者一個制度上的適應，因此很難根據學習的實際規則進行一個相對系統的學習，從而導致互動交叉，學習者所取得的學習效果并不是很理想。

“學習模式”在一些在線學習的網站中只能是一個比較界面上的顯示，它沒有將五個具體的子系統進行有機結合，從而形成一個相對正規的網絡學院，所有的子系統均有一個實現自己的數據庫的具體接口，其實就是一個簡單的鏈接其他子系統的鏈接而已。對于整個學習者所進行的網絡學習所有的行為缺少一個合理科學的分析與研究，所以說這種學習模式缺少一個具體反映網絡學習者的實際行為的關鍵信息。這樣一來，使得原有的學習模式變得少個性化，智能化的功能，Web數據挖掘技術已經得到了進一步的發展與個性化學習的今天，就顯得更為重要。

2 個性化網絡學習模型的構建

筆者在研究和總結個性化網絡學習的過程中發現，Web數據的挖掘技術對整個個性化的網絡學習有著一定的促進和推進作用。它不但實現了同時研究多層次多元化的幫助，還能進一步地促進所有個體學習者的學習興趣。他們所有人的不同學習行為，都能通過網站進行具體的完善和改良，對整個網站的具體優化過程提供一些參考和借鑒作用，能夠進一步地促進其網站個性化服務的進一步升級。

2.1 幫助學習者進行學習個性分析

學習者在具體的學習過程中，都有著自己的習慣和個性，在學習過程中，不是所有的學習者能夠對自己的學習個性有一個直觀地認識，使用Web數據挖掘技術對所有的學習者的信息進行具體的挖掘，從而完善所有學習者具體的學習個性模型，之后再將這種模型通過具體的方式進行轉換，從而就可以滿足學習者的個性要求。其目的就是為了幫助所有的學習者了解自己具體的學習能力與興趣，這樣每一個學習這就可以對自己的學習計劃、目標和策略進行修訂和完善。大量的實驗數據表明，這種通過對學習個性的進一步分析，可以幫助學習者發現自己所感興趣的行業和潛在的能力。

2.2 對網站個性化服務的促進

在網站具體的修改過程中，依據客戶具體的訪問模式可以自動地構建具體頁面之間的所有鏈接，從而實現符合訪問者的具體要求，能夠將客戶最關心、最需要的信息用最快、最有效的方式及時顯現在用戶的眼前，這樣就能快速提高用戶的需求，也能贏得用戶的滿意度。通過對網絡流量模型的查看，就能第一時間發現具體客戶的利益和需求，不過這一過程還需要進一步強大網頁優化，利用服務器的預先存儲方法去解決緩慢下載的問題。通過這種網絡數據的挖掘預測對用戶的興趣進行了具體的分析之后，可以針對所有用戶之間的不同要求，根據每個人的不同愛好和興趣，進行用戶動態的瀏覽，完全實現了自動提供個性化服務的資源。

2.3 個性化網絡學習模型

尊重用戶是個性化服務的唯一根本，通過對用戶的行為、興趣與習慣的研究，可以為所有的用戶選擇出一套更適合的資源，提供一種更完善的服務，Web數據挖掘技術屬于當前網絡學習中展現個性化的重要技術，Web數據挖掘其實就是指人為進行構造，在Web中挖掘出一些潛在的，有趣的，有用的模式，以及一些比較隱藏的信息過程。Web的數據挖掘技術有以下幾點優勢：1）用戶不需要提供任何的主觀評價信息；2）能夠處理大量的數據；3）動態獲取用戶訪問的具體模式，而且時間不會太長；4）簡捷方便的使用模式，能夠充分利用Web數據挖掘技術進行構建一個個性化的網絡學習模型，根據學習者的個性化進行服務，其網絡學習的過程中逐一推薦學習者所感興趣的Web頁面。所有這些都能夠通過具體的路徑轉移模式進行挖掘與預測。如果我們將相似的Web頁面推薦給學習者，在這里，相似性并不意味著這些Web頁面在內容上相似，但是這些頁面可能都是同一個學習者所需要和喜歡的。另外，這些推薦給學習者的Web頁面對他們來說應當都是非常重要的， Web頁面的重要性意味著這些頁面比其它頁面具有更高的品質，也就是說，這些頁面對學習者的網絡學習更加有幫助。

3 結論

由于互聯網技術的迅速發展，數據庫和人工智能技術，創造了一個新的研究方向，即數據挖掘技術在網絡中的應用。網絡數據挖掘技術可以使系統資源的使用了解用戶交互數據所包含的意義，這樣的技術可以廣泛應用在個性化推薦服務，資源優化系統自適應，智能信息服務系統流程分析等領域。這些使個性化網絡學習的可能，也將使用戶能夠更有效地獲取所需的信息資源。

[1]石晶.基于Web挖掘的個性化服務技術[J].計算機科學，2010(8)：168-171.

[2]陳安.數據挖掘技術及應用[J].北京：科學出版社，2009(10)：236-237.

TP393

A

1674-6708（2011）57-0199-01