17-基础教育资源目录系统的设计与实现

基础教育资源目录系统 （Basic Educational Resource Directory System，简 称 BERDS） 针 对 通 用 搜 索 技 术 在 行 业 搜 索 中 的 不 足 ， 综 合 运 用 主 题 搜 索 技 术 [1][2] [3]和模糊 规 则 分 类 算 法 ，[4][5]搜 集 互 联 网 上 闲 散 的 基 础 教育资源，并根据资源可用性和适用的学科、学段、文 件类型、资源类型等元数据特征进行分类索引，为用 户提供目录搜索服务。 系统避免了目前资源库建设过 程中出现的以开发为主、来源单一、更新动力不足、维 护工作量大等问题，而是着眼于提高现有互联网闲散 资源的利用率， 从而减少资源重复开发所导致的人、 财、物的浪费及时间上的低效。
图 1 BERDS 体系结构
用户资源搜索模块的主要任务有：（1） 为提供搜 索服务， 用户可以按目录或关键词两种方式进行搜 索 ；（2） 提 供 资 源 评 价 服 务 ，用 户 对 资 源 的 质 量 进 行 打 分，跟踪用户的资源搜索行为，为系统优化收集数据。
系统的最后的一个模块是系统学习与优化模块。
T = { ti | ti∈{课件, 教案, 练习与测试, 其他辅助
材料} }
// 资源类型
}
（2）
专家库中权重系数 whi、wwi、wsi 的初始值由领域专 家人工确定，其值设定在之间。 在 [7][8] 系统运行过程中
根据相关统计数据进行自动调整， 其中影响 whi 的因 素主要有与概念 hi 相关的资源数及 hi 在单位时间内 被查询的次数， 影响 wai 的因素有该网站上的资源数 量、用户评价、网站资源被检索次数及被点击次数等。
何一条推理句如式（4）所示。
R（k） ：若 x1 是 A1k，且 xn 是 Ank，则 y 是 Bk k=1,2…,
m
（4）
经过组合而形成的规则库如图 3 所示。 在确定规
则库时，规则不宜太复杂，复杂的规则会导致庞大的
系统开销，反而降低系统整体性能。
图 3 模糊规则库
结合基础教育专家知识库，我们设计的模糊规则
中语文、高中物理等）
string Type;//资源类型（课件、教案、练习与测试、
72
2009 年第 3 期（总第 191 期）
其他辅助材料）
string Abstract;// 资源摘要或简介
int Weight// 资源权重
}
（3）
模糊规则库是模糊规则分类的依据，模糊规则库
是由一堆模糊推论语句“if...then…”组合而成。 其中任
71
电化教育研究
该模块主要是进行后台数据统计与维护， 对用户查 询、检索的主题、网站、资源等进行统计分析，优选出 信度较高的网站及领域的主题，并以此调整优化专家 知识库的结构与元素，提高网页下载效率和资源分类 精度，提高系统的整体性能。
图 2 基础教育主题树
三、系统关键技术
BERDS 与一般搜索引擎系统的区别在于， 它在
wsi ; foreach（Concept hi in Anchor.Text）
{
if （hi ∈gi） then Resource.Grade = gi; Resource.
Weight += whi; if （hi∈si） then Resource.Subject = si; Resource.
的选择。 从数据挖掘理论来看，用户的选择性浏览
过程与模糊规则分类过程是一致的，而且链接文本
和链接字符串长度规模较小，适合于模糊规则分类
算法。
（2）模糊规则推理
在介绍模糊规则分类算法之前，先给出互联网上
的多媒体资源在本系统中的表示方法：
struct Resource
{
string Url; //资源网址（超链接 URL）
［文章编号］1003-1553（2009）03-0071-05
2009 年第 3 期（总第 191 期） 网络教育
基础教育资源目录系统的设计与实现
徐朝军
（南京师范大学 教育技术系， 江苏 南京 210097）
[摘 要] 互联网技术、多媒体技术的发展促进了互联网教育资源的飞速膨胀，从互联网这一资源海洋中淘取有用资
记为：<hi, whi>表示，hi 表示结点概念，whi 相对应权重。
父结点到子结点的关系是 h 上的一个偏序莨，表示概
念间的层次分类关系，如串联电路莨初中物理莨物理
（见式 2）。
h={Leabharlann S = {si | si∈{语文, 数学, 物理, 化学, ……, 体育, 信息技术} }, // 学科
C = { ci | ci∈{小学语 文, 小 学 数 学, 初 中 语 文, ……, 高中地理} }, // 学段学科
据信息建立资源索引目录，为用户提供资源搜索服务。
[关键词] 基础教育资源； 主题搜索； 模糊规则推理
[中图分类号] G40-057
[文献标识码] A
一、前 言
Google、 百 度 的 搜 索 服 务 为 广 大 用 户 从 茫 茫 的 互 联网上发现资源提供了可能， 然而统一的搜索界面、 网页标题、摘要、网页地址、更新时间等共性信息很难 满足不同行业用户的个性化需求。 比如，对基础教育 用户来说，他们希望在上述信息的基础上，更多提供 与基础教育领域相关的专业信息， 如资源可用性、适 用学科、适用年级、资源的文件格式、来源网站及信 度、资源的用户评价等，为用户筛选资源提供依据。
Weight += whi; if （hi ∈ci） then Resource.GradeSubject = ci;
Resource.Weight += whi; if （hi ∈ti） then Resource.Type = ti; Resource.
Weight += whi; }
}
（5）
通 过 上 述 推 理 过 程 可 以 得 到 （5） 所 示 资 源 类 别 属
源，服务于基础教育是目前基础教育资源建设的一个新的视角。 本文介绍的基础教育资源目录系统综合运用主题搜索
技术、模糊规则推理技术，有效地从互联网搜集与基础教育相关的教学资源，并根据基础教育资源主题树对资源进行分
类，从用户需求角度，对资源的标题、来源网站、文件类型、适用学科、适用学段、发布时间、来源网站、可用性、摘要等元数
二、BERDS 系统简介
BERDS 包括主题资源搜索、用户资源搜索、系统 学习与优化三个模块，其体系结构如图 1 所示。 主题
资源搜索模块从互联网上下载与主题相关的网页，采 用模糊规则分类算法计算网页中每个超级链接 Ui 的 主 题 相 关 度 Wui， 比 较 Wui 与 预 设 阈 值 （Wmin， Wmax）的 大 小 ：（1）如 果 Wui<Wmin，则 Ui 所 指 向 的 资源与主题无关，抛弃该 URL；（2）如果 Wmi≤Wui≤ Wmax， 则 Ui 所指向的资源与主题有较高的相关度， 如果 Ui 是网页类文件，则把 Ui 添加到 URL 库，供进 一 步 下 载 分 析 ；（3）如 果 Wui>Wmax，则 Ui 所 指 向 的 资源肯定与主题相关，抽取该资源的标题、来源网站、 文件类型、适用学科、适用学段、发布时间、来源网站、 可用性、摘要等元数据信息，根据元数据信息对这些 资源进行模糊规则分类，分类体系见图 2 所示基础教 育资源主题树， 最后采用 Lucene 技术建立全文索引 目录供用户检索。 本模块是整个系统的核心模块。
库和推理过程模型如（5）。
foreach Anchor in Web Page P
{
Resource.Url = Anchor.Url;
Resource.Text = Anchor.Text;
if（Resource.Url∈A） then Resource.Weight+= wai ; if（si appears in Resource.Url） Resource.Weight+=
类网站上的链接所指对象与该领域的主题相关性
较大；（2） 锚文本是它所指向对象的高度概括和总
结 ；（3）URL 字 符 串 中 包 含 着 重 要 的 网 络 路 径 信 息 ，
如 “/”就 是 新 浪 网 的 教 育 频 道 ；
（4） 个 人 知 识 经 验 及 爱 好 直 接 影 响 着 用 户 目 标 网 页
2. 资源表示与模糊规则推理
（1）用户浏览行为与模糊规则推理
用户浏览网页时一般从熟悉的网页开始， 根据
个人经验及网页上的链接文本选择下一个浏览目
标，经验丰富的用户还会 根 据 URL 字 符 串 来 判 断 一
个 URL 是否是值得点击。 这些选择和判断的过程可
以 概 括 为 ： （1） 每 一 个 领 域 都 有 公 认 的 权 威 网 站 ， 该
肯定域中的数据作为有效资源保存，而把可能域及肯 定域中的网页类数据保存到 URL 列表中， 供蜘蛛程 序下一步分析。
3. 资源索引与检索 资 源 索 引 的 目 的 是 ： （1） 为 用 户 建 立 资 源 分 类 目 录，提供资源元数据信息，用户可以根据自己的需要 有 选 择 地 搜 索 所 需 要 的 资 源 ；（2） 为 高 性 能 搜 索 服 务 提供数据准备。 本系统中， 我们使用了开源软件 Lucene，Lucene 是 由 一 位 资 深 的 全 文 索 引 和 检 索 专 家 Doug Cutting 及后续的众多 Lucene 狂热者开发的 API 程序包，该程序包提供了一套使用简单但功能强 大的索引、搜索 API 函数，已被应用于很多大型跨国 公 司 的 项 目 中 ， 如 ：Eclipse IDE、 大 不 列 颠 百 科 全 书 CD_ROM/DVD、MIT 的 OpenCourseware 等 。 在 系 统 中，我们结合数据库存储技术，对基础教育资源的标 题、来源网站、文件类型、适用学科、适用学段、发布 时间、来源网站、可用性、摘要元数据信息进行索引， 同时为用户提供目录搜索和全文搜索两种搜索服 务。