基于本体的上下文信息特性建模的研究

通过分析现有上下文模型的不足,改进基于本体的上下文建模方法,增加对上下文分类、上下文依赖和上下文质量等重要上下文特性的建模,使用OWL DL语言来描述上下文特性,该模型真实的描述觉察上下文计算环境下的上下文信息,能有效的支持上下文推理。     

智能教学系统中支持协作学习的群体感知模型

自主学习和协作学习是相互促进、相互依赖的网络学习方式。然而,目前典型的网络学习系统(智能教学系统和计算机支持的协作学习系统)大多将自主学习和协作学习强制分离,忽视了自主学习过程中协作交流的激励作用以及协作学习过程中学习者的自主学习需求。因此,扩展现有的智能教学系统,构建一个自主学习和协作学习有机融合的数字化学习环境,有助于更好地满足网络环境下师生的学习需求。支持协作学习的群体感知模型由群体感知信息、群体感知本体和群体感知规则三部分组成,采用本体技术建模协作感知信息,运用语义Web规则语言刻画协作感知机制,为实现协作学习的信息交互提供通用模型。基于该模型构建的智能教学系统,在原有ITS自主学习环境的基础上,扩展了参与者可以相互感知、相互交流的协作学习模块,实现与现有智能教学系统的无缝整合,为开发具有协作学习功能的智能教学系统提供了技术参考。     

普适学习中的上下文感知技术研究

普适学习是普适计算环境下未来的学习方式,也是当代远程教育的研究热点。文章简要介绍了普适学习的定义、特性,根据普适学习环境下的三个典型系统项目,对其各自上下文感知技术的实现进行了研究和比较分析,在此基础上提出一个普遍的普适学习上下文感知模型。     

基于移动用户上下文的农家书屋阅读推荐研究

该文面向快速发展的移动服务领域,将上下文信息的感知计算融入到农家书屋的数字化服务平台中,充分利用移动读者用户的上下文信息构建三维模型,再利用当前上下文信息进行预过滤,降维成二维,最后结合传统的协同过滤生成TOP-N的书目推荐列表,改善数据稀疏性问题,提升农民读者的阅读体验满意度.     

本体集成中上下文驱动协调

为了解决本体集成中因上下文的不同所引起的语义不协调的问题,提出了一个上下文驱动的协调机制.该机制基于先前的工作,即一种基于上下文的形式化Context-SHOIQ (D ) DL,采用描述逻辑和范畴论显示表示本体的上下文信息.为了扩展这个形式化,添加了4个迁移规则(包含、选择、优先和映射规则),用来规定输入到集成上下文中的内容;还添加了3个互操作能力依次递增的上下文集成操作(输入、部分协调和完全协调).该机制不是完备的,但足以解决提出的5种语义不协调的问题,有助于本体从一个上下文集成到另一个上下文.     

建构主义学习观与大学英语阅读中的推理

建构主义学习观强调学习者并不是空着脑袋进入学习情境中。他们会根据具体学习情境和已有知识进行积极主动的努力。在大学英语阅读中,推理对理解起着至关重要作用。从建构主义学习观出发,具体举例分析背景信息在推理中的作用;语用推理如何利用上下文和一些辅助信息进行意义推测;以及最小假设模式下自动推理。     

基于情境感知的移动图书馆信息与服务推荐

基于情境感知的移动图书馆信息与服务推荐,主要在用户情境、移动情境、资源情境、服务情境四个维度下进行算法模型构建和感知技术设备应用,它是一个“情境-需求-服务”的自适应过程。在研究它泛在的普适化推荐服务和个性化推荐服务过程中,可以发现感知技术设备、算法和推理引擎的不同应用,主要是满足用户信息需求的以下特征,即情境信息的时效性、情境信息的准确性和完整性、情境信息的多种表达形式以及情境信息的互联与共享。     

普适计算环境的上下文不一致性研究

上下文感知是实现普适计算环境中新型人机交互的基础。针对上下文不一致性的消除问题,提出了全丢弃算法、最新上下文丢弃算法、基于确定性上下文丢弃算法和基于相关性的上下文丢弃算法,并对算法的性能进行了比较和分析。实验测试表明,这些算法能够有效消除上下文不一致性。     

试论英语阅读教学优化策略

众所周知,阅读是获得知识的一条主要途径。英语新课程标准对高中学生的阅读要求作出了明确要求,这一要求可以理解为,能从一般文字资料中获取主要信息和观点;能利用上下文和句子结构猜测词义;能根据上下文线索推理、预测故事情节的发展;能根据阅读目的确定不同的阅读策略;能通过不同信息渠道查找所需信息。基于对新课程理念下高中英语阅读教学的基本思考,我们认为提高英语阅读教学得从以下几个方面入手。     

备考完形填空八注意

一、注意前后语境考查考生根据上下文提供的信息进行分析及推理的能力,高考完形填空题绝大多数属这种题型。有的根据上文,有的根据下文,有的要上下文结合甚至通篇看完并理解,才能作出正确的选择。