硕士论文答辩ppt_Bayesian推理.ppt

文档介绍：基于CBR的Bayesian在ITS中的应用研究
答辩人: 丁继红
研究方向:数据挖掘与智能教学系统
指导老师:刘先锋教授
本文的基本框架
基于CBR的Bayesian在ITS中的应用研究
4
研究背景与意义
1
Bayesian网知识推理的基础理论
2
ITS学习推荐中的Bayesian网知识推理
3
基于CBR的Bayesian推理的具体实现和分析
5
3
湖南师范大学硕士毕业论文
总体架构
系统结构设计
4
湖南师范大学硕士毕业论文
本文主要工作
1、利用学生特征库、数据仓库、教学方法库、学习资源库等,提出了基于ITS的知识推理模型。同时设计出了表征学生特征的学生模型表。
5
湖南师范大学硕士毕业论文
本文主要工作
2、结合Corpus库,利用余弦相似度函数、Bayesian 定理和联合概率公式构造了一个Bayesian推理网。得出了基于Bayesian推理网的学习推荐算法,利用Java和MySQL 对此方法进行实现,得出仿真实验的结果。
6
湖南师范大学硕士毕业论文
本文主要工作
3、构造出了一个基于CBR的Bayesian推理网模型,结合基于用户的协作过滤技术、预测评分方法、Bayesian定理进行学习推荐。
利用Java和My SQL进行实现,得出仿真实验的结果。
7
湖南师范大学硕士毕业论文
Bayesian分类:
其中xi是与元组ti相关的数据值,因此由P(Cj|xi)可以进一步计算出P(Cj|ti)。假设元组ti有p个独立的属性值{xi1,xi2,…,xip}。对于每个属性xik,可以很容易计算P(xik|Cj),进而可以估计出P(ti|Cj)。
8
湖南师范大学硕士毕业论文
知识推理模型
知识推理模型
9
湖南师范大学硕士毕业论文
Bayesian推理算法
具体算法如下:
1、对于学生子网中的每一个学生Ui(或用户组),在学生特征术语子网中,找出与Ui 连接的所有学生特征术语子节点,分别为:TH1,TH2…THj(j表示有j个学生特征术语与Ui相连),且算出学习者Ui与特征术语THj的特征权重WHj。
10
湖南师范大学硕士毕业论文