試論基于數(shù)據(jù)挖掘技術(shù)的開放學(xué)習(xí)信息平臺建設(shè)

趙乘源

摘 要 本文通過對現(xiàn)有可獲取學(xué)習(xí)信息的系統(tǒng)和網(wǎng)絡(luò)狀況的分析，提出了一個針對所有學(xué)習(xí)者的開放的學(xué)習(xí)信息平臺模型。使用計算機技術(shù)和網(wǎng)絡(luò)手段將各類學(xué)習(xí)信息聚合和共享，并且嵌入數(shù)據(jù)挖掘功能。旨在方便學(xué)習(xí)者的交流和合作，提高獲取學(xué)習(xí)信息的效率，實現(xiàn)知識發(fā)現(xiàn)，減少教育資源分配的地域差異。

關(guān)鍵詞 Xml 數(shù)據(jù)挖掘 學(xué)習(xí)信息平臺

中圖分類號：G424 文獻標識碼：A

1 研究緣起

本文將探討建立一個開放的學(xué)習(xí)平臺，試圖通過搭建一個開放的信息平臺來進行學(xué)習(xí)信息資源的交流和積累，并試探在數(shù)據(jù)庫中進行數(shù)據(jù)挖掘來實現(xiàn)將數(shù)據(jù)開發(fā)為知識，提供二次信息，使數(shù)據(jù)變得有意義和更加具有參考、使用價值。特別是對地處偏遠的地方的學(xué)習(xí)者更加有意義，可以通過遠程網(wǎng)絡(luò)參考到相關(guān)的資料輔助學(xué)業(yè)。

以現(xiàn)在信息技術(shù)和網(wǎng)絡(luò)的發(fā)展，在BBS或很多機構(gòu)網(wǎng)站上都可以得到很多學(xué)習(xí)信息。但是內(nèi)容往往多而繁雜，BBS參與討論的用戶不全是專業(yè)人士，所提供的內(nèi)容不一定準確。因此，本文擬探討建設(shè)一個專業(yè)的、開放的學(xué)習(xí)信息平臺，審核和整合各種學(xué)習(xí)資源，實現(xiàn)對學(xué)習(xí)數(shù)據(jù)之間的統(tǒng)一管理、能夠交流，被進一步開發(fā)和廣泛利用。這樣包括學(xué)者、教學(xué)人員、研究人員、學(xué)習(xí)者都可以共享平臺的資源，并且平臺要向已經(jīng)投入使用的學(xué)習(xí)資源系統(tǒng)開放，提供相關(guān)接口聚合已有的電子學(xué)習(xí)資源。

2 信息平臺建設(shè)

2.1 設(shè)計理念

（1）采用分布式應(yīng)用和客戶機/服務(wù)器模型作為學(xué)習(xí)信息平臺整體架構(gòu)。分布式應(yīng)用通過在多層服務(wù)器上中心化處理業(yè)務(wù)邏輯，可以減少客戶的工作負載，提高網(wǎng)絡(luò)數(shù)據(jù)的安全性。在分布式應(yīng)用中，客戶端處理同用戶的所有交互，而中間層服務(wù)器則提供客戶的后臺服務(wù)。WEB應(yīng)用是分布式體系結(jié)構(gòu)的一個應(yīng)用模型，客戶位于WEB瀏覽器中；各種構(gòu)件位于服務(wù)器上的中間層，向下提供訪問數(shù)據(jù)庫的接口，向上提供客戶端訪問接口。使用分布式應(yīng)用可以整合異構(gòu)系統(tǒng)資源，提供統(tǒng)一的用戶服務(wù)。

（2）使用XML進行文檔的瀏覽和操作。XML有一個很顯著的特點，就是將信息內(nèi)容與表達形式完全分離開了。XML文檔本身不描述數(shù)據(jù)的顯示方式，而只是表示數(shù)據(jù)的本身。體現(xiàn)在它允許文檔的編寫者制定基于信息描述、體現(xiàn)數(shù)據(jù)之間邏輯關(guān)系的自定義標記，確保文檔具有較強的易讀性、清晰的語義和易檢索性。這種特點使得XML能專心進行數(shù)據(jù)的處理和結(jié)構(gòu)的描述，而不必考慮向客戶傳遞信息表達方式。使用XML可以表達復(fù)雜的信息。

（3）嵌入數(shù)據(jù)挖掘模塊，實現(xiàn)知識發(fā)現(xiàn)。數(shù)據(jù)挖掘是指按照既定業(yè)務(wù)目標，對大量的數(shù)據(jù)進行探索和分析，揭示隱藏的、未知的或驗證已知的規(guī)律性，并進一步將其模型化的先進有效的方法。數(shù)據(jù)挖掘是一種知識發(fā)現(xiàn)的過程，同時又是一種決策支持過程。決策支持是對信息系統(tǒng)的功能要求最高的系統(tǒng)，它主要基于人工智能、機器學(xué)習(xí)、統(tǒng)計學(xué)等技術(shù)，高度智能化地分析原有數(shù)據(jù)，做出歸納性推理，從中挖掘出潛在的模式和規(guī)律。在學(xué)習(xí)信息平臺中嵌入綜合使用多種數(shù)據(jù)挖掘方法的模塊有利于信息綜合分析、自定義分析和知識發(fā)現(xiàn)。

2.2 建模

模型的框架結(jié)構(gòu)如圖1所示。結(jié)構(gòu)上分為三層；客戶端、中間層、服務(wù)器。采用瘦客戶機模型，客戶端的服務(wù)僅僅限于XML數(shù)據(jù)的顯示和操作；中間層服務(wù)，主要的業(yè)務(wù)處理過程都在中間層實現(xiàn)，在物理上和邏輯上往往不只是由單一的設(shè)備或模塊來實現(xiàn)，分模塊來實現(xiàn)系統(tǒng)的功能。但是這種結(jié)構(gòu)使得系統(tǒng)功能的維護和改善變得更簡易和方便。數(shù)據(jù)源作為三層結(jié)構(gòu)的底層，必須對中間層提供強有力的支持。平衡數(shù)據(jù)源和中間層的負載也是不容忽視的一個方面。

（1）客戶端功能描述。客戶端是用戶使用資源的接口，因此它的設(shè)計不僅要做到界面的美觀、實用，更重要的是用戶使用數(shù)據(jù)的安全、快捷和方便。還要具備易維護性、為平臺上所有軟件開發(fā)預(yù)留升級接口。

客戶端的最重要實現(xiàn)方式是基于網(wǎng)絡(luò)瀏覽器的方式（Web Browser）。采用這種方式可以支持XML文檔的瀏覽和操作。XML充當(dāng)客戶端和中間層之間傳遞數(shù)據(jù)的承載者。采用XML表達信息的優(yōu)點如下：a、XML結(jié)構(gòu)化的組織方式適合表達復(fù)雜的信息資料，方便用戶的使用；b、在中間層以XML文檔方式返回檢索結(jié)果集之后，XML文檔本身可以作為一個臨時數(shù)據(jù)源支持常用的數(shù)據(jù)操作，減少了遠程網(wǎng)絡(luò)的數(shù)據(jù)流動；c、XML的Internet應(yīng)用環(huán)境提供了一些解決數(shù)據(jù)安全的手段；d、XML是一種標準的規(guī)范，實現(xiàn)了數(shù)據(jù)的結(jié)構(gòu)和顯示分開，數(shù)據(jù)不僅能夠用來顯示，還能為其他的應(yīng)用程序提供數(shù)據(jù)源，與其他信息系統(tǒng)交換數(shù)據(jù)；e、XML有擴展性，和預(yù)留的升級接口便于系統(tǒng)以后的擴展；f、采用瘦客戶機模型，客戶端的功能簡潔，易于系統(tǒng)維護。

客戶端另外的一個實現(xiàn)方式就是傳統(tǒng)的應(yīng)用程序服務(wù)方式（Client Application）。這種服務(wù)方式主要用來彌補瀏覽器服務(wù)方式的不足。

（2）中間層。中間層是系統(tǒng)實現(xiàn)的核心，系統(tǒng)大部分工作都在中間層完成。信息服務(wù)器（Information Server）提供對瀏覽器方式的服務(wù)，接收來自瀏覽器的命令，與數(shù)據(jù)源或數(shù)據(jù)服務(wù)器（Database Server）交互（使用Vbscript或其他腳本語言），然后將結(jié)果封裝為XML文檔或HTML文檔發(fā)送給客戶端。應(yīng)用程序服務(wù)器（Application Server）提供對應(yīng)用程序服務(wù)方式的服務(wù)，一般以結(jié)果集（Recordset）方式接收或發(fā)送數(shù)據(jù)。應(yīng)用程序服務(wù)器具有大量的服務(wù)組件，因此信息服務(wù)器中的Script同樣也可以分享這些組件的服務(wù)。

中間層有一個進行數(shù)據(jù)挖掘的模塊（Data Mining）。由于數(shù)據(jù)挖掘模式的復(fù)雜性和多樣性，系統(tǒng)并不能提供所有的挖掘方法，但是可以提供一些面向信息、成熟的挖掘方案提供給客戶端選擇。

（3）數(shù)據(jù)源。數(shù)據(jù)源作為整個系統(tǒng)的底層，承擔(dān)著數(shù)據(jù)存儲和數(shù)據(jù)檢索的任務(wù)。從系統(tǒng)結(jié)構(gòu)上來看，數(shù)據(jù)源支持中間層，中間層也要有效的使用數(shù)據(jù)源服務(wù)，并且有以下服務(wù)原則：a、合理使用數(shù)據(jù)源提供的服務(wù)；b、中間層要盡量減少數(shù)據(jù)檢索的重復(fù)次數(shù)，提高一次檢索成功率；c、提高中間層自動優(yōu)化數(shù)據(jù)庫服務(wù)器資源分配的能力。

3 學(xué)習(xí)平臺資源建設(shè)

學(xué)習(xí)信息平臺資源的建設(shè)主要包括整合參與機構(gòu)已有的學(xué)習(xí)資源和及時獲取自由發(fā)布的資源進行質(zhì)量審查，合格后加入平臺資源庫兩個方面。前者保障學(xué)習(xí)平臺資源的基本積累和資源數(shù)量，后者保障學(xué)習(xí)平臺資源的及時更新和時效性。

（1）來自整合的資源。整合參與機構(gòu)已有的學(xué)習(xí)資源，通過開發(fā)接口將不同機構(gòu)的不同類型的學(xué)習(xí)資源整合在一起，實現(xiàn)統(tǒng)一檢索，這是學(xué)習(xí)平臺資源的基本保障和重要來源。

（2）自由發(fā)布的資源。自由發(fā)布資源的獲取可以使用網(wǎng)絡(luò)爬蟲，采取類似搜索引擎的工作原理，定義抓取原則，及時抓取網(wǎng)絡(luò)上符合抓取原則的資源。抓取后進行質(zhì)量分析，對分析合格的資源進行描述，提供指向鏈接，采用這種學(xué)科導(dǎo)航的方式幫助學(xué)習(xí)者及時準確獲取可靠的學(xué)習(xí)資源，減少個人整合分析的時間，提高學(xué)習(xí)研究的效率。

4 總結(jié)

本文就現(xiàn)有的網(wǎng)絡(luò)和信息技術(shù)狀況提出了一個幫助匯總和利用的開放性平臺，試圖最大可能的為所有對共享學(xué)習(xí)信息資源有興趣的人員，提供最開放的服務(wù)。目的旨在為學(xué)習(xí)者和研究者提供一個交互的平臺，提高獲取學(xué)習(xí)信息的效率，實現(xiàn)知識發(fā)現(xiàn)，減少教育資源分配的地域差異。此系統(tǒng)的開發(fā)還存在一些需要探討的問題：a、誰來實施這個開放學(xué)習(xí)信息平臺？ b、誰來組織資源整合？c、誰來進行內(nèi)容審核？d、誰來進行日常管理？是政府、還是教育相關(guān)的單位聯(lián)盟或其他機構(gòu)，都是值得繼續(xù)探討的問題。

參考文獻

[1] 張維明.語義信息模型及應(yīng)用[M].北京：電子工業(yè)出版社，2002.

[2] 黃如花.數(shù)字圖書館原理與技術(shù)[M].武漢：武漢大學(xué)出版社，2005.