Web2.0技術和文本挖掘方法對CBR用戶體驗影響的研究

關鍵詞：案例推理；文本挖掘；Web2.0；用戶體驗

摘要：目前許多CBR系統(tǒng)面臨著案例過時、數(shù)量停滯、用戶參與程度低等可持續(xù)性發(fā)展問題。為了鼓勵用戶參與CBR系統(tǒng)的使用，促進CBR系統(tǒng)的發(fā)展，提出了一種基于Web2.0技術和文本挖掘的CBR系統(tǒng)框架。利用該框架可以提高用戶體驗。案例分析結果顯示，文本挖掘和Web2.0技術可以為CBR系統(tǒng)帶來額外的價值，并對CBR系統(tǒng)的開發(fā)和設計提供了新的思路。

中圖分類號：G250文獻標識碼：A文章編號：1003-1588（2014）07-0115-03

收稿日期：2014-06-19

作者簡介：洪霞(1974-)，連云港職業(yè)技術學院圖書館館員。1前言

基于案例推理（Case-Based Reasoning, 簡稱為CBR）方法自出現(xiàn)以來就得到了研究者的重視。所謂CBR方法，就是利用已有的案例，通過類比和聯(lián)想來解決當前相似問題的推理方法［1］。由于CBR克服了傳統(tǒng)基于規(guī)則推理系統(tǒng)的知識難于獲取和推理的脆弱性等缺陷［2］，有越來越多的研究者開始重視CBR。

目前對CBR的研究大多側重于CBR系統(tǒng)推理過程的理論方面，而缺乏對用戶體驗以及CBR系統(tǒng)接口的相關研究。已有研究［3］發(fā)現(xiàn)，為了促進CBR系統(tǒng)的應用，就必須研究CBR系統(tǒng)用戶體驗的影響因素，并以此設計CBR系統(tǒng)。筆者主要探討利用文本挖掘和Web2.0技術改進并提高CBR系統(tǒng)的用戶體驗。

2文獻述評與理論背景

2.1基于案例推理（CBR）的概述

基于案例推理（CBR）是人工智能（Artificial Intelligence，AI）領域中一種基于知識的問題求解和學習方法，是一種典型的利用已有的案例和經(jīng)驗進行推理的新問題求解機制［4］。

通俗地說，CBR工作原理是模仿人們的認知心理過程［5］：首先，在CBR中，以案例為基礎進行推理，把人們以往的經(jīng)驗存儲成一個個的案例，當一個行為主體面臨一種嶄新的情況或問題時，對案例進行搜索，能夠定位到與當前所遇情況完全吻合的案例，則直接將其處理方案付諸應用。其次，如果對找到的案例有不滿之處，就可以進行調整與修正以適應當前情況，修改后的范例將被再次存入范例庫，以便下次使用時作為參考［6］。因此，基于上述的工作原理，一個完整的CBR系統(tǒng)的基本工作流程包括檢索、重用、修正和存儲4個階段組成的一個循環(huán)過程［7］。從CBR工作原理和流程可以看出，CBR系統(tǒng)的核心就是案例庫的建設。

2.2文本挖掘概述

文本挖掘可以看做是數(shù)據(jù)挖掘技術與文本處理技術的結合，涉及數(shù)據(jù)挖掘、機器學習、統(tǒng)計學、自然語言處理、數(shù)據(jù)庫技術等多個學科領域的知識和技術［8］。它的主要任務是從大量文本數(shù)據(jù)中提取以前所未知的、有用的、可理解的模式或知識的過程。一般而言，一個完整的文本挖掘過程包括文本預處理、文本挖掘、文本挖掘結果評估和利用等多個步驟。

2.3Web2.0概述

Web2.0作為新一代的互聯(lián)網(wǎng)應用模式，已經(jīng)深刻影響著人們對信息的生產(chǎn)、組織、傳遞、開發(fā)和利用的觀念。在Web2.0平臺中，網(wǎng)絡內容的產(chǎn)出主要來自用戶，每一個用戶都可以生成自己的內容，并將這些內容進行傳播、交流與共享［9］。Web2.0最大特點是個人化、去中心化，同時強調社會化，以及強調開放、共享，強調參與、創(chuàng)造。

目前已有一些Web2.0技術的工具得到了廣泛應用，如用戶利用RSS在不打開網(wǎng)站內容頁面的情況下閱讀支持RSS輸出的網(wǎng)站內容；Blog可以讓個人在Web上表達自己的想法，獲得興趣相同者的反饋并與其交流；Wiki網(wǎng)站是一種基于共同創(chuàng)作的網(wǎng)站；Tag是一種更為靈活、有趣的日志分類方式等。3基于Web2.0和文本挖掘構建提高CBR系統(tǒng)用戶體驗因為CBR方法的目的是幫助人們解決問題，那么CBR系統(tǒng)開發(fā)人員在系統(tǒng)設計與開發(fā)過程中，需要分析、檢驗不同用戶的行為，然后針對這些行為提供支持方法。因此，如何幫助CBR開發(fā)者建立一個高效的CBR環(huán)境，以提高CBR系統(tǒng)的用戶體驗和使用效率成為CBR相關研究的重點。本研究目的是通過利用文本挖掘和Web2.0技術的加入，以提高CBR系統(tǒng)用戶的體驗，最終有利于構建高效的CBR系統(tǒng)。

在對Web2.0和文本挖掘相關理論進行分析的基礎上，結合以往學者對基于網(wǎng)絡的CBR系統(tǒng)和實現(xiàn)技術的研究成果［10］，本研究構建了一個用于提高CBR系統(tǒng)用戶體驗的框架模型。本模型框架旨在為用戶提供從案例庫中尋找相關案例最有效的方式。圖1描述了如何實現(xiàn)這一目標的模型框架。

首先，文本挖掘可以提取出一系列由關鍵詞、概念和分類術語組成的列表，這些列表可以用于幫助生成案例庫的索引，從而方便用戶在案例庫中快速地找到自己所需的信息；其次，文本挖掘的結果有助于確定標引詞的權重和不同索引詞之間的相似性，甚至可以針對具體的案例文本生成摘要，可以為用戶節(jié)約閱讀案例的時間，提高效率；最后，通過文本挖掘可以把案例庫的大量案例按照其自身特點進行聚合，形成分類存儲，同時這種分類聚合也是一種閱讀案例的方法。

在本框架中，用戶通過使用Web2.0技術的相關工具，可以更加有效地檢索、利用、分享案例庫中的相關案例，從而在CBR工作流程中發(fā)揮更加重要的作用。這一框架的創(chuàng)新之處在于通過為查詢、瀏覽案例增加了新的接口功能，新加入的功能可以進一步提高案例庫中案例格式及表達樣式。圖1添加Web2.0技術和文本挖掘的CBR系統(tǒng)框架4實例分析與驗證

本研究提出的框架不但可以提高CBR系統(tǒng)的使用效率，同時也將豐富用戶的使用體驗。為了驗證研究框架的效果，筆者將選用一個已開發(fā)使用的CBR系統(tǒng)——KITE（Knowledge Innovation for Technology in Education）項目的成果作為試驗對象，分別進行文本挖掘和Web2.0工具中Blog的使用效果進行驗證。

洪霞：Web2.0技術和文本挖掘方法對CBR用戶體驗影響的研究洪霞：Web2.0技術和文本挖掘方法對CBR用戶體驗影響的研究KITE項目是美國密蘇里大學哥倫比亞分校的信息技術與學習科技研究所建立的一個服務于K-16（幼兒園至大學連貫教育）實踐的知識庫。為了實現(xiàn)這一目標，項目為教師和教育工作者設計了一個運用CBR方法的知識庫，即技術集成案例庫［11］。

4.1文本挖掘對KITE CBR系統(tǒng)的作用

基于已有的研究文獻［12］［13］，文本挖掘的步驟類似于數(shù)據(jù)挖掘。因此，本文將采用三個步驟對KITE項目的CBR系統(tǒng)中的案例進行文本挖掘，如圖2所示。圖2CBR系統(tǒng)案例文本挖掘步驟流程圖4.1.1預處理階段。KITE中CBR系統(tǒng)的案例庫目前存儲有超過1,200個完整的案例，每個案例都是介紹教師如何解決在課堂上涉及的技術問題的故事。基于試驗證明目的，本研究從案例庫的“特殊教育”目錄下選取了50個案例，利用文本編輯軟件，把每個案例的內容的文本進行復制、粘貼為一個文本文件，為接下來的文本挖掘做好準備。

4.1.2文本挖掘階段。文本收集工作完成后，就可以針對文本集合的關鍵詞、概念和類別運用文本挖掘的相關算法，如概念提取、分類、聚類等進行處理。在這一階段中，CBR系統(tǒng)的開發(fā)者可以使用一種或幾種挖掘工具（例如SPSS Clementine、NVivo 9）進行文本分析和挖掘。

4.1.3文本挖掘結果評估和利用階段。當利用文本挖掘工具生成結果后，CBR系統(tǒng)開發(fā)人員需要對文本挖掘結果進行認真的評估和分析，以確定挖掘產(chǎn)生的新知識。通常情況下，CBR系統(tǒng)中運用的文本挖掘是一個迭代循環(huán)周期，需要對挖掘結果進行持續(xù)評估和檢查［14］，并可能需要回到前面的步驟，再次選擇文本挖掘算法，通過測試不同的系統(tǒng)參數(shù)，以優(yōu)化文本挖掘的結果。最后，挖掘出來的知識需要運用到?jīng)Q策和行動中，使新知識可以用來引導、促進、改善和提高CBR系統(tǒng)。

endprint

通過上述的三個步驟，本研究發(fā)現(xiàn)了KITE CBR系統(tǒng)一些需要改進的缺陷。首先，雖然KITE中的案例庫進行了分類，但是這種分類缺少相應的索引詞，導致無法利用相關的關鍵詞在案例庫中檢索類似的案例。其次，KITE中對案例的摘要并不能完全反映利用文本挖掘得到的關鍵詞和概念，導致人們在僅閱讀這些摘要時可能會誤解或遺漏這些案例的真實意義。因此，在CBR系統(tǒng)中運用文本挖掘技術對案例進行處理，可以增加系統(tǒng)的使用效果，并解決KITE CBR系統(tǒng)目前的缺陷。例如，文本挖掘的結果可以用來支持或加強案例庫的搜索、瀏覽或演示的效果。

4.2Web2.0技術工具對KITE CBR系統(tǒng)的作用

Web2.0技術的相關工具很多，在本研究中選用Blog來驗證Web2.0技術對CBR系統(tǒng)的作用。筆者隨機選取并分析了使用KITE的39個學生（21個男生和18個女生）的Blog，并以此來評價Blog對KITE的CBR系統(tǒng)的影響。

案例研究的目的是檢驗學生利用基于技術支持的學習計劃進行學習的經(jīng)驗，以及他們對Blog和KITE的CBR系統(tǒng)整合的看法。因此，我們設計了一系列相關的問題并在選定的Blog進行問卷調查。在問卷中有幾個問題是關于評價Blog和KITE系統(tǒng)整合，以及建立協(xié)作社區(qū)的影響。

通過對問卷的收集，以及對選定的每個Blog的評論進行認真的收集與分析，結果顯示：32人（83%）認為，案例庫（如KITE案例庫）是一種有效的工具，它可以幫助用戶方便地創(chuàng)建學習計劃；23人（58%）認為，一個結合了KITE案例庫的Blog網(wǎng)站有助于用戶在制訂學習計劃時，花費較少的時間和精力。此外，針對Blog評論內容的分析也證實，Blog有助于學生彼此學習并建立協(xié)作學習社區(qū)。大多數(shù)參與者都認為利用Blog有助于他們更好地了解KITE案例庫，也幫助他們了解別人在學習計劃上的觀點。因此， Web2.0技術對CBR系統(tǒng)的建設和用戶具有積極的意義。

5研究結論及未來展望

為了改善CBR系統(tǒng)，本文提出一個采用文本挖掘和Web2.0技術工具的框架。利用這個框架，CBR系統(tǒng)開發(fā)者找到了提高和改善用戶體驗的方法。實例研究也證明了本文提出的框架和方法具有更廣泛的適用性。同時，研究框架和方法對于提高用戶的體驗，解決CBR系統(tǒng)的可持續(xù)發(fā)展以及潛在質量問題方面是有效的。顯然，這也對其他類似的知識系統(tǒng)建設具有參考作用。

參考文獻：

［1］A.Aamodt，E.Plaza.Case-Based Reasoning：Foundational Issues，Methodological Variations， and System Approaches［J］.AI Communications，1994(1)：39-59.

［2］孫潔麗，張榮梅.基于案例推理的數(shù)字圖書館個性化推薦系統(tǒng)研究［J］.情報科學，2008(9)：1380-1384.

［3］He，W.，Erdelez, S.，& Wang，F(xiàn). K.Examining a case-based reasoning system using mental models as a framework［J］.International Journal of Learning Technology，2010(1)：63-79.

［4］J.L.Kolodner..An introduction to case-based reasoning［J］.Artificial Intelligence Review，1992(1)：3-34.

［5］LENZ M.Case-based reasoning：from foundations to applications［M］.Berlin：Springer，1998.

［6］張俊杰.企業(yè)知識管理中的案例推理思路與系統(tǒng)架構［J］.情報雜志，2011(5)：130-133.

［7］A.Aamodt，E.Plaza.Case-Based Reasoning：Foundational Issues，Methodological Variations，and System Approaches［J］.AI Communications，1994(1)：39-59.

［8］郭金龍，許鑫.數(shù)字人文中的文本挖掘研究［J］.大學圖書館學報，2012(3)：11-18.

［9］王偉軍，甘春梅.圖書情報學視角的Web2.0研究綜述［J］.中國圖書館學報，2011(11)：67-80.

［10］Wu He.Improving user experience with case-based reasoning systems using text mining and Web 2.0［J］.Expert Systems with Applications，2013(40)：500-507.

［11］Wang, F., Moore, J., Wedman, J. et al..Developing a case-based reasoning knowledge repository to support a learning community——An example from the technology integration community［J］.Educational Technology Research and Development，2003(3)：45-62.

［12］Liu, B., et al..Distributed Data Mining for E-Business［J］.Information Technology and Management，2011(1)：1-13.

［13］Duan, L., Street, W. N., et al..Healthcare information systems: data mining methods in the creation of a clinical recommender system［J］.Enterprise Information Systems，2011(2)： 169-181.

［14］Romero, C., & Ventura, S..Educational data mining: A survey from 1995 to 2005［J］.Expert Systems with Applications，2007(33)：135-146.

（編校：崔萌）

endprint

通過上述的三個步驟，本研究發(fā)現(xiàn)了KITE CBR系統(tǒng)一些需要改進的缺陷。首先，雖然KITE中的案例庫進行了分類，但是這種分類缺少相應的索引詞，導致無法利用相關的關鍵詞在案例庫中檢索類似的案例。其次，KITE中對案例的摘要并不能完全反映利用文本挖掘得到的關鍵詞和概念，導致人們在僅閱讀這些摘要時可能會誤解或遺漏這些案例的真實意義。因此，在CBR系統(tǒng)中運用文本挖掘技術對案例進行處理，可以增加系統(tǒng)的使用效果，并解決KITE CBR系統(tǒng)目前的缺陷。例如，文本挖掘的結果可以用來支持或加強案例庫的搜索、瀏覽或演示的效果。

4.2Web2.0技術工具對KITE CBR系統(tǒng)的作用

Web2.0技術的相關工具很多，在本研究中選用Blog來驗證Web2.0技術對CBR系統(tǒng)的作用。筆者隨機選取并分析了使用KITE的39個學生（21個男生和18個女生）的Blog，并以此來評價Blog對KITE的CBR系統(tǒng)的影響。

案例研究的目的是檢驗學生利用基于技術支持的學習計劃進行學習的經(jīng)驗，以及他們對Blog和KITE的CBR系統(tǒng)整合的看法。因此，我們設計了一系列相關的問題并在選定的Blog進行問卷調查。在問卷中有幾個問題是關于評價Blog和KITE系統(tǒng)整合，以及建立協(xié)作社區(qū)的影響。

通過對問卷的收集，以及對選定的每個Blog的評論進行認真的收集與分析，結果顯示：32人（83%）認為，案例庫（如KITE案例庫）是一種有效的工具，它可以幫助用戶方便地創(chuàng)建學習計劃；23人（58%）認為，一個結合了KITE案例庫的Blog網(wǎng)站有助于用戶在制訂學習計劃時，花費較少的時間和精力。此外，針對Blog評論內容的分析也證實，Blog有助于學生彼此學習并建立協(xié)作學習社區(qū)。大多數(shù)參與者都認為利用Blog有助于他們更好地了解KITE案例庫，也幫助他們了解別人在學習計劃上的觀點。因此， Web2.0技術對CBR系統(tǒng)的建設和用戶具有積極的意義。

5研究結論及未來展望

為了改善CBR系統(tǒng)，本文提出一個采用文本挖掘和Web2.0技術工具的框架。利用這個框架，CBR系統(tǒng)開發(fā)者找到了提高和改善用戶體驗的方法。實例研究也證明了本文提出的框架和方法具有更廣泛的適用性。同時，研究框架和方法對于提高用戶的體驗，解決CBR系統(tǒng)的可持續(xù)發(fā)展以及潛在質量問題方面是有效的。顯然，這也對其他類似的知識系統(tǒng)建設具有參考作用。

參考文獻：

［1］A.Aamodt，E.Plaza.Case-Based Reasoning：Foundational Issues，Methodological Variations， and System Approaches［J］.AI Communications，1994(1)：39-59.

［2］孫潔麗，張榮梅.基于案例推理的數(shù)字圖書館個性化推薦系統(tǒng)研究［J］.情報科學，2008(9)：1380-1384.

［3］He，W.，Erdelez, S.，& Wang，F(xiàn). K.Examining a case-based reasoning system using mental models as a framework［J］.International Journal of Learning Technology，2010(1)：63-79.

［4］J.L.Kolodner..An introduction to case-based reasoning［J］.Artificial Intelligence Review，1992(1)：3-34.

［5］LENZ M.Case-based reasoning：from foundations to applications［M］.Berlin：Springer，1998.

［6］張俊杰.企業(yè)知識管理中的案例推理思路與系統(tǒng)架構［J］.情報雜志，2011(5)：130-133.

［7］A.Aamodt，E.Plaza.Case-Based Reasoning：Foundational Issues，Methodological Variations，and System Approaches［J］.AI Communications，1994(1)：39-59.

［8］郭金龍，許鑫.數(shù)字人文中的文本挖掘研究［J］.大學圖書館學報，2012(3)：11-18.

［9］王偉軍，甘春梅.圖書情報學視角的Web2.0研究綜述［J］.中國圖書館學報，2011(11)：67-80.

［10］Wu He.Improving user experience with case-based reasoning systems using text mining and Web 2.0［J］.Expert Systems with Applications，2013(40)：500-507.

［11］Wang, F., Moore, J., Wedman, J. et al..Developing a case-based reasoning knowledge repository to support a learning community——An example from the technology integration community［J］.Educational Technology Research and Development，2003(3)：45-62.

［12］Liu, B., et al..Distributed Data Mining for E-Business［J］.Information Technology and Management，2011(1)：1-13.

［13］Duan, L., Street, W. N., et al..Healthcare information systems: data mining methods in the creation of a clinical recommender system［J］.Enterprise Information Systems，2011(2)： 169-181.

［14］Romero, C., & Ventura, S..Educational data mining: A survey from 1995 to 2005［J］.Expert Systems with Applications，2007(33)：135-146.

（編校：崔萌）

endprint

通過上述的三個步驟，本研究發(fā)現(xiàn)了KITE CBR系統(tǒng)一些需要改進的缺陷。首先，雖然KITE中的案例庫進行了分類，但是這種分類缺少相應的索引詞，導致無法利用相關的關鍵詞在案例庫中檢索類似的案例。其次，KITE中對案例的摘要并不能完全反映利用文本挖掘得到的關鍵詞和概念，導致人們在僅閱讀這些摘要時可能會誤解或遺漏這些案例的真實意義。因此，在CBR系統(tǒng)中運用文本挖掘技術對案例進行處理，可以增加系統(tǒng)的使用效果，并解決KITE CBR系統(tǒng)目前的缺陷。例如，文本挖掘的結果可以用來支持或加強案例庫的搜索、瀏覽或演示的效果。

4.2Web2.0技術工具對KITE CBR系統(tǒng)的作用

Web2.0技術的相關工具很多，在本研究中選用Blog來驗證Web2.0技術對CBR系統(tǒng)的作用。筆者隨機選取并分析了使用KITE的39個學生（21個男生和18個女生）的Blog，并以此來評價Blog對KITE的CBR系統(tǒng)的影響。

案例研究的目的是檢驗學生利用基于技術支持的學習計劃進行學習的經(jīng)驗，以及他們對Blog和KITE的CBR系統(tǒng)整合的看法。因此，我們設計了一系列相關的問題并在選定的Blog進行問卷調查。在問卷中有幾個問題是關于評價Blog和KITE系統(tǒng)整合，以及建立協(xié)作社區(qū)的影響。

通過對問卷的收集，以及對選定的每個Blog的評論進行認真的收集與分析，結果顯示：32人（83%）認為，案例庫（如KITE案例庫）是一種有效的工具，它可以幫助用戶方便地創(chuàng)建學習計劃；23人（58%）認為，一個結合了KITE案例庫的Blog網(wǎng)站有助于用戶在制訂學習計劃時，花費較少的時間和精力。此外，針對Blog評論內容的分析也證實，Blog有助于學生彼此學習并建立協(xié)作學習社區(qū)。大多數(shù)參與者都認為利用Blog有助于他們更好地了解KITE案例庫，也幫助他們了解別人在學習計劃上的觀點。因此， Web2.0技術對CBR系統(tǒng)的建設和用戶具有積極的意義。

5研究結論及未來展望

為了改善CBR系統(tǒng)，本文提出一個采用文本挖掘和Web2.0技術工具的框架。利用這個框架，CBR系統(tǒng)開發(fā)者找到了提高和改善用戶體驗的方法。實例研究也證明了本文提出的框架和方法具有更廣泛的適用性。同時，研究框架和方法對于提高用戶的體驗，解決CBR系統(tǒng)的可持續(xù)發(fā)展以及潛在質量問題方面是有效的。顯然，這也對其他類似的知識系統(tǒng)建設具有參考作用。

參考文獻：

［1］A.Aamodt，E.Plaza.Case-Based Reasoning：Foundational Issues，Methodological Variations， and System Approaches［J］.AI Communications，1994(1)：39-59.

［2］孫潔麗，張榮梅.基于案例推理的數(shù)字圖書館個性化推薦系統(tǒng)研究［J］.情報科學，2008(9)：1380-1384.

［3］He，W.，Erdelez, S.，& Wang，F(xiàn). K.Examining a case-based reasoning system using mental models as a framework［J］.International Journal of Learning Technology，2010(1)：63-79.

［4］J.L.Kolodner..An introduction to case-based reasoning［J］.Artificial Intelligence Review，1992(1)：3-34.

［5］LENZ M.Case-based reasoning：from foundations to applications［M］.Berlin：Springer，1998.

［6］張俊杰.企業(yè)知識管理中的案例推理思路與系統(tǒng)架構［J］.情報雜志，2011(5)：130-133.

［7］A.Aamodt，E.Plaza.Case-Based Reasoning：Foundational Issues，Methodological Variations，and System Approaches［J］.AI Communications，1994(1)：39-59.

［8］郭金龍，許鑫.數(shù)字人文中的文本挖掘研究［J］.大學圖書館學報，2012(3)：11-18.

［9］王偉軍，甘春梅.圖書情報學視角的Web2.0研究綜述［J］.中國圖書館學報，2011(11)：67-80.

［10］Wu He.Improving user experience with case-based reasoning systems using text mining and Web 2.0［J］.Expert Systems with Applications，2013(40)：500-507.

［11］Wang, F., Moore, J., Wedman, J. et al..Developing a case-based reasoning knowledge repository to support a learning community——An example from the technology integration community［J］.Educational Technology Research and Development，2003(3)：45-62.

［12］Liu, B., et al..Distributed Data Mining for E-Business［J］.Information Technology and Management，2011(1)：1-13.

［13］Duan, L., Street, W. N., et al..Healthcare information systems: data mining methods in the creation of a clinical recommender system［J］.Enterprise Information Systems，2011(2)： 169-181.

［14］Romero, C., & Ventura, S..Educational data mining: A survey from 1995 to 2005［J］.Expert Systems with Applications，2007(33)：135-146.

（編校：崔萌）

endprint