移動學(xué)習(xí)領(lǐng)域基于機會感知的情境識別系統(tǒng)設(shè)計方法

吳菲，王欣

(南京工業(yè)大學(xué)浦江學(xué)院，江蘇南京　211134)

?

移動學(xué)習(xí)領(lǐng)域基于機會感知的情境識別系統(tǒng)設(shè)計方法

吳菲，王欣

(南京工業(yè)大學(xué)浦江學(xué)院，江蘇南京211134)

[摘要]在研究移動學(xué)習(xí)的內(nèi)涵和情境感知技術(shù)在移動學(xué)習(xí)領(lǐng)域的應(yīng)用的基礎(chǔ)上，把握其最新的發(fā)展方向，結(jié)合專家系統(tǒng)、傳感器應(yīng)用等相關(guān)技術(shù)，設(shè)計出一種基于機會感知的情境識別系統(tǒng)方法.

[關(guān)鍵詞]機會感知；情境識別；系統(tǒng)；設(shè)計

0引言

移動學(xué)習(xí)是一種新型的學(xué)習(xí)模式，是伴隨著學(xué)習(xí)者學(xué)習(xí)時間的彈性化和位置空間的移動性，增加而利用各種移動終端設(shè)備進行自主學(xué)習(xí)的方式.它綜合利用了無線通信技術(shù)、移動計算技術(shù)、移動終端設(shè)備，是數(shù)字化學(xué)習(xí)通過移動設(shè)備進行的擴展.移動學(xué)習(xí)系統(tǒng)通過獲取學(xué)習(xí)者及所處環(huán)境的信息推送給不同學(xué)習(xí)者不同的學(xué)習(xí)內(nèi)容，從而實現(xiàn)學(xué)習(xí)的個性化.

情境感知(Context Awareness)技術(shù)源于對于普適計算(ubiquitous computing)方面的研究，最早由Schilit于1994年提出.簡單來說，情境感知就是通過傳感器及其相關(guān)技術(shù)使計算機設(shè)備能夠“感知”到當前環(huán)境中的的真實情境.情境感知計算的應(yīng)用可以通過傳感器獲得關(guān)于用戶所處真實環(huán)境的相關(guān)信息，從而進一步了解用戶的行為動機等.同時，情境感知技術(shù)對于用戶體驗設(shè)計一個更加重要的發(fā)展方向就是所謂的主動服務(wù)設(shè)計，即計算機(特別是可移動計算機)通過情境感知，自適應(yīng)地改變，涉及到在用戶界面的改變，為用戶提供推送式服務(wù)等.

1情境感知技術(shù)在移動學(xué)習(xí)領(lǐng)域的應(yīng)用

移動學(xué)習(xí)的深層發(fā)展越來越鮮明地體現(xiàn)了移動學(xué)習(xí)在情境認知方面的三個特點：

一是智能技術(shù)與學(xué)習(xí)者融為一體后，越來越多的用戶個性與需求信息可被感知，學(xué)習(xí)越來越體現(xiàn)個性化和適應(yīng)性的特征；二是移動技術(shù)向可用性、聯(lián)結(jié)性、嵌入性、情境感知等方向深入發(fā)展，形成無縫的信息生態(tài)，保證各種以技術(shù)為媒介的交互能夠聯(lián)結(jié)和貫通，擁有了最優(yōu)的人與技術(shù)的共生關(guān)系；三是學(xué)習(xí)活動設(shè)計在向持續(xù)性、群體性和個性化發(fā)展，保證學(xué)習(xí)者在不同學(xué)習(xí)情境中學(xué)習(xí)體驗的連續(xù)性，促進學(xué)習(xí)者的深層認知和綜合能力的持續(xù)發(fā)展，這既是移動學(xué)習(xí)的終極目標，更是移動學(xué)習(xí)發(fā)展的核心價值所在.

2基于機會感知的情境識別系統(tǒng)組成

基于機會感知的情境識別系統(tǒng)包括：①用于感知不同上下文信息的機會感知數(shù)據(jù)采集器；②用于記錄情境識別知識的情境識別知識庫；③用于根據(jù)所描述的機會感知數(shù)據(jù)采集器采集到的上下文信息和知識庫所記載的情境識別知識進行情境推理的情境推理機.

其中，情境推理機主要負責(zé)在運行時解決不確定的情境推理任務(wù).情境是對一個實體所處狀態(tài)的一種語義抽象，對于一個具體的情境感知應(yīng)用而言，當情境發(fā)生變化時，則將觸發(fā)相應(yīng)的動作執(zhí)行.通常來說，一個實體(例如一個人)所處的情境種類是無限的，然而對于一個特定的情境感知應(yīng)用而言，其關(guān)注的情境種類卻是有限的.因此，將一個應(yīng)用所關(guān)注的所有可能的情境組成一個集合，稱之為情境候選集合.上述組成部分③中所述的“上下文信息”是指能夠刻畫一個實體情境的任何信息，一個實體的情境是由一組上下文信息來確定的.

具體說來，在系統(tǒng)中，情境推理機應(yīng)包括：用于將情境推理規(guī)則分解為若干個上下文斷言的規(guī)則分解模塊；用于對能夠確定變量的上下文斷言進行推理，并且能夠?qū)⒆兞坎淮_定的上下文斷言的推理結(jié)果置為不確定的斷言推理模塊；用于將上下文斷言的推理結(jié)果進行歸并，然后從候選情境中選擇當前用戶所處情境的融合與決策模塊.

情境識別知識包括情境推理規(guī)則，它是定義上下文與情境的一階邏輯表達式.一個情境推理規(guī)則包括兩個部分：前件和后件.具體來說，本文所設(shè)計的規(guī)則前件是一組用“邏輯與”AND連接起來的上下文斷言.上下文斷言在這里被定義為一個邏輯表達式，它描述了某種上下文信息需要滿足的條件.因此對于一個候選情境來，情境推理規(guī)則的前件為R(Si) =A(C1) AA(C2) Λ…AA(Cffl)，其中A(Ci)是第i個上下文斷言.而情境推理規(guī)則與N個上下文信息相關(guān)聯(lián).在這里，規(guī)則的后件是關(guān)于一個候選情境的表達式.

在上述的一種基于機會感知的情境識別系統(tǒng)中，所述情境識別知識庫應(yīng)包括：用于記載所有情境感知應(yīng)用共享知識的共享知識庫和用于記載具體應(yīng)用情境識別相關(guān)知識的應(yīng)用知識庫.其中，共享知識庫包括：用于定義所有應(yīng)用共用概念的共享知識模塊、用于存儲各種上下文信息可信度的可信度記錄模塊.共享知識模塊使用OWL語言定義所有應(yīng)用都可能涉及到的一些概念.而為了應(yīng)對感知數(shù)據(jù)在可信度方面不可預(yù)測的問題，可信度記錄模塊實現(xiàn)存儲共享的感知系統(tǒng)中每種上下文信息的可信度.這個可信度可以用感知數(shù)據(jù)采集器的準確度來衡量.在應(yīng)用知識庫中，要包含：繼承于共享知識模塊并包含記載具體應(yīng)用情境識別知識的應(yīng)用知識模塊、記載具體應(yīng)用情境推理規(guī)則的應(yīng)用情境推理規(guī)則模塊.

3基于機會感知的情境識別方法

3.1具體的情境識別方法包括

規(guī)則部署步驟：編寫情境推理規(guī)則，并部署在情境推理機上；規(guī)則分解步驟：將情境推理規(guī)則分解為若干個上下文斷言；斷言推理步驟：對變量確定的上下文斷言進行推理并且將變量不確定的上下文斷言的推理結(jié)果置為不確定；融合決策步驟：將上下文斷言的推理結(jié)果進行歸并，然后從候選情境中判定選擇當前用戶所處情境.

3.2上文所述的規(guī)則分解步驟包括

公式選擇步驟：選擇與機會感知數(shù)據(jù)采集器所采集到的上下文信息直接相關(guān)的原子公式；規(guī)則分解步驟：基于上一步驟選擇得到的原子公式將情境推理規(guī)則分解為若干個上下文斷言.具體而言，分解過程為：對于每個原子公式，與其相關(guān)的原子公式(包括它本身)會用“邏輯與”AND連接成一個上下文斷言.

3.3上文所述的斷言推理步驟包括

分析步驟：分析所有的上下文之間的依賴關(guān)系；推理步驟：基于上一步驟得到的依賴關(guān)系，利用拓撲排序算法進行排序，然后按排序順序?qū)γ總€上下文斷言依次進行推理.

3.4上文所述的融合決策(分析)步驟包括

步驟01，順序掃描所有情境推理規(guī)則的上下文斷言，并判斷不同上下文斷言變量之間的關(guān)系；步驟02，如果一個上下文斷言中有至少有一個變量依賴于另一個上下文斷言中的變量，則兩個上下文斷言之間產(chǎn)生一個依賴關(guān)系；步驟03，將上下文斷言以及上下文之間斷言的依賴關(guān)系采用有向圖的方式進行表示，其中有向圖的頂點代表上下文斷言，有向邊代表上下文斷言之間的依賴關(guān)系.

采用上述步驟所描述的推理過程的算法為：令有向圖G =，CA為上下文斷言，其中頂點集V代表一個CA，邊集代表CA之間的依賴關(guān)系；令C，Tempi和Temp2是CA的變量，變量P是情景推理的實體.則具體的推理步驟如下：

步驟001：V=0.，E= 0? C = {情境推理規(guī)則的所有上下文}，Tempi=Temp2= 0.,Boolean Flag = True；步驟002：選出原子公式中包括P的所有上下文，對其賦予變量Tempi，令V =V U Tempi,C = C-Tempi.步驟003：WHILE (Flag == True) {};Flag = False.掃描所有上下文的C，并且取得一個屬于C并且值確定的結(jié)果X.該結(jié)果也是相似度最高的候選情境的推理結(jié)果.

4總結(jié)

本文所設(shè)計的基于機會感知的情境識別系統(tǒng)方法具有如下優(yōu)點：一是無需使用新的擴展語言，仍然使用OWL和SWRL語言即可對情境識別的規(guī)則和概念進行建模；二是自動屏蔽機會感知環(huán)境的不確定性，基于一個提前建立的知識庫，得到一個合適的推理結(jié)果。但是，隨著情境因素的不斷引入，該方面研究也將會需要進一步結(jié)合基于情境感知的推薦技術(shù)。所以，提取用戶的偏好將會變顯得越來越重要，但這一項工作其實是一項十分困難的自動工作，面臨著所需處理數(shù)據(jù)量的激增以及計算復(fù)雜化的問題、面向高維數(shù)據(jù)的情境推薦技術(shù)、情境感知推薦系統(tǒng)的冷啟動等都是需要下一步攻克的難題。

參考文獻

[1]董琬.對現(xiàn)代遠程教育中移動學(xué)習(xí)的思考[J].甘肅廣播電視大學(xué)學(xué)報,2014.4:56-58.

[2]龔瑞男,寧可,李清,等.面向業(yè)務(wù)協(xié)同的情境建模[J].計算機集成制造系統(tǒng)，2009.9:1731-1737.

[3]王娜娜,鄭春厚.支持U-learning的幾種關(guān)鍵技術(shù)研究[J].信息技術(shù)，2011.2:80-83.

[4]馬曉亭.移動計算環(huán)境下的移動數(shù)字圖書館[J].數(shù)字通信世界，2010.7:58-60.

[5]郝立興.淺析面向非正式學(xué)習(xí)情境的移動學(xué)習(xí)服務(wù)[J].長春教育學(xué)院學(xué)報，2013.11:78-79.

[6]徐杰勝,李陽.移動云環(huán)境下基于云服務(wù)感知的位置更新[J].棗莊學(xué)院學(xué)報，2015.5:60-64.

[責(zé)任編輯：呂海玲]

The Field of Mobile Learning Situation Recognition System Design Method Based on Perception of Opportunity

WU Fei，WANG Xin

(Pujiang college of Nanjing University of Technology, Nanjing 222234,China)

Abstract：Books on the research of mobile learning content and Context Aware Technology in mobile learning applications based on, grasp the latest development direction, combined with expert system, the application of transducer technology, design a perceived opportunity situation system identification method based on.

Key words：opportunity perception; context recognition; system design

[中圖分類號]TP11

[文獻標識碼]A

[文章編號]1004-7077(2016)02-0109-03

[作者簡介]吳菲(1983-)，女，江蘇無錫人，南京工業(yè)大學(xué)浦江學(xué)院助教，通信專業(yè)碩士，主要從事物聯(lián)網(wǎng)、模式識別、高等教育的研究.

[基金項目]南京工業(yè)大學(xué)浦江學(xué)院2015年校級課題(項目編號：njpj2015-2-09).

[收稿日期]2016-02-05