Ｍｕｌｔｉ－Ａｇｅｎｔ技术在教育资源信息管理系统中的应用_山东省水利资源信息管理系统
时间：2019-01-14 03:29:50 来源：雅意学习网 本文已影响 人 
【摘要】网络的发展迫切需要快速、有效的搜索和提取教育资源。文章通过分析国内外发展状况，指出国内目前存在的问题，结合教育资源建设理论和人工智力的发展，针对目前使用教育资源用户所面临的窘况，提出了一种基于Multi - Agent的教育资源信息采集分析系统模型，阐明了系统组成、功能及各Agent的结构和工作原理。从而实现教育资源的共享，提高资源利用率，提升教育质量。
【关键字】Agent；教育资源；信息分析
【中图分类号】G40-057 【文献标识码】A 【论文编号】1009―8097（2008）13―0125―03
引言
教育资源是网络教育的基础，美国在教育资源建设起步早，建立了美国教育资源信息中心ERIC（Educational Resources Information Center），教育资源搜索联盟GEM（The Gateway to Educational Materials）等系统，提供了丰富的教育资源，包括教学研究，教学计划、课件、网络课程、教师求职等信息。中国的国家基础教育资源网和广东省基础教育信息资源中心也提供“教学素材类资源、主题学习性资源和网络课程资源”。这些资源、服务的分布性和异构性使得教育资源共享在实施阶段往往走向混乱。将人工智能技术应用于教育资源信息管理可以实现教育资源的智能化和网络化。国家已经加大涵盖各级各类教育的信息资源开发的力度，北京，上海，广东等地已经投入了大量资金进行基础教育资源库的建设。如何将开发好的教育资源方便有效的利用成为了教育资源管理的一个研究热点。现代教育资源系统是一个复杂开放的分布式系统，Multi－Agent是分布式人工智能的新技术，能使逻辑上和物理上分散的系统并列、协调地运行得以解决。将Multi－Agent技术应用于教育资源管理中，使得教育资源的共享方式从个人，单个单位共享发展到网络的智能化共享阶段。
一般认为，Agent 是一种处于一定环境下包装的计算机系统， 为实现设计的目的它能在那种环境下灵活地、自主地活动[1]。从建造Agent 的角度出发， 单个Agent 的结构通常分为思考型Agent、反应型Agent 和混合型Agent。MAS （Multi- Agent System）即多Agent 系统产生的最直接的原因是， MAS 的协作求解问题的能力超过单个Agent， 并且MAS 与已有系统或软件的互操作、求解数据和控制具有分布特性的特点以及提高系统的效率和鲁棒性等。多Agent技术是人工智能的一个重要成果，它由分布在网络上的多个自治的Agent通过相互作用组成的智能体系统，具有自治性、交互性、协调性、适应性等特点，非常适合处理分布异构的动态问题[2]。
在教育资源信息采集中，采用多Agent技术具有重要意义。本文将多Agent技术应用于教育信息采集系统，使得基于资源的学习成为可能。学生通过对教育资源信息进行筛选、分析、综合，并将其应用实际问题的解决中，达到对知识的深层建构，形成信息加工和解决问题的能力。
一 系统架构
1 系统框架结构
教育资源信息采集系统从互联网、数据库以及各类文档等信息载体获取相应的信息，并将其存储在系统信息库中，并与特定的教育任务相结合解决实际问题。本文提出了基于Multi－Agent教育资源采集系统模型如（图1）所示，包括教育资源信息采集Agent、教育资源信息分析Agent、教育资源信息管理Agent、系统管理Agent和教育资源信息库组成[3]。
系统管理Agent是整个系统的入口，各类用户通过它访问和管理教育资源信息。
信息采集Agent是系统关键所在。只有采集到了足够的而且是有用的信息，用户才能够对这些信息作出适当的处理来完成任务。教育信息资源是动态变化的，存放教育资源的不同数据库是异构，信息采集Agent对特定的任务进行采集提高了信息采集的导引能力[4]。
教育资源信息分析Agent一方面根据规则库分析库内信息，对教育资源信息进行规范化处理。另一方面根据网络用户对资源的评价对资源设置等级，并通过教育资源信息管理Agent对教育资源信息库内的资源信息进行删除、修改处理。
信息管理Agent根据系统管理Agent的要求，将用户任务分解成子任务分配给不同的信息采集Agent和信息分析Agent，并将处理结果返还系统管理Agent[5]。
教育资源信息库出于对知识产权方面考虑，信息库内不保存资源本身。教育资源信息库按照教育资源类型分类存储，按照素材分为文本、图形、音频、动画、视频五个数据表，这样搜索起来效率就很高。每一类别的资源有其属性，如素材编号、类型、学科（专业）、适用对象、适用的年级，来源、URL、内容简介、关键词、素材编写时间、素材编著者、素材长度。不同类型的资源属性也不尽相同，比如图像素材的属性还包括分辨率、扫描分辨率、颜色数等，而视频素材包括数据量、帧数、关键帧、帧规格、情感类型、播放时间、采样频率等方面属性。
2 系统工作流程
用户通过系统管理Agent请求执行特定的教育任务，系统管理Agent将用户需求任务交给信息管理Agent。信息管理Agent接收系统管理Agent的指令，将任务分解成子任务，分配给相应的信息采集agent。信息采集Agent完成单一采集点的信息采集任务，从信息管理agent处接收采集指令，首先从信息库中提取数据，并按照实现定义好的协议格式将数据打包，并将数据传送到系统管理Agent，再交由信息管理Agent处理。如果本地信息库中没有相应的信息，则与系统中其他采集Agent通信，协作完成采集任务，并将采集回来的信息经过信息分析Agent整理存入信息库中。
系统管理Agent代替了传统的用户和数据库直接交互。它不仅有友好的用户界面接受来自用户的请求，并且能将用户的请求转化为Agent能够识别的命令，并通过学习适应用户的习惯、偏好，在适当的时候给用户某些必要的提示，启发其顺利高效地使用系统。根据用户的信息需求， 系统Agent将教育资源的URL、类型、学科（专业）、内容简介、关键词、适用对象、来源等属性以网页的形式及时反馈给用户。信息管理Agent的功能是对教育资源信息库进行添加、删除、修改、排序和查询等管理。教育资源信息管理Agent把教育资源信息采集Agent采集到的信息写入教育资源信息库，之后通知教育资源信息分析Agent对其进行分析，教育资源信息分析Agent根据规则库进行分析，并将分析结果通知信息管理Agent。信息管理Agent起到了教育资源采集Agent、分析Agent和教育资源信息库之间的桥梁作用。
本系统作为智能化的教育资源信息采集系统，相对于传统教育资源站点有自身的特点。信息采集Agent是系统关键所在。只有采集到了足够的而且是有用的信息，用户才能够对这些信息作出适当的处理来完成任务。教育信息资源是动态变化的，存放教育资源的不同数据库是异构，信息采集Agent对特定的任务进行采集提高了信息采集的导引能力；信息分析Agent对采集信息进行处理，一方面根据规则库分析库内信息，对教育资源信息进行规范化处理。另一方面根据网络用户对资源的评价对资源设置等级，并通过教育资源信息管理Agent对教育资源信息库内的资源信息进行删除、修改处理。
二 关键技术
1 教育资源信息采集Agent
（1） 教育资源信息采集Agent
教育资源信息采集Agent它可自动采集Internet上发布的文本、图象、声音、视频、动画等有关教育资源属性及其评价的相关信息，并定期自动更新。它为后继的教育资源信息分析Agent提供丰富的教育资源信息库。教育资源信息采集Agent具有自动探测前进功能。Agent探测前进是指发现有和知识模块内容相同的信息通过链接来搜索未知站点，假设Internet是一个有向图，那么Internet上的每一站点内的每一网页就是图中的一个结点，网页中的连接就是有向图的边。教育资源信息采集Agent起始抓取页面看作是该图的根结点，利用图的广度优先遍历算法采集站点。
（2） 教育资源信息采集Agent的工作原理
信息采集Agent的基本模型由采集器、目标模块、知识模块、效应器、通信机制和信息处理器组成（如图2）。教育资源信息采集Agent是思考性Agent，当Agent根据目标模块的任务被激活时，采集器开始探测和接收外部信息流，信息处理器根据接收到的通讯原语、知识模块信息、效应器决定是否接受任务，并激活相应的部件。目标模块以任务表的形式来表示，初始由用户静态建立。知识模块存放有关教育资源方面的关键字，如媒体素材、题库、网络课件、案例等。信息处理器根据采集器探测到的链接和知识模块的信息比较，发现了有符合的链接，信息处理器通过通讯机制把相关的信息通知教育资源信息管理Agent写入教育资源信息库，同时修改目标模块。效应器根据信息处理器的控制命令执行具体的事务处理。比如信息处理器在进行一项任务的同时又接收到新任务，可先把任务放在表中，然后根据优先级进行处理。
2 教育资源信息分析Agent
（1） 分析Agent
目前常用的信息过滤方法有如下4种：基于关键词向量的信息过滤方法;基于文章集的信息过滤方法;多Agent过滤方法和进化式信息过滤方法。教育资源信息分析Agent属于混合型Agent，它是由感知器、效应器、通信机制、信息库、规则库组成。它既能够快速地响应外来信息和感知环境的变化，又可以对信息进行筛选，并将处理的信息排序。
（2） 教育资源信息分析Agent
教育资源信息是以Web文档形式存在，通常采用VSM（Vector Space Model）作为其特征的表示方法，将信息组织划分为文档集合、文档、标引词三个级别。教育资源信息分析Agent信息库是资源类型划分的文档集合经过处理后被设置成为特征值或特殊符号的集合，具体是把文档集合（Document）={文本信息，图像信息，音频信息，视频信息，动画信息}，按照教育资源建设规范的要求把文档集合中每一类文档的属性值看作是标引词，教育资源信息的标引词（Key）＝｛标题（Title）、创建者（Creator）、主题（Subject）、描述（Description）、出版者（Publisher）、贡献人（Contributor）、日期（Date）、类型（Type）、格式（Format）、标识符（Identifier）、源信息（Source）、语言（Language）、关联（Relation）、覆盖范围（Coverage）、权限（Rights）｝。这样就把教育资源信息设置成为一个二维表资源信息文档（Infor_EDU_Res）＝｛DocKeyi，j｝，i=0，1，，，4，j＝0，1，，，14。Agent信息库还包括一个资源信息评价表，表内包括四个健值评价总数，好的个数，中的个数，差的个数，信息评价表（Infor_Evalu）＝｛Evalu_Sum， Evalu_Good， Evalu_Nor， Evalu_Bad｝。教育资源信息分析Agent的规则库是把教育资源信息采集Agent所采集到的信息和资源信息文档（Infor_EDU_Res）比较并把得到的健值与教育资源信息分析Agent信息库的健值进行相似度计算，这样就可以把同一类型的资源信息放在同一个数据表里，便于用户的查询。然后通过对采集到的信息的评价设置成特征值对采集到的教育资源信息进行排序。
（3） 教育资源信息分析Agent的作用
教育资源信息分析Agent的作用有两个方面，一方面教育资源信息分析Agent根据规则库分析库内信息，对教育资源信息进行规范化处理。另一方面教育资源信息分析Agent根据网络用户对资源的评价对资源设置等级，并通过教育资源信息管理Agent对教育资源信息库内的资源信息进行删除、修改处理。
三 小结
基于Multi-Agent的教育资源信息采集分析系统充分发挥了Agent的智能性， 具体说明了各个Agent 的作用以及整个系统模型的运行过程，在教育资源信息采集Agent我们采用了探测前进，在教育资源信息分析Agent中我们探究了规则库的建构。从这个教育资源信息采集分析过程中也可以看得出，采集和分析的智能化得到了很大的提高，减少了人工的参与，采集的效率也得到了很大的改善，分析的明确性与有效性也在很大程度上得到了提高。
参考文献
[1] Hidehiko Wada, Shuhei Okada. An Autonomous Agent Approach for Manufacturing Execution Control Systems Control System [J].Integrated Computer-Aided Engineering.
[2] KRAUS S.Automated Negotiation and decision making in Multi-agent Environments [A].Lecture Notes in Artificial Intelligence2086[C ].Berlin: Springer-Verlag Press,2001,150 �172.
[3] 段培俊,周东岱,程晓春.基于Multi - Agent 技术的教学资源个性化服务模型研究[ J ].北师大学报,2006,38(2):31-35.
[4] 庄新鹏,赵建民,朱信忠.基于Multi-Agent 的数据挖掘模型的研究[ J ].计算机技术与发展,2006,16(7):129-131.
[5] 陈红英,李卫华,刘树勋.智能信息过滤Agent的设计与实现技术[ J ].广东工业大学学报,2001,18(3):26-32.
