關(guān)鍵詞：案例推理；文本挖掘；Web2.0；用戶體驗(yàn)

摘要：目前許多CBR系統(tǒng)面臨著案例過時(shí)、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(lì)用戶參與CBR系統(tǒng)的使用，促進(jìn)CBR系統(tǒng)的發(fā)展，提出了一種基于Web2.0技術(shù)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(yàn)。案例分析結(jié)果顯示，文本挖掘和Web2.0技術(shù)可以為CBR系統(tǒng)帶來額外的價(jià)值，并對(duì)CBR系統(tǒng)的開發(fā)和設(shè)計(jì)提供了新的思路。

中圖分類號(hào)：G250文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-1588（2014）07-0115-03

收稿日期：2014-06-19

作者簡(jiǎn)介：洪霞(1974-)，連云港職業(yè)技術(shù)學(xué)院圖書館館員。1前言

基于案例推理（Case-Based Reasoning, 簡(jiǎn)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(dāng)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(shí)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(duì)CBR的研究大多側(cè)重于CBR系統(tǒng)推理過程的理論方面，而缺乏對(duì)用戶體驗(yàn)以及CBR系統(tǒng)接口的相關(guān)研究。已有研究［3］發(fā)現(xiàn)，為了促進(jìn)CBR系統(tǒng)的應(yīng)用，就必須研究CBR系統(tǒng)用戶體驗(yàn)的影響因素，并以此設(shè)計(jì)CBR系統(tǒng)。筆者主要探討利用文本挖掘和Web2.0技術(shù)改進(jìn)并提高CBR系統(tǒng)的用戶體驗(yàn)。

2文獻(xiàn)述評(píng)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(lǐng)域中一種基于知識(shí)的問題求解和學(xué)習(xí)方法，是一種典型的利用已有的案例和經(jīng)驗(yàn)進(jìn)行推理的新問題求解機(jī)制［4］。

通俗地說，CBR工作原理是模仿人們的認(rèn)知心理過程［5］：首先，在CBR中，以案例為基礎(chǔ)進(jìn)行推理，把人們以往的經(jīng)驗(yàn)存儲(chǔ)成一個(gè)個(gè)的案例，當(dāng)一個(gè)行為主體面臨一種嶄新的情況或問題時(shí)，對(duì)案例進(jìn)行搜索，能夠定位到與當(dāng)前所遇情況完全吻合的案例，則直接將其處理方案付諸應(yīng)用。其次，如果對(duì)找到的案例有不滿之處，就可以進(jìn)行調(diào)整與修正以適應(yīng)當(dāng)前情況，修改后的范例將被再次存入范例庫(kù)，以便下次使用時(shí)作為參考［6］。因此，基于上述的工作原理，一個(gè)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(chǔ)4個(gè)階段組成的一個(gè)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(kù)的建設(shè)。

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(shù)與文本處理技術(shù)的結(jié)合，涉及數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)、自然語言處理、數(shù)據(jù)庫(kù)技術(shù)等多個(gè)學(xué)科領(lǐng)域的知識(shí)和技術(shù)［8］。它的主要任務(wù)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(shí)的過程。一般而言，一個(gè)完整的文本挖掘過程包括文本預(yù)處理、文本挖掘、文本挖掘結(jié)果評(píng)估和利用等多個(gè)步驟。

2.3Web2.0概述

Web2.0作為新一代的互聯(lián)網(wǎng)應(yīng)用模式，已經(jīng)深刻影響著人們對(duì)信息的生產(chǎn)、組織、傳遞、開發(fā)和利用的觀念。在Web2.0平臺(tái)中，網(wǎng)絡(luò)內(nèi)容的產(chǎn)出主要來自用戶，每一個(gè)用戶都可以生成自己的內(nèi)容，并將這些內(nèi)容進(jìn)行傳播、交流與共享［9］。Web2.0最大特點(diǎn)是個(gè)人化、去中心化，同時(shí)強(qiáng)調(diào)社會(huì)化，以及強(qiáng)調(diào)開放、共享，強(qiáng)調(diào)參與、創(chuàng)造。

目前已有一些Web2.0技術(shù)的工具得到了廣泛應(yīng)用，如用戶利用RSS在不打開網(wǎng)站內(nèi)容頁面的情況下閱讀支持RSS輸出的網(wǎng)站內(nèi)容；Blog可以讓個(gè)人在Web上表達(dá)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(gòu)建提高CBR系統(tǒng)用戶體驗(yàn)因?yàn)镃BR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(shè)計(jì)與開發(fā)過程中，需要分析、檢驗(yàn)不同用戶的行為，然后針對(duì)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(gè)高效的CBR環(huán)境，以提高CBR系統(tǒng)的用戶體驗(yàn)和使用效率成為CBR相關(guān)研究的重點(diǎn)。本研究目的是通過利用文本挖掘和Web2.0技術(shù)的加入，以提高CBR系統(tǒng)用戶的體驗(yàn)，最終有利于構(gòu)建高效的CBR系統(tǒng)。

在對(duì)Web2.0和文本挖掘相關(guān)理論進(jìn)行分析的基礎(chǔ)上，結(jié)合以往學(xué)者對(duì)基于網(wǎng)絡(luò)的CBR系統(tǒng)和實(shí)現(xiàn)技術(shù)的研究成果［10］，本研究構(gòu)建了一個(gè)用于提高CBR系統(tǒng)用戶體驗(yàn)的框架模型。本模型框架旨在為用戶提供從案例庫(kù)中尋找相關(guān)案例最有效的方式。圖1描述了如何實(shí)現(xiàn)這一目標(biāo)的模型框架。

首先，文本挖掘可以提取出一系列由關(guān)鍵詞、概念和分類術(shù)語組成的列表，這些列表可以用于幫助生成案例庫(kù)的索引，從而方便用戶在案例庫(kù)中快速地找到自己所需的信息；其次，文本挖掘的結(jié)果有助于確定標(biāo)引詞的權(quán)重和不同索引詞之間的相似性，甚至可以針對(duì)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(shí)間，提高效率；最后，通過文本挖掘可以把案例庫(kù)的大量案例按照其自身特點(diǎn)進(jìn)行聚合，形成分類存儲(chǔ)，同時(shí)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(shù)的相關(guān)工具，可以更加有效地檢索、利用、分享案例庫(kù)中的相關(guān)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(jìn)一步提高案例庫(kù)中案例格式及表達(dá)樣式。圖1添加Web2.0技術(shù)和文本挖掘的CBR系統(tǒng)框架4實(shí)例分析與驗(yàn)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(shí)也將豐富用戶的使用體驗(yàn)。為了驗(yàn)證研究框架的效果，筆者將選用一個(gè)已開發(fā)使用的CBR系統(tǒng)——KITE（Knowledge Innovation for Technology in Education）項(xiàng)目的成果作為試驗(yàn)對(duì)象，分別進(jìn)行文本挖掘和Web2.0工具中Blog的使用效果進(jìn)行驗(yàn)證。

洪霞：Web2.0技術(shù)和文本挖掘方法對(duì)CBR用戶體驗(yàn)影響的研究洪霞：Web2.0技術(shù)和文本挖掘方法對(duì)CBR用戶體驗(yàn)影響的研究KITE項(xiàng)目是美國(guó)密蘇里大學(xué)哥倫比亞分校的信息技術(shù)與學(xué)習(xí)科技研究所建立的一個(gè)服務(wù)于K-16（幼兒園至大學(xué)連貫教育）實(shí)踐的知識(shí)庫(kù)。為了實(shí)現(xiàn)這一目標(biāo)，項(xiàng)目為教師和教育工作者設(shè)計(jì)了一個(gè)運(yùn)用CBR方法的知識(shí)庫(kù)，即技術(shù)集成案例庫(kù)［11］。

4.1文本挖掘?qū)ITE CBR系統(tǒng)的作用

基于已有的研究文獻(xiàn)［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(gè)步驟對(duì)KITE項(xiàng)目的CBR系統(tǒng)中的案例進(jìn)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(yù)處理階段。KITE中CBR系統(tǒng)的案例庫(kù)目前存儲(chǔ)有超過1,200個(gè)完整的案例，每個(gè)案例都是介紹教師如何解決在課堂上涉及的技術(shù)問題的故事?；谠囼?yàn)證明目的，本研究從案例庫(kù)的“特殊教育”目錄下選取了50個(gè)案例，利用文本編輯軟件，把每個(gè)案例的內(nèi)容的文本進(jìn)行復(fù)制、粘貼為一個(gè)文本文件，為接下來的文本挖掘做好準(zhǔn)備。

4.1.2文本挖掘階段。文本收集工作完成后，就可以針對(duì)文本集合的關(guān)鍵詞、概念和類別運(yùn)用文本挖掘的相關(guān)算法，如概念提取、分類、聚類等進(jìn)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(jìn)行文本分析和挖掘。

4.1.3文本挖掘結(jié)果評(píng)估和利用階段。當(dāng)利用文本挖掘工具生成結(jié)果后，CBR系統(tǒng)開發(fā)人員需要對(duì)文本挖掘結(jié)果進(jìn)行認(rèn)真的評(píng)估和分析，以確定挖掘產(chǎn)生的新知識(shí)。通常情況下，CBR系統(tǒng)中運(yùn)用的文本挖掘是一個(gè)迭代循環(huán)周期，需要對(duì)挖掘結(jié)果進(jìn)行持續(xù)評(píng)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(cè)試不同的系統(tǒng)參數(shù)，以優(yōu)化文本挖掘的結(jié)果。最后，挖掘出來的知識(shí)需要運(yùn)用到?jīng)Q策和行動(dòng)中，使新知識(shí)可以用來引導(dǎo)、促進(jìn)、改善和提高CBR系統(tǒng)。

endprint

通過上述的三個(gè)步驟，本研究發(fā)現(xiàn)了KITE CBR系統(tǒng)一些需要改進(jìn)的缺陷。首先，雖然KITE中的案例庫(kù)進(jìn)行了分類，但是這種分類缺少相應(yīng)的索引詞，導(dǎo)致無法利用相關(guān)的關(guān)鍵詞在案例庫(kù)中檢索類似的案例。其次，KITE中對(duì)案例的摘要并不能完全反映利用文本挖掘得到的關(guān)鍵詞和概念，導(dǎo)致人們?cè)趦H閱讀這些摘要時(shí)可能會(huì)誤解或遺漏這些案例的真實(shí)意義。因此，在CBR系統(tǒng)中運(yùn)用文本挖掘技術(shù)對(duì)案例進(jìn)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(jié)果可以用來支持或加強(qiáng)案例庫(kù)的搜索、瀏覽或演示的效果。

4.2Web2.0技術(shù)工具對(duì)KITE CBR系統(tǒng)的作用

Web2.0技術(shù)的相關(guān)工具很多，在本研究中選用Blog來驗(yàn)證Web2.0技術(shù)對(duì)CBR系統(tǒng)的作用。筆者隨機(jī)選取并分析了使用KITE的39個(gè)學(xué)生（21個(gè)男生和18個(gè)女生）的Blog，并以此來評(píng)價(jià)Blog對(duì)KITE的CBR系統(tǒng)的影響。

案例研究的目的是檢驗(yàn)學(xué)生利用基于技術(shù)支持的學(xué)習(xí)計(jì)劃進(jìn)行學(xué)習(xí)的經(jīng)驗(yàn)，以及他們對(duì)Blog和KITE的CBR系統(tǒng)整合的看法。因此，我們?cè)O(shè)計(jì)了一系列相關(guān)的問題并在選定的Blog進(jìn)行問卷調(diào)查。在問卷中有幾個(gè)問題是關(guān)于評(píng)價(jià)Blog和KITE系統(tǒng)整合，以及建立協(xié)作社區(qū)的影響。

通過對(duì)問卷的收集，以及對(duì)選定的每個(gè)Blog的評(píng)論進(jìn)行認(rèn)真的收集與分析，結(jié)果顯示：32人（83%）認(rèn)為，案例庫(kù)（如KITE案例庫(kù)）是一種有效的工具，它可以幫助用戶方便地創(chuàng)建學(xué)習(xí)計(jì)劃；23人（58%）認(rèn)為，一個(gè)結(jié)合了KITE案例庫(kù)的Blog網(wǎng)站有助于用戶在制訂學(xué)習(xí)計(jì)劃時(shí)，花費(fèi)較少的時(shí)間和精力。此外，針對(duì)Blog評(píng)論內(nèi)容的分析也證實(shí)，Blog有助于學(xué)生彼此學(xué)習(xí)并建立協(xié)作學(xué)習(xí)社區(qū)。大多數(shù)參與者都認(rèn)為利用Blog有助于他們更好地了解KITE案例庫(kù)，也幫助他們了解別人在學(xué)習(xí)計(jì)劃上的觀點(diǎn)。因此， Web2.0技術(shù)對(duì)CBR系統(tǒng)的建設(shè)和用戶具有積極的意義。

5研究結(jié)論及未來展望

為了改善CBR系統(tǒng)，本文提出一個(gè)采用文本挖掘和Web2.0技術(shù)工具的框架。利用這個(gè)框架，CBR系統(tǒng)開發(fā)者找到了提高和改善用戶體驗(yàn)的方法。實(shí)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(shí)，研究框架和方法對(duì)于提高用戶的體驗(yàn)，解決CBR系統(tǒng)的可持續(xù)發(fā)展以及潛在質(zhì)量問題方面是有效的。顯然，這也對(duì)其他類似的知識(shí)系統(tǒng)建設(shè)具有參考作用。

參考文獻(xiàn)：

［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(gè)性化推薦系統(tǒng)研究［J］.情報(bào)科學(xué)，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(shí)管理中的案例推理思路與系統(tǒng)架構(gòu)［J］.情報(bào)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(xué)圖書館學(xué)報(bào)，2012(3)：11-18.

［9］王偉軍，甘春梅.圖書情報(bào)學(xué)視角的Web2.0研究綜述［J］.中國(guó)圖書館學(xué)報(bào)，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(gè)步驟，本研究發(fā)現(xiàn)了KITE CBR系統(tǒng)一些需要改進(jìn)的缺陷。首先，雖然KITE中的案例庫(kù)進(jìn)行了分類，但是這種分類缺少相應(yīng)的索引詞，導(dǎo)致無法利用相關(guān)的關(guān)鍵詞在案例庫(kù)中檢索類似的案例。其次，KITE中對(duì)案例的摘要并不能完全反映利用文本挖掘得到的關(guān)鍵詞和概念，導(dǎo)致人們?cè)趦H閱讀這些摘要時(shí)可能會(huì)誤解或遺漏這些案例的真實(shí)意義。因此，在CBR系統(tǒng)中運(yùn)用文本挖掘技術(shù)對(duì)案例進(jìn)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(jié)果可以用來支持或加強(qiáng)案例庫(kù)的搜索、瀏覽或演示的效果。

4.2Web2.0技術(shù)工具對(duì)KITE CBR系統(tǒng)的作用

Web2.0技術(shù)的相關(guān)工具很多，在本研究中選用Blog來驗(yàn)證Web2.0技術(shù)對(duì)CBR系統(tǒng)的作用。筆者隨機(jī)選取并分析了使用KITE的39個(gè)學(xué)生（21個(gè)男生和18個(gè)女生）的Blog，并以此來評(píng)價(jià)Blog對(duì)KITE的CBR系統(tǒng)的影響。

案例研究的目的是檢驗(yàn)學(xué)生利用基于技術(shù)支持的學(xué)習(xí)計(jì)劃進(jìn)行學(xué)習(xí)的經(jīng)驗(yàn)，以及他們對(duì)Blog和KITE的CBR系統(tǒng)整合的看法。因此，我們?cè)O(shè)計(jì)了一系列相關(guān)的問題并在選定的Blog進(jìn)行問卷調(diào)查。在問卷中有幾個(gè)問題是關(guān)于評(píng)價(jià)Blog和KITE系統(tǒng)整合，以及建立協(xié)作社區(qū)的影響。

通過對(duì)問卷的收集，以及對(duì)選定的每個(gè)Blog的評(píng)論進(jìn)行認(rèn)真的收集與分析，結(jié)果顯示：32人（83%）認(rèn)為，案例庫(kù)（如KITE案例庫(kù)）是一種有效的工具，它可以幫助用戶方便地創(chuàng)建學(xué)習(xí)計(jì)劃；23人（58%）認(rèn)為，一個(gè)結(jié)合了KITE案例庫(kù)的Blog網(wǎng)站有助于用戶在制訂學(xué)習(xí)計(jì)劃時(shí)，花費(fèi)較少的時(shí)間和精力。此外，針對(duì)Blog評(píng)論內(nèi)容的分析也證實(shí)，Blog有助于學(xué)生彼此學(xué)習(xí)并建立協(xié)作學(xué)習(xí)社區(qū)。大多數(shù)參與者都認(rèn)為利用Blog有助于他們更好地了解KITE案例庫(kù)，也幫助他們了解別人在學(xué)習(xí)計(jì)劃上的觀點(diǎn)。因此， Web2.0技術(shù)對(duì)CBR系統(tǒng)的建設(shè)和用戶具有積極的意義。

5研究結(jié)論及未來展望

為了改善CBR系統(tǒng)，本文提出一個(gè)采用文本挖掘和Web2.0技術(shù)工具的框架。利用這個(gè)框架，CBR系統(tǒng)開發(fā)者找到了提高和改善用戶體驗(yàn)的方法。實(shí)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(shí)，研究框架和方法對(duì)于提高用戶的體驗(yàn)，解決CBR系統(tǒng)的可持續(xù)發(fā)展以及潛在質(zhì)量問題方面是有效的。顯然，這也對(duì)其他類似的知識(shí)系統(tǒng)建設(shè)具有參考作用。

參考文獻(xiàn)：

［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(gè)性化推薦系統(tǒng)研究［J］.情報(bào)科學(xué)，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(shí)管理中的案例推理思路與系統(tǒng)架構(gòu)［J］.情報(bào)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(xué)圖書館學(xué)報(bào)，2012(3)：11-18.

［9］王偉軍，甘春梅.圖書情報(bào)學(xué)視角的Web2.0研究綜述［J］.中國(guó)圖書館學(xué)報(bào)，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(gè)步驟，本研究發(fā)現(xiàn)了KITE CBR系統(tǒng)一些需要改進(jìn)的缺陷。首先，雖然KITE中的案例庫(kù)進(jìn)行了分類，但是這種分類缺少相應(yīng)的索引詞，導(dǎo)致無法利用相關(guān)的關(guān)鍵詞在案例庫(kù)中檢索類似的案例。其次，KITE中對(duì)案例的摘要并不能完全反映利用文本挖掘得到的關(guān)鍵詞和概念，導(dǎo)致人們?cè)趦H閱讀這些摘要時(shí)可能會(huì)誤解或遺漏這些案例的真實(shí)意義。因此，在CBR系統(tǒng)中運(yùn)用文本挖掘技術(shù)對(duì)案例進(jìn)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(jié)果可以用來支持或加強(qiáng)案例庫(kù)的搜索、瀏覽或演示的效果。

4.2Web2.0技術(shù)工具對(duì)KITE CBR系統(tǒng)的作用

Web2.0技術(shù)的相關(guān)工具很多，在本研究中選用Blog來驗(yàn)證Web2.0技術(shù)對(duì)CBR系統(tǒng)的作用。筆者隨機(jī)選取并分析了使用KITE的39個(gè)學(xué)生（21個(gè)男生和18個(gè)女生）的Blog，并以此來評(píng)價(jià)Blog對(duì)KITE的CBR系統(tǒng)的影響。

案例研究的目的是檢驗(yàn)學(xué)生利用基于技術(shù)支持的學(xué)習(xí)計(jì)劃進(jìn)行學(xué)習(xí)的經(jīng)驗(yàn)，以及他們對(duì)Blog和KITE的CBR系統(tǒng)整合的看法。因此，我們?cè)O(shè)計(jì)了一系列相關(guān)的問題并在選定的Blog進(jìn)行問卷調(diào)查。在問卷中有幾個(gè)問題是關(guān)于評(píng)價(jià)Blog和KITE系統(tǒng)整合，以及建立協(xié)作社區(qū)的影響。

通過對(duì)問卷的收集，以及對(duì)選定的每個(gè)Blog的評(píng)論進(jìn)行認(rèn)真的收集與分析，結(jié)果顯示：32人（83%）認(rèn)為，案例庫(kù)（如KITE案例庫(kù)）是一種有效的工具，它可以幫助用戶方便地創(chuàng)建學(xué)習(xí)計(jì)劃；23人（58%）認(rèn)為，一個(gè)結(jié)合了KITE案例庫(kù)的Blog網(wǎng)站有助于用戶在制訂學(xué)習(xí)計(jì)劃時(shí)，花費(fèi)較少的時(shí)間和精力。此外，針對(duì)Blog評(píng)論內(nèi)容的分析也證實(shí)，Blog有助于學(xué)生彼此學(xué)習(xí)并建立協(xié)作學(xué)習(xí)社區(qū)。大多數(shù)參與者都認(rèn)為利用Blog有助于他們更好地了解KITE案例庫(kù)，也幫助他們了解別人在學(xué)習(xí)計(jì)劃上的觀點(diǎn)。因此， Web2.0技術(shù)對(duì)CBR系統(tǒng)的建設(shè)和用戶具有積極的意義。

5研究結(jié)論及未來展望

為了改善CBR系統(tǒng)，本文提出一個(gè)采用文本挖掘和Web2.0技術(shù)工具的框架。利用這個(gè)框架，CBR系統(tǒng)開發(fā)者找到了提高和改善用戶體驗(yàn)的方法。實(shí)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(shí)，研究框架和方法對(duì)于提高用戶的體驗(yàn)，解決CBR系統(tǒng)的可持續(xù)發(fā)展以及潛在質(zhì)量問題方面是有效的。顯然，這也對(duì)其他類似的知識(shí)系統(tǒng)建設(shè)具有參考作用。

參考文獻(xiàn)：

［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(gè)性化推薦系統(tǒng)研究［J］.情報(bào)科學(xué)，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(shí)管理中的案例推理思路與系統(tǒng)架構(gòu)［J］.情報(bào)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(xué)圖書館學(xué)報(bào)，2012(3)：11-18.

［9］王偉軍，甘春梅.圖書情報(bào)學(xué)視角的Web2.0研究綜述［J］.中國(guó)圖書館學(xué)報(bào)，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