文摘

本研究构建一个国际汉语教育专家系统基于人工智能和机器学习算法,引入了区间直觉模糊集来表达专家评价信息,并利用熵权法确定评价属性的权重以提高国际汉语教学和学习的影响。实用价值,个人后悔值,然后计算每个系统综合评价的价值。同时,本研究介绍了亲密度和满意度,改善决策过程,最终确定最优解。此外,本研究构建一个智能系统基于改进算法。国际汉语教育专家系统的研究表明,基于人工智能和机器学习算法在这项研究中有很好的效果。

1。介绍

相比与传统的教室和多媒体教室等物理空间,网络汉语学习空间具有独特环境的隐喻。此外,网络存储大量的汉语学习资源,如图片、文本、音频和视频,是中国学习者的知识宝库。建立一个网络资源数据库允许多个分散的资源的整合,使个人更容易搜索和分析它们。没有限制和统一的时间安排在中国在线学习环境。所有的中国学习者可以使用互联网来学习汉语在任何时间和任何地点,他们可以选择自己的学习材料和技术。此外,中国的在线学习环境给中国学生提供了一个自由、自主,resource-integrated,方便中国的学习环境。

在线汉语学习的交互式功能空间是一个独特的特性,它是有别于中国传统的学习空间。学生可以发送请求到平台系统根据自己的需求,并且系统可以反馈检索后相应的信息和相关的模块内容。人机交互的过程中,在线汉语学习能有效地提高学生的自主性和自我控制,使中国学习者参与和控制中国独立学习的过程。在线汉语学习空间可以突破时间和空间的限制,使翻转教室和跨区域合作的汉语学习。一方面,网络汉语学习可以突破时间限制,和在线课堂的建设使教学活动不仅限于课堂时间。教师把课程内容变成视频观看学生汉语学习在任何时候,脱离传统的课堂教学和时间约束。另一方面,网络汉语学习可以突破空间限制。通过实时传输技术,不同的学校可以形成教学联盟,整合自己的优质教学资源,为所有的学生提供高质量的教学内容联盟,和高质量的教学资源的利用率最大化。

空间资源包括各种形式的多媒体材料、课件、文本和其他材料,要求学习者独立浏览。学习者的学习方法是学习接受,和个人知识的方式建设是建设。现场教学空间依赖于实时视频工具和语音通信软件实现实时对话,这是真正的网络教室的繁殖。学习者和教师沟通,留言,投票,等等,通过交互式屏幕的区域。学习方法是接受学习和知识工程方法是集团建设(1]。在学习社区空间,学生或老师和学生可以互动和交流,和任何帐号可以发布或留言,评论,喜欢独立。学习方法是发现学习和知识工程方法是集团建设。在角色扮演的空间中,学习者和教师选择代表他们自己的虚拟角色图像根据角色设置。此外,他们通过自主探索完成任务,小组合作,或师生在一个虚拟的合作情况。发现学习,学习方法和施工方法的知识可能是个体建筑或一组建筑(2]。课程服务空间依赖于课程平台提供选课、教学、学习支持服务等学习方法是学习接受,和施工方法的知识可能是个体建筑或一组建筑(3]。

为了提高国际汉语教学和学习的影响,本研究国际汉语教育专家系统构造一个基于人工智能和机器学习算法来提高智能发展国际汉语教育的效果。

2。相关工作

在线学习理论研究涵盖了计算机科学、心理学、沟通、教育、和其他学科和相关的跨学科主题,与多个理论背景。文献[4)认为,在线学习是教育和网络技术结合的产物,和在线学习的过程是知识增量的过程中,传播,交流,和一代,强调学习者的积极建设和互动的学习过程,广泛认可和广泛应用于学术界。文献[5)认为,在线学习可以帮助学习者自主控制学习内容,进展,和时间,和依赖于学习者自身的经验来实现学习目标。教育技术领域的学者关注在线学习相关的技术支持手段,包括学习系统设计、软件开发和应用程序(6]。文献[7]提出了在线学习的定义,指出在线学习的四个关键要素是教师、学生、课程、和技术,这是一个在线学习的早期和更完整的分析。在线学习相关的技术研究主要涵盖了设计和学习支持服务系统组件和平台。研究领域的应用主要集中在教学模式、教学策略、教学应用的在线学习,文献[8]研究上下文体验课程的设计过程。目前,在线学习的评价体系和管理研究相对较小,很少涉及到资金,市场运作和管理的在线学习系统。领域的研究趋势在线学习越来越专注于如何使学习者个性化学习和深度学习经验,以及如何维持学习者的学习兴趣。虚拟技术和人工智能技术的应用将改变的形式学习地方,带来一个新的互动参与经验,提高方便师生之间交流互动,融洽的9]。

宏观的研究试图建立在线学习的数字和生态环境,并给出一个基本框架指南系统[10]。电子学习的数字和生态环境精心设计在文献[11]。mesolevel相当大的、深入的研究,基于已发表的论文篇数,和研究热点是设计、开发和有效的沟通技巧的外部网站和学习平台。网络教学平台的两个出版物建筑严重依赖文献[12]。本研究分析了学习者的需要学习的网络教学平台的建设和社会互动的具体应用策略在语言教学平台。教学平台的建设提供了一个文学。文献[13)提出了概念模型、结构和功能的远程视觉外部教学平台。可视化教学平台注重交互性和分析学习者的需求。研究微级主要集中在在线学习行为、学习策略和教学课件的编制14]。文献[15)提出了一种双重标准相结合的教学模式真正的教室和基于云平台的虚拟教室,并指出双级教学模式有助于提高在真实的课堂中教学时间不足的实际问题,低水平的参与学习,资源共享。

文献[16)构建“每个人都在网络空间”的基本框架,并指出技术规范的发展可以确保有效实施的框架。文献[17)总结了在线学习空间的一般设计原则,着重于分析的价值要求个人学习空间。文献[18]讨论了在线学习的发展目标和价值定位空间平台的细节,并总结了在线学习空间平台的建设策略。文献[19)总结了网络学习空间分成五种类型,提出了分类实践领域的启蒙运动。

3所示。专家基于机器学习和人工智能的数据处理系统

为了描述信息的模糊性,language-intuitive模糊集,反映人们的偏好的不确定性,提出了。

定义1。我们设置 作为一个非空的宇宙和定义一个直觉模糊集在任何元素在以下形式:

定义2。我们称之为 的犹豫程度x元素一个代表的不确定性程度是否x属于一组一个与否。很明显,有 。
由于决策环境的复杂性和不确定性,很难专家表示的值和精确实数的实际得分,但它是更适合以区间数的形式来表达它们。出于这个原因,直觉模糊集的隶属度和nonmembership程度可以提高区间数,所以它成为了区间直觉模糊集。
作为一个信息表达,模糊数可以反映决策信息的模糊性。与之前的直觉模糊集相比,区间直觉模糊集的隶属度nonmembership程度与区间值直觉模糊集,以便更好地显示决策者的心理犹豫状态。Atanassovl等人提出延长了直觉模糊集和区间直觉模糊集的定义。

定义3。x是一个非空的集合,区间直觉模糊集一个表示如下: 其中,有 ,和条件 是满意的。u(x)的隶属函数一个,的nonmembership功能吗一个。的上下界u_一个(x)表示u_t(x),p(x),分别为和的上下界被表示为 ,分别。公式(2)也可以表示如下: 然后,犹豫的程度一个表示如下: 为方便描述,表示为区间直觉模糊数 ,和犹豫的程度α表示为 。其中,有 。

定义4。我们设置一组区间直觉模糊数。IIFWA是一个区间直觉模糊加权算子,计算公式如下: 两者之间的欧几里得距离可以用来表示两个区间直觉模糊数之间的区别,这是类似于计算两个直觉模糊数之间的距离。 对于任意两个实数米,n[0,1],爱因斯坦产品代表T(米,n),爱因斯坦为代表年代(米,n)。爱因斯坦的算法如下: 我们设定的区间直觉模糊集的总和 和 。基于爱因斯坦算法给出的公式(7),王等人提出以下区间直觉模糊集的算法如下: 其中,一个^C代表的补充一个。
对于任何 和 ,映射如下:(1) , ;(2)E(一个)= 1当且仅当 ;(3)E(一个)=E(一个^C),有 ;(4)如果有 ,当有 ,还有 和 或者当有 ,还有 和 ,然后是E(一个)≤E(B)。然后,E(一个)是区间直觉模糊熵。区间直觉模糊熵E(一个)可以定义如下: 从公式可以看出(9),隶属度的熵公式不仅包括间隔和区间nonmembership学位,但也包括间隔犹豫程度,使得区间直觉模糊熵更完整的信息。因此,公式(9)完全包含区间直觉模糊集的熵信息。
一个典型的多属性决策方法是简单线性加权法。当使用SWA的方法,重要的是要记住,决策者必须标准化决策矩阵,这样所有的迹象都是积极的。由于其简单的决策过程,SWA的方法通常是用于处理多属性决策的情况。该方法的基本步骤包括以下几点:(一)首先,确定备选方案的属性权重,权重向量的几个属性设置如下: (b)标准的矩阵 获得,米替代品的数量。(c)每个选择的线性加权平均值,如以下公式所示: (d)线性加权平均计算公式(11),并选择最优方案的原则u最大化,通过下列公式所示: 常见和简单的决策方法,层次分析法被广泛研究和应用的各种学者。这种方法的特点是使用数字表示影响要素之间的联系,它是用来评估决策的可能性,计划方法,等等。这个概念是安排的事情大约检查根据他们的优点和缺点在评估并选择它们的顺序排序。然后问题是分为三层:目标层、标准层,表示层。上层因素对低级别的因素,显性效应,同时,它可以将多个研究对象分成多个因素。对于简单的系统属性,两个成对比较。比较后,获得的相关指标的重要性,以等级选择,并提供一个理论依据决策者从定性和定量的角度转换。计算序列如图1。
因为AHP决策问题分解到多级目标水平,标准水平,指数水平。因此,它的重量测定原理是模拟人脑的逻辑关系,与伟大的人类的主体性。它不能利用现有数据,无法说服人们,违背了客观科学的想法。
我们设置F:Rⁿ⟶R,有以下几点: 其中, 和F是相互关联的满足下列条件。其中,有 。
有序加权平均法是基于指标权重由决策者给出的范围和使用线性规划方法建立一个数学模型来获得一个索引的重量。与层次分析法相比,在客观科学有序加权平均法具有明显的优势。然而,其操作过程更复杂,它仍然保留了限制的简单线性加权法对复杂问题的决策。
我们假设一个决策问题米选择和n属性。其中,该计划的评估价值(TOPSIS计算如下:步骤1。决策矩阵 标准化,转换得到标准化决策矩阵: 步骤2。采用下列公式对决策矩阵 。 其中, 属性的重量吗c_j。步骤3。positive-ideal解决方案y⁺和负y计算的方案。其中,效益指数,有以下几点: 第二,成本指标,有以下几点: 步骤4。距离计划一个_我(我= 1,2,…米)positive-ideal计算解决方案和基于负解。 步骤5。方案的近似系数一个_我(我= 1,2,…米)和positive-ideal计算解决方案。 步骤6。根据亲密的价值系数T_我(我= 1,2,…米),替代从大到小排序,从而选择方案。项目越大,程序就越好。近年来,基于模糊理论的多属性决策方法在决策方法成为研究的热点。许多研究人员一直在研究和开发VIKOR多属性决策方法,广泛应用在很多领域。VIKOR TOPSIS的优势,它可以修改组的效果实用价值和个人后悔值在程序的排名。它弥补了指标值的影响解决方案排序,只检查替代品之间的距离和正-负解。步骤1。正-负解Y⁺和Y⁺计算每个方案的替代方案,这是一样的TOPSIS方法。步骤2。一组实用价值年代_我和个人后悔值R_我每个选择都是由以下公式计算: 的公式,代表的重量指标。步骤3。下面的公式用来计算之间的接近程度,每个方案和理想的解决方案,即综合评价的价值问_我。 其中,当x大于0.5,实用价值有更大影响的结果。当x小于0.5,个人后悔值有一个更大的对项目结果的影响。当x等于0.5,实用价值和个人后悔值有一个平等的对项目结果的影响。问题在现实生活中,我们通常设置x= 0.5,实现更合理的目的。步骤4。根据三个评估值计算年代_t,R,问的多属性序列进行选择。同时,选择最妥协解决方案按照下列两个条件。当两个条件同时满足,妥协的解决方案,需要安排的价值问是最好的解决方案。越小问,更好的解决方案20.]。条件1。可接受的优点是 。条件2。接受稳定的决策过程如下:当排序显示年代和R,满足稳定要求一个仍然是排名第一。

3.1。综合模糊决策矩阵计算

我们设置 k专家,专家权重 通过主观权重方法满足 。属性评估值是一个区间直觉模糊数。我们设置一个= {一个_我,一个₂、…一个_米方案集和}C= {C,c、…C}属性设置。 (k代表k决策者或k时间段)代表一组群体决策矩阵。然后,D_x(k^th决策矩阵的群决策矩阵)是关于解集的决策矩阵一个在c属性设置如下:

其中, 属性的区间直觉模糊表示吗C的k^th决策者对方案一个。

专家权重作为权重因子;公式(22)是用于收集每个属性的评估值矩阵每个决策专家的方案;和获得的合成模糊决策矩阵如下:

积极的和负方案一个⁺和一个⁻可以直接从全面获得模糊决策矩阵。

熵权法客观、科学、准确。此外,它不需要决策者提供主观评价信息的权重,可以直接使用收集到的数据来获得更客观属性权重。基于区间直觉模糊理论的分析,本研究选择客观性强的熵权法来确定属性权重。它可以消除主观性对权重的影响在某种程度上,并使分析过程客观和公正。重量o每个属性都可以获得如下:

3.2。接近和满意度计算

为了避免当替代品之间的距离和积极的,基于负方案用于确定方案的利弊,几个备选方案和positive-ideal方案相同的距离值,使它不可能的情况下,几个备选方案和positive-ideal方案具有相同的距离值。这里,下面介绍了亲密和满意度的定义根据VIKOR法、相关概念和公式的距离公式(6)用来解决以下:

通常情况下,T_我是在0和1之间。亲密的决策专家的评估价值的计划和理想点组评估扩展到一群亲密矩阵如下:

根据决策满意度函数,设置阈值来衡量满意度的决定对亲密关系的转换矩阵。决定满意度函数定义如下:

根据公式(28),该集团亲密关系矩阵T转化为一个0 - 1矩阵,和该组织的满意度矩阵p得到如下:

根据集团满意度矩阵运算,1的元素数量的比率在计算矩阵的矩阵元素,也就是说,该集团的满意度。

GSI指标如下:

当决策组满意度指数GSI满足集团满足阈值集GSIO (GSI≥GSIO),该集团进行决策活动。

3.3。组实用价值年代和个人后悔值R_t计算

区间直觉模糊集的定义4结合公式(6),它可以转化为以下:

3.4。综合评价的价值问_我计算

在哪里x是一种折衷系数,反映了决策者的主观偏好。当有x> 0.5,这意味着决策者制定策略根据多数人的观点,也就是说,在集团利益最大化。当有x< 0.5,这意味着它制定一个策略基于反对,也就是说,在某种程度上减少了个人的遗憾。当有x= 0.5,这意味着这两个团体利益和个人后悔被认为,根据平衡情况和策略制定。通常情况下,x= 0.5。

4所示。中国国际教育专家系统基于人工智能和机器学习算法

整个系统架构图如图2。

子系统划分的基础上,进一步分解为相应的子系统功能模块明确意义和单一的函数,从而得到系统的功能模块分解图,如图3。

采用数据流分析法获得业务流程和业务和数据连接的描述,分析结果是由一个数据流图(数据流图,目前企业),如图4。

中国国际教育专家系统的结构包括一个知识库,推理引擎,一个全面的数据库,一个人机接口,一个翻译,和一个知识获取程序,如图5。

核心模型的基础上,系统的设计,系统的整体模型设计需要完成。除了知识库和推理机的设计,主要模块包括数据处理系统中,知识获取、综合数据库管理和报告进出口。图6是整个系统的模型图。

MongoDB已经广泛地解决结构设计作为大数据处理的核心数据管理工具以确保数据可用性和一致性,并行数据处理的效率和可伸缩性的巨大的数据存储。分片集群设计下列MongoDB 3.0如图7。MongoDB集群创建副本集和分片功能来解决大数据量的问题,高扩展、高性能、高可用性和灵活的数据模型。副本集选择主服务器使用欺负的方法,确保集群的高可用性。主服务器存储的元数据信息,应用程序层与主服务器获得的部分服务器的存储地址数据实际上存在,然后与切片存储层访问数据。为了确保高性能大型并发下,副本的主要和次要的节点组采用读写分离策略。片存储是将水平和扩大集合,并执行分布式存储根据数据复制策略。此外,MongoDB支持大数据基本如HDFS和S3存储平台。

上述研究的基础上,国际汉语教育的影响专家系统基于人工智能和机器学习算法的验证;中国计算教学效果;结果见表1和图8得到了。

从以上研究可以看出,国际中国教育专家系统基于人工智能和机器学习算法在这项研究中有很好的效果。

5。结论

也有一些缺点在网络汉语学习空间,对影响独立的影响汉语学习和中国的学习经验。在线汉语学习空间资源有很大的能力和各种形式。因为中国学生必须探索、评估和比较许多材料,他们设定更高的标准,中国的学习能力和媒介素养。同时,缺乏连接和情感体验的过程中自主网络汉语学习很容易感到孤独和寂寞。网上中国学生必须组织自己的汉语学习方法。在中国学习,缺乏教师的监控和方向会很快导致懈怠和低效率。本研究构建一个国际汉语教育专家系统基于人工智能和机器学习算法为了提高国际汉语教学和学习的有效性。研究结果表明,中国国际教育专家系统基于人工智能和机器学习算法在这项研究中有很好的效果。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。