论文关键词：贝叶斯网络　自适应超媒体　用户模型

　　论文摘要：本文通过分析超媒体系统中的不确定性因素，引A．T贝叶斯网络方法。在介绍贝叶斯网络概念的基础上，分析了贝叶斯网络的优化方案，讨论了自适应超媒体系统中贝叶斯网络构造过程。

　　在自适应超媒体系统中，其关键技术之一就是用户建模，可以说，用户模型既是自适应超媒体系统的特点，也是难点。用户建模技术将需要处理众多的不确定因素，例如，如何准确评估用户的知识程度、如何准确预测用户的学习目标、如何选取合适的学习计划等都是一个值得深入研究的问题。

　　这些问题都涉及到用户模型的两个功能：评估和预测。而自适应超媒体系统能否准确生成合适的自适应内容和自适应导航，对用户的不确定信息的准确评估是关键因素。而贝叶斯网络最大的优点就是处理不确定信息，因此本文将主要探讨贝叶斯网络技术在自适应超媒体系统中的应用。

　　1超媒体系统中的不确定性

　　在自适应超媒体系统中，用户建模过程中存在的不确定性因素最多，用户模型就是在众多的不确定因素的基础上做出对用户的评估和预测。用户模型需要处理的不确定因素主要有如下几类。

　　(1)关于用户领域知识的初始掌握程度的不确定性。用户对领域内的知识掌握程度一般是无法确切衡量的。例如在教育超媒体系统中，学生的知识水平就存在很大的不确定性，这种不确定性在实际的课堂教学中也无法完全排除。一个超媒体系统在初始化阶段，分析用户在使用这样的系统之前的掌握程度，一般是通过一组或几组问题进行测试。如果测试的问题过多，用户对于系统的兴趣就会受到影响，因此大部分的系统在初始化测试时，所采用的问题一般非常有限，这样对于用户领域知识的初始化程度就无法很准确的评估。

　　(2)用户的浏览动作与知识掌握程度之间关系的不确定性。虽然系统能够精确记录下用户与超媒体系统交互的动作的时间，但是，对每一个用户而言，完成阅读每一个信息节点的“合适”的时间是无法确切衡量的。一种方法是通过其他途径获得每一个用户的阅读速度，但这不是所有系统能够获取的信息。

　　(3)用户的浏览动作和目标的联系的不确定性。认知心理学的研究成果表明，这种不确定尤其表现在用户初期使用系统的时候，出于好奇心理，尝试浏览可能和他本身不感兴趣的内容。而这些动作有可能对系统在预测用户的浏览目标时带来不利的影响。