网络通信的概念大全11篇
时间：2023-08-08 16:51:52
网络通信的概念篇（1）
中图分类号：TP18 文献标志码：A
Personalized intelligent agent search engine
oriented to network education
WU Lihua1, 2
, LUO Yunfeng1, FENG Jianping2
(1. Institute of System Eng., Huazhong Univ. of Sci. &Tech., Wuhan 430074, China；
2. Dept. of Computer Sci. & Edu. Tech., Hainan Normal Univ., Haikou 571158, China）
Abstract： To study the intelligentization of search tools for network education resources and provide personalized information service of intelligent agent system for students, the design and implementation of a personalized intelligent agent search engine is proposed based on the concept network and intelligent search agent technology under the background of current network education resource environment. Compared with the traditional search engine, the engine implements key word searching in concept and has better search precision and efficiency.
Key words： network education; intelligent search agent; personalization; concept network; intelligent interesting agent
0 引 言
随着Internet信息资源以指数递增，现有的搜索引擎已越来越难以满足人们高质量地获取网络信息的需求，特别是网络教育环境下的用户，其学习行为及兴趣基本上在本学科领域之内，常用的传统搜索引擎不能更准确、及时、权威地检索出他们所需求的信息.现有搜索引擎的局限性表现在：(1) 基于简单的关键词或查询条件匹配，往往输出大量的文档，而真正与用户信息需求相关的文本却很少；(2) 对查询结果的排序算法主要依据关键词的词频、位置、邻近度以及更新日期等指标，这种基于关键词的需求模型不能全面反映用户的兴趣趋向.
［1］面向网络教育信息资源环境下的用户，提出构建个性化智能搜索引擎的一些新观点和新方法，如学科领域语义网络、兴趣过滤模板和个性化智能兴趣等.设计个性化智能搜索引擎，屏蔽与用户需求不相关的信息，并帮助用户根据个人兴趣类型和学科专业信息需求，自动在Internet上查找所需的信息，提供真正意义上“所得即所需”的个性化网络信息服务.
1 智能搜索
近年来，出现许多满足用户个性化信息需求的技术，如垂直搜索引擎、主题网站、数据推送技术、过程跟踪技术、智能搜索和协同过滤等.其中，智能搜索技术［2］克服传统搜索引擎的缺陷，通过网络信息挖掘技术提取用户的兴趣，然后根据用户的兴趣过滤搜索引擎所返回的结果，使得搜索结果可以极大地满足用户的个性化需求.目前它已经成为Web网络信息检索的核心技术.与传统的搜索引擎相比，其特色主要表现在：（1） 信息收集和处理智能化.采取有效搜索策略，按一定语法规则智能地、有选择地自动收集网络信息，运用推理机制和学习机制，对收集来的网络信息智能处理和理解.（2） 信息检索智能化.采用自然语言检索入口，允许用户自由表达查询请求.（3） 信息检索个性化［3］.利用数据挖掘技术对用户访问的历史信息进行兴趣规则抽取，以此预测用户将来的行为，并根据用户的评价和反馈调整自己的行为.
2 个性化智能搜索引擎设计
2.1 设计思想
系统主要从“信息检索模块”和“个性化智能兴趣”这两个方面进行智能化研究.主要设计思想为:在全文检索的基础上，运用“概念语义网”构建“学科领域语义网络”，实现概念的扩展检索，以提高系统的查全率；再通过“网页过滤器”和“个性化智能兴趣”，建构学生的个人兴趣模型，过滤出学生所需要的信息资源，以提高系统的查准率.
2.2 系统结构系统主要分为5个组成部分(见图1)：信息检索模块，搜索Robot，网页过滤器，兴趣索引数据库和个性化智能兴趣.
（1） 信息检索模块 进行查询子句的分词处理后提取关键词，采用“概念树”结构，实现关键词在概念方面的检索，将目前基于“词”的检索提高到“概念”层次；
（2） 搜索Robot 按照一定的策略在Internet网络教育资源中抓取网页，并将网页交给网页过滤器；
（3） 网页过滤器 根据用户提交的“领域词”（兴趣主题关键词）建立网页过滤模板template，每日多次调用Robot获取过滤信息源进行过滤，找出用户感兴趣的网页，并将网页交给兴趣索引数据库进行存储；
（4） 兴趣索引数据库 采用全文检索技术，对搜索来的网页内容进行基于“词”的索引，再对应概念语义网中所出现的“领域词”，用“词频法”计算领域词在网页中出现的频率，以表示该领域词与网页的相关度，最后按照词频大小进行排序，并形成倒排文档，存储在兴趣索引数据库中；
（5） 个性化智能兴趣 通过对学生检索结果的个性化信息提取，建构学生的个性化兴趣模型，并对模型进行维护和更新，实现为学生提供个性化服务的目标.
3 模块设计及实现
3.1 信息检索模块
信息检索模块基于概念语义网络实现.“语义网络”是知识的一种图解表示，“概念语义网络”由节点（概念）和弧线或链线（节点之间的关系）组成.其中，概念（Concept）通过字、词和词组等描述元素表达.概念语义网络［4］的构建需要具有一定规模的知识作为基础，而且知识表达要准确、清晰，整体结构层次要完整并具有较高的稳定性，在较长时间内不能发生变化.在网络教育环境中，用户学科领域知识的分类相对稳定且准确，使用领域知识表示用户的某种学习兴趣偏好完全可行，见图2.
这里，系统通过构建“学科领域语义网络”提取用户兴趣特征，然后建立用户的兴趣模板template过滤网页信息，完成对用户学习兴趣的定制.为了能尽快接近用户的实际兴趣，在系统注册时也可以通过分类列表让用户自愿选择感兴趣的学科领域或研究方向，记录在用户Profile文件中.
3.1.1 学科领域语义网络的构建
构建“学科领域语义网络”的具体方法如下：
（1） 用“概念树”的方法建立概念之间的上下层关系.上层概念是其所有下层概念共同属性的归类，下层概念则是从不同角度对其上层概念的细化.最上层Ω是虚拟层，使整个概念树形成一个整体.用户对概念节点的访问频率体现出用户对该概念内容的兴趣.
这里，每个概念节点都可以按学科分类代码(1992年国家颁布的《中华人民共和国学科分类与代码国家标准》)为基础进行概念编码标志，并且每个概念都带有一个集合，由该概念的同义但不同描述元素组成，比如：Φ(计算机软件)={软件，程序，software}.集合可以根据同义词词典或实际需要进行添加、删除、修改等操作，这样处理还可以忽略概念的语种差异，对文档中存在的中英文互用进行识别，将这些信息存入概念库（Concept Base）中.概念标志可表示如下:
Code［Concept］ {Discriptor1,Discriptor2，…，Discriptorn}
（2） 每个概念可与其他概念建立相应的关系.该关系不同于分类中上下层关系的横向关系，可采用不同的弧线来表达概念之间的不同关系.3.1.2 概念扩展检索
在系统“分词词典”中提供一个主词典、同义词词典及蕴涵词词典.学生输入查询请求后，由“分词词典”进行分词后提取领域词，并根据概念语义网赋以相应的概念编码标注，检索模块对概念进行扩展.具体而言，它实现概念层次上的同义扩展检索、概念拓展检索和相关联想功能.
3.2 网页过滤器
网页过滤器是整个系统的重要组成部分.针对某一网页具体过滤过程如下：根据用户学科领域语义网络中的“领域词”建立网页过滤模板（用户兴趣模板），过滤模板template向量表示为
添加到兴趣索引数据库中.这里，过滤阈值θ的确定十分困难，理论上尚没有很好的解决方法.阈值设定过高或过低，都会影响系统查全率或检准率；而用户的兴趣不同，过滤阈值也会有所不同.这里阈值的设定可以参照相应的用户兴趣示例网页集确定.［5］
3.3 个性化智能兴趣
由于系统面向的是网络教育环境中的学生，而这些学生的学习行为基本上在本学科之内，其兴趣范围较Internet上的普通用户要稳定，因此可以在语义网络上形象地构建学生个人兴趣网络.在概念语义网络的基础上，系统通过学生对检索结果的反馈信息，逐渐建立起各概念节点的横向联系，采用对学生的学科子树上的各节点及节点之间的关系进行等级计算，得到学生兴趣点的概念和关联等级排序.即系统不仅可以得到学生感兴趣的关键词，还能得到学生所感兴趣的一组相互有关联的兴趣词，以此确定学生的兴趣趋向.智能兴趣运行在系统的查询接口模块中，学生提出查询请求后，信息检索模块通过检索对概念进行扩展，然后智能兴趣再根据学生的个人兴趣模型提取学生感兴趣的信息，并将检索结果呈现给学生.
4 系统特点
本系统的主要特点如下：（1） 自动过滤用户不相关文档，以提高检索精度和效率；（2） 将目前基于词的检索提高到概念层次，实现关键词在概念方面的检索；（3） 在全文检索的基础上，运用概念语义网络实现概念层次上的同义扩展检索、概念拓展检索和相关联想，提高系统的查全率；（4） 通过个性化智能兴趣建立学生的个人兴趣模型，过滤出学生所需信息资源，提高系统的查准率，并能快速自适应用户兴趣的变化和环境的变化.5
结束语
将智能搜索技术应用于网络教育信息检索的个性化服务，是一个极具挑战性的研究方向，其研究内容属于目前智能信息检索领域的重要课题，具有很强的理论意义和现实意义.但由于认知领域的复杂性和个体学习的差异性，学习过程中有很多因素影响个性化网络教育信息检索的实现，系统中还面临着许多有待今后研究解决的问题.如过滤阈值θ的合理确定、过滤的速度和精度等.虽然该智能搜索引擎能通过概念网对查询领域词进行概念扩展，但也只是在查询语句分词、提取领域词的基础上进行扩展，始终不能完全理解学生的查询请求，尤其不能理解学生查询语句的语法结构，应该在句法的理解上进行进一步的研究.
［6，7］
参考文献：
［1］ 饶增阳. 网络环境下的个性化信息服务［J］. 情报探索, 2004(3): 3-4.
［2］ 李伟超, 牛改芳. 智能技术分析及应用［J］. 情报杂志, 2003(6): 29-33.
［3］ 汪晓岩, 胡庆生, 李斌, 等. 面向Internet的个性化智能信息检索［J］. 计算机研究与发展, 1999(9): 1 040-1 046.
［4］ 黄曾阳. HNC(概念层次网络)理论［M］ 北京: 清华大学出版社, 1998.
［5］ 张春元, 康耀红, 王曙光, 等. 中文搜索引擎的缺陷与改进［J］. 海南大学学报, 2004, 22(1): 42-46.
网络通信的概念篇（2）
【中图分类号】G420 【文献标识码】B 【论文编号】1009―8097（2009）01―0099―03
一 简介
学习者的学习风格一般用来描述学习者在进行信息加工 的（包括接受、存储、转化和提取）过程中所习惯采用的不 同方式。试验表明，学习者的学习风格对学习者的学业成就 会产生明显的影响 （Kim & Michael, 1995） [1]。因此，采用 与学习者学习风格相匹配的教学策略和教学方法，能够让学 习者对信息保持的时间更长而且更容易提取与迁移；另外， 同那些与采用的教学策略和教学方法相抵触的学生相比，这 些学生能以更加积极的态度面对课程的教学目标（Riding & Grimly, 1999） [2]。
学习者的个性差异给网络课程的教学设计者带来了一个极大的挑战，即如何在网络课程教学设计过程中创建一个并 不带有明显的对某种特定学习风格倾向的网络课程或学习资源。
AHT（Adaptive Hypermedia Technology），即适应性超媒 体技术被认为是解决许多包含在超媒体学习环境中学习问题（如认知负担和学习者迷航）的最有效的策略。适应性超媒 体技术的核心理念是按照学习者的个性特征设计与开发教学 内容和教学资源。然而，目前对大多数教育超媒体系统的研 究主要集中在学习资源和学习环境的构建上，很少关注学习 者的个性差异。一个基于 Web 的教学系统必须包含关于学习 者学习风格的信息以为学习者提供最优化的教学资源 （Carver，Howard & Lane，1999）[3]。 在传统的面授教学条件下，学习资源以印刷材料为主，而在当今的网络学习环境中，学习资源都是以超媒体方式呈 现的。由于传统教材同超媒体教材在教学内容安排上的逻辑 结构不同，因此利用传统学习风格测量方法得出的数据来开 发基于 Web 的学习资源显然是不适合的。即便是目前已有的 某些在线学习者学习风格测量方式，仍然还是通过要求学习 者完成在线调查问卷来收集学习者的学习风格信息。本研究 应用神经网络方法，对在线学习者在使用超媒体课件进行学 习的过程中所体现出的浏览行为确定学习者的学习风格，而不需要学习者完成测量量表。
二 从学习者的浏览行为到概念图的映射
1概念图简介
概念图（Concept Map）最早是由是诺瓦克（J.D.Novak） 博士于1971年在康乃尔大学研究儿童科学概念改变的过程时 所提出的。概念图是根据奥苏贝尔（David P. Ausube）的有意 义学习理论以及建构主义学习理论构建起来的一种帮助学习 者构建合理的、结构化知识的教学工具。奥苏贝尔认为：知 识是按层次结构组织起来的，知识之间是有联系的。概念具 有不同的深度，非常笼统的概念包含着不太笼统的概念，而 不太笼统的概念中又包含非常具体的概念。因此，Novak和 Gowin指出，概念图应该是具有层次结构的，人们可以用适当 的关联词来说明不同层次概念之间的纵向关系，并确定不同 分支之间的横向联系。这正是认知结构的渐进分化和融会贯 通特征的体现[4]。
概念图（Concept Map）理论是一种关于信息的组织、表达 和分析的技术。借助它可以将一组彼此关联但又各具复杂含义 的信息转化成易于理解、条理化的结构，以便进一步分析[5]。 直观地说，概念图就是一组网络图，图中的每个节点表示某个 命题或知识领域内的概念，各节点之间的连线表示节点之间的 相互联系。概念图理论致力于以下几个方面的研究[6]：
（1） 如何选择、划分和表示信息节点；
（2） 信息状态如何有效的分类和描述；
（3） 如何构建、表述和结构化存储概念图；
（4） 对于概念图采用不同数学方法进行有针对性的分析。 在学习某一命题中的新概念过程中，通过使用概念图， 让新概念所表达的信息总是不断地与学习者头脑中原有概念 发生相互作用，并整合到学习者已有的概念结构中去，并且 按照“渐进分化”的原则，形成一个更为紧凑的认知结构图 式，其结果便是学习者所构建的认知结构图示逐步向这一领域内的专家所构建出的认知结构图式相靠近[7]。
2学习者的浏览行为
本研究与传统的学习风格测量方法的不同之处在于，该方法是通过观察在线学习者的网络浏览行为（Web Browsing Behavior，WBB）来确定学习者的学习风格的。学习者是在 浏览网络课程的过程中完成课程学习的，由于学习者个体间 内部信息加工方式的差异，相应地就会表现出行为模式的差 异，这些浏览行为也就会内隐地包含可能代表学习者特殊喜 好或兴趣的信息，将这些信息与目前已有的学习风格类型相 对比就有可能确定学习者的学习风格。
在基于 Web 的远程教学系统中，学习者通过超媒体课件 进行学习。这类学习课件的知识点拓扑结构大多是树状结构， 学习者在树型目录的引导下进行课程的学习。从某种意义上 来讲，目录树决定了整个课程内容中知识点的分布结构状况。 使用树状结构的优点是：知识点的表示方式比较直观，设计 导航的时候比较容易操作。但由此也带来一些缺点，一般而 言，树状结构的教学内容通常是按照章、节顺序建立的, 所 包含的信息量太少，这样的组织形态实际上对于提供学习障 碍诊断并以此作为分析诊断的依据并无太大的帮助。大量的 实践也表明,知识点之间的复杂联系并不是仅仅通过树状结 构图就能清楚地表达出来的。从建构主义学习观的角度来讲， 学习者的学习过程也是其自身构建知识的过程，其结果就是 学习者按照自己的学习风格在头脑中构建出一幅符合自身信 息加工特点的知识表征图，即概念图。
3从学习者的浏览行为到概念图的映射
通过以上分析，可以将网页以及它们之间的链接看作是概念之间的结构关系，将网页间的知识点映射为概念图。通过网 页之间的结构方式与学习者的行为相结合，Liu 和 Lin（1999） 提出了一个基于网页的概念图课件结构。每个网页被定义为一 个概念的节点[8]。在基于 Web 的超媒体学习资源中有四种类型 的节点链接：C、E、X 和 J 型。C 型链接被定义为学习路径的 主要流程，它被用来描述期望的学习路径，按照课程的设计者 在不同的教学目标中被定义；它可以用来表示同一概念图的停 留点以及下一个概念图的导入，C 型链接如图 1 所示。
与 C 型链接不同，E 型链接（Explanatory-type link）是一 种解释性的链接，它将学习路径指向概念节点的子层来补充 说明带有 C 型链接的主要流中的概念节点，即它将导入“解 释型”的概念，可以理解为当前概念的下层概念。 X（eXtension-typle link）型链接是一种可扩展的链接，用来支 持带有 C 型链接的概念知识的扩展，可以理解为与当前概念 所处于同一层次的概念，如图 2 所示。J 型链接可以将当前链
接导向任意的概念图，所谓任意表示可以选择任何的节点进入；而所谓任何一个节点则表示可以是整个基于 Web 的课程 中任何一个概念图上的某一节点。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文
三 应用神经网络确定在线学习者的学习风格
1神经网络简介
神经网络被用于模拟人脑神经元的活动过程，其中包括对信息的加工、处理、存贮和搜索等过程，它具有如下基本特点：
（1） 能够充分逼近任意复杂的非线性关系，从而形成 非线性动态系统，以表示某种被控对象的数学模型；
（2） 能够学习和适应不确定性系统的动态特性；
（3） 所有定量或定性的信息都分布储存于网络内的各 个神经元中,从而具有很强的容错性和鲁棒性；
（4） 采用信息的分布式式并行处理，可以进行快速大 量的运算[9]。
对学习者学习风格的识别可以被理解为是对学习者个性 特征的识别问题，这一问题同模式识别的问题是类似的，它 们之所以类似，是因为它们都是根据某些特征对一个无穷的 输入进行分类（Castellano，Fanelli & Roselli，2001）[10]。应 用神经网络对学习者学习风格进行分类的优势如下：
（1） 模糊识别能力和对数据的充分理解能力；
（2） 归类能力和从特定样本中的学习能力；
（3） 具有额外参数的升级能力；
（4） 执行速度使它们成为理想的实时应用；
2应用 Hopfield 神经网络测量在线学习者的学习风格
1982 年 J．Hopfield 提出了可用于联想存储器的互连网络， 这个网络被称为 Hopfield网络模型，也称 Hopfield模型。 Hopfield 神经网络模型是一种反馈神经网络，从输出端到输入 端有反馈连接，其网络模型结构如图 3 所示。Hopfield 网络可 用于联想记忆，如果把稳定状态视为一个记忆样本，那么从 初状态向稳定状态收敛的过程就是寻找记忆样本的过程。初 态可认为是给定样本的部分信息，收敛过程可认为是从部分 信息找到全部信息，这样就实现了联想记忆。具体地讲，就 是合理选择权系数，使得网络的稳态恰好为联想存储的一组 稳态 M。如果网络的初态在 M 中，则网络的状态不变；如果 不在 M 中，希望网络所达到的稳定状态应该为 M 中与初值在 Hamming 距离意义最近的状态。
图 4 和图 5 分别是领域内专家所构建出概念图和学生在 学习过程中所构建的概念图。由此，我们可以将图 4 和图 5 的概念图转化为 M 和 S，分别作为 Hopfield 网络的稳定状态 和输入样本，这样就可以对学习者在学习过程中所带有的学 习风格进行测量。
四 结论
文章提出一种新的测量在线学习者学习风格的途径，采用 结构比较简单的 Hopfield 网络进行学习风格的识别是可行的。
参考文献
[1] Kim. J & Michael, W. B. (1995). The relationship of creativity measures to school achievement and preferred learning and thinking style in a sample of Korean high school students [J]. Educational and Psychological Measurement, 1995, 55:60-71.
[2] Riding, R., & Grimly, M. (1999). Cognitive style and learning frommultimediamaterialsin11-yearchildren[J].British Journal of Educational Technology, 1999,30:43-59.
[3]Carver,C.A.,Howard,R.A.&Lane,W.D.(1999).Enhancing student learning through hypermedia courseware and incorporation of student learning styles [J]. IEEE
Transactions on Education, 1999, 42:3338.
[4]张倩苇.概念图及其在教学中的应用[J].教育导刊.2002,11:25.
[5] Oughton JM, Reed W M. The influence of learner differences on the const ruction of hypermedia concepts a case study [J].Computers in Human Behavior, 1999,15:11-50.
[6] Herl H E, O’Neil H F, Chung W K, et al. Reliability and validity of a computer2based know ledge mapping system to measurecontentunderstanding[J].ComputersinHuman
Behavior, 1999.15:315-333.
[7] 徐洪林,康长运等.概念图的研究及其进展[J].学科教 育,2003, 3:39-40.
[8] Liu, M. C. & Lin, H. L. (1999). A concept map based web page structure analysis and design for adaptive learning[A]. Proceedings of 1999 Taiwan Area Network Conference (TANET’99)
[C].Taiwan: National Sun Yat-sen University Press, 1999:28-32.
网络通信的概念篇（3）
中图分类号：G424 文献标识码：A
Concept Map Technology in Netwrok Learning Environment
WANG Lijun
(College of Teacher Education, Zhejiang Normal University, Jinhua, Zhejiang 321004)
Abstract This article describes the application of the concept map network learning environment. Concept map showing the retrieval process and results; concept map to guide students to network inquiry learning; site implicit in the concept map to guide students to explore the learning process; concept map for the network of cooperation based on inquiry learning.
Key words concept map; learning environment based on network; inquiry learning; cooperation learning
Lee (2004)①讨论了网络搜索引擎和网络浏览器作为学习环境的缺点，探索了利用概念图和数据开采技术相结合来克服网络学习的缺点。Lee认为利用概念图技术可以减少认知负荷。这篇文章介绍了利用概念图呈现网络检索的结果，可以与别人分享，可以作为自己以后检索的参照，可以作为学生探究学习中教师制作的先行组织者，给学生提供有价值的网站。用于探究学习，学生利用教师的概念图作为先行组织者初步学习，然后通过概念图中导引的网站进一步学习，补充建构自己的概念图，同伴之间可以相互对比各自建构的概念图。利用Inspiration 软件建构概念图导引网站具有两个功能：对网络搜索的记录、对应用网络进行探究学习的导引；利用概念图作为网络搜索的导引。
1 利用概念图呈现检索的过程和结果
概念图能够显示检索路径和检索结果，概念图中的文字可以超级链接到网站和课件资源。概念图还能够显示每次检索所想到的思路，可以利用概念图记下来，作为以后继续做的提示。利用概念图作为指引网络探究和记录网络搜索的工具。在个人计算机中制作的呈现搜索结果的概念图，可以通过网络链接被发送到遥远的服务器上，与全世界的人分享网络搜索的结果。如图1所示，图1是利用inspiration软件制作的概念图，显示了检索路径和检索结果；如果图1放在inspiration软件中，文字下面有下划线的，还能够超级链接到相应的网址；图1还显示了这次检索所想到的思路，可以利用概念图记下来，作为以后继续做的提示。
MacGregor & Lou (2004-2005)②研究美国五年级学生基于网络的探究学习，两个班级，每个班级26人，探索提供学生概念图模板对学生自由回忆信息和学生多媒体幻灯片产品的影响。实验前测成绩显示没有显著性差异。实验班级学生被引导利用概念图支架组织他们通过网络探究获得的知识，而没有要求控制组学生利用概念图支架。研究是否提供概念图支架对学生学习的影响。成绩包括对信息的自由回忆、学生幻灯片产品的创造性、内容和组织。
2 利用概念图引导学生进行网络探究学习
Carnot等(1999)③利用概念图引导学生进行网络探究学习。在因特网上找到有用信息可能是一个使人畏缩的任务，如果给学习者提供一个概念图作为搜索的指引，则网络探究学习会变得容易。在Carnot等的研究中，图2是教师提供给学生作为网络搜索指引的发展心理学概念图。
图2的含义是：（1）发展能够依据时间段进行解释，发展能够解释能力改变，发展研究使用纵向研究设计、横断设计、系列研究设计；（2）时间段包括胎儿期、幼年期与儿童期、青春期、成人期；（3）胎儿期包括身体发展；幼年期与儿童期、青春期、成人期包括身体发展、认知发展、社会/情感发展、道德发展；（4）能力改变包括身体发展、认知发展、社会/情感发展、道德发展。
研究结果表明：与没有提供概念图作为搜索支架的学生相比，利用概念图组织信息引导学生网络搜索，学生能够获得更为准确的内容。
Su & Klein (2006)④将概念图应用于大学生自主学习的导航工具，教师提前制作好要求学生学习的网页，提供了概念图作为导航工具；李新成（1999）⑤在网络条件下引导学生利用概念图导航进行学习，利用概念图形式组织知识导航。
3 把网站隐含在概念图中能够导引学生探究学习过程
在一个探究学习活动中，概念图环境能作为知识建构的一种工具。探究学习，作为实现建构主义学习理论的一种学习方式，在学习中贯穿学生自己的探索过程，强调学生的主动作用。从前的研究已经表明探究学习有许多好处。概念图环境能使学生把丰富的网络资源更容易地整合进探究学习活动中。对于一个学生将要学习的主题，应用概念图环境作为网络探究学习的基础，教师可以呈现一个部分建构的概念图作为高级组织者（Ausubel 1960）。依靠阅读教师加到概念节点上的注释，学生能够学习基本的概念和它们相互之间的关系。另外，依靠访问教师连接到概念节点上的各种网站，学生能够更好地理解基本的概念。对于要学习的概念，这些相关联的网站提供了多种表述。例如，在科学课堂上，当学生学习内容‘全球变暖和臭氧的作用’时，依靠阅读一个描述什么是臭氧损耗的网页，观看一个描述臭氧是怎样形成、又是怎样被破坏的网页动画，学生对于[化]臭氧损耗概念能有一个更清晰的理解。在掌握了最初概念图中提供的基本概念以后，学生们就开始依靠他们自己扩充概念图了。依靠提供有效利用网络信息的方式，概念图环境隐含的网络搜索能力将会促进学生的知识建构过程。学生利用他们在网络上发现的信息独立地扩充了概念图，这样学生就能够学习新的知识。而且，学生能够比较他们的概念图与同学的概念图，讨论存在的差异。在探究学习过程中，学生在概念图中表征增长的知识，促进了学生间的相互合作（Lee ,2004）。⑥Novak(2002)⑦应用概念图主页和相应的超级连接概念图引导学生学习关于“2000年的火星”内容，研究表明：概念图能够帮助学生进行概念和新知识的重建，促进有意义学习，促进知识结构的改进。
4 概念图用于网络基础的合作探究学习
Chang等（2003）⑧将概念图用于网络基础的合作探究，网络基础的合作探究分为四个阶段：
计划阶段：第一阶段的目的是使学习者熟悉材料、形成假设。开始时，系统提供给学习者阅读的材料，让学习者熟悉材料识别问题的阶段被认为是锚定阶段。在锚定阶段后学生提出了初步的假设、回答阅读材料提出的探究问题。这一阶段最后的学习活动是为了使学习者呈现他们对阅读材料的理解、呈现他们形成假设的证据，因此他们绘制了概念图。这一阶段的成果是呈现个体制作的概念图。
个体探究阶段：在第一阶段后，学习者已经对探究的问题有了某种程度的理解，已经形成了假设。在第二阶段，学习者在网络上搜索资源，寻求证据支持他们的假设。另外，学习者被要求使用系统的笔记本功能来编辑他们发现的相关信息。学习者编辑的笔记是这个阶段的一个成果。最后学习者根据网上看到的信息修改自己的概念图。
合作探究阶段：合作学习强调学习者间的互动过程，强调分享资料、分享产品、分享观点。这一阶段强（下转第15页）（上接第13页）调分享彼此的笔记本、个体制作的概念图、同伴间的相互讨论。分享笔记本是分享资料，分享概念图是分享产品，互相讨论是分享观点。通过修正观点，讨论、质疑、辩论和解释使组成员达成一致。
总结组成果。除了个体的产品，合作学习的一个目标是产生组的合作成果，一些研究者假设在合作学习中努力产生组成果是一种催化剂，有效促进组成员间的讨论和相互帮助。因此产生组产品是合作学习过程的一个重要部分。这个研究断言小组制作的概念图可以作为小组成果。AIKEN认为为了产生合作产品，投票是一个值得使用的策略。按照这个观点，系统拥有了每个小组的核心概念图。为了最后成为小组概念图，随后获胜概念图的拥有者负责修改概念图。小组的其他成员可以通过网上看到概念图的改变，能够通过聊天室给出个人的意见。通过讨论、交流和校正，小组概念图被生成了。第四阶段的目的是为了使学习者从事知识的交流、商议和巩固。
这个研究应用概念图作为一种工具来锚定阅读材料中的概念、计划和假设。在网络探究之后，学生合并新发现的证据进入到原始的概念图中。概念图可以呈现学习者从网络探究中学习到的新知识，从概念图的改变中呈现出来。
将概念图技术与网络的整合，有着深远的发展前景，是一个值得努力开发的课题，概念图技术与网络的多维度整合，必将成为课程开发的一条新途径。概念图与计算机、信息检索、人工智能和网络、校园网络技术等结合具有丰富的研究前景。
注释
① Lee Y J. Concept mapping your Web searches: a design rationale and Web-enabled application. Journal of Computer Assisted Learning, 2004.
② MacGregor S K, & Lou Y , Web-Based Learning: How Task Scaffolding and Web Site Design Support Knowledge Acquisition. International Society for Technology in Education. 2004-2005.
③ Carnot, M.J., Dunn, B., Ca?as, A.J., Baker, G. and Bense, J. The Effectiveness of Computer Interfaces in Information Search. Paper presented at the Southeastern Psychological Association, Savannah, GA. 1999.
④ Su Y，Klein J D. Effects of Navigation Tools and Computer Confidence on Performance and Attitudes in a Hypermedia Learning Environment. Journal of Educational Multimedia and Hypermedia.2006.
⑤ 李新成.多媒体条件下的概念图导航及其对学习者学习的影响.教育心理学博士论文.北京:北京师范大学,1999.
网络通信的概念篇（4）
一、隐喻性计算机词语产生的理论基础
认知语言学认为，隐喻不仅是语言修辞手段，而且是一种思维方式。当人们要认识和描写以前的事物，而原有的语言符号不能表达新概念时，人们往往依赖已知的概念及表达方式以加深对不熟悉事物的认识和了解，通过想象和联想，看到概念之间的联系，从而从一个易于理解的源域（source domain）概念映射到一个较难理解的目标域（target domain）概念。本文正是以此为理论基础对本论题进行考察。
辩证唯物主义认识论认为，语言是联系思维和外部世界的现实中介，“主体的认识成果和意识内容只有借助于语言才能获得持久的存在形式”，①人们认识的成果必须以语言的形式展现出来。语言中，词汇对社会生活的变化最为敏感，概念的形成依靠语言中的词，因而人们的认知成果更多地通过词汇表现出来。
当代西方人本哲学家认为，人类最初的思维方式是神话思维、隐喻思维等非逻辑思维。对于这种非逻辑的东西，人们常常运用隐喻化语言来体现。在当代科学认识活动中，主体实际上必须应用一种形式化的演绎方法，用不反映事物终极事实的隐喻性词语对认识客体的本来状态进行假设，创造性地提出语言模型，采取新的认识方法来把握客体。这种思维方式就表现为科学语言的隐喻特征。与其它认知科学一样，科学家们在探索计算机领域时，用已知的概念来认知未知的概念，以具体喻抽象，以通俗喻科学，创造出了大量的隐喻性计算机词语，这是隐喻所具有的认知功能的充分体现。
根据上述理论，我们把通过隐喻方式创造出来的计算机及网络词语称为隐喻性计算机词语。通过研究这些词语，我们发现，隐喻不仅在计算机领域普遍存在，而且体现了我们对计算机的认识。
二、计算机隐喻性词语分析
1.计算机是人
认知语言学认为“人们习惯从自身的角度出发，从行为动机、情感特征，以及行为方式来理解和认识人体以外的东西”。②为了生动形象地描述一个物体或抽象概念，人们会把无生命的东西看成是有生命的。这种拟人化的过程也是一种隐喻，称为本体隐喻（ontological metaphor）。通过人们在谈论计算机时常有的如下表达方式，我们可以得出“计算机是人”这一隐喻概念。
（1）我们知道HTPC的关闭模式是将电脑由运行转为睡眠模式（即进入待机模式）。（《微型计算机》，2006年第2期）
（2）难道电脑中毒了？（《微型计算机》，2006年第9期）
（3）病毒和木马经常利用操作系统漏洞直接导致电脑死机。（《微型计算机》，2006年第9期）
在以上的这些例子中，计算机被赋予了人的特性。一方面，计算机是一个系统，由不同的部件构成，每一部件都有自己的作用，缺一不可。另一方面，健康的身体取决于人体各器官的相互协调，缺一不可。因而，我们把计算机当成人一样来理解，计算机可以“睡眠”，能因感染“病毒”而发出“死”的行为。
类似拟人化的计算机隐喻词语还有“传染、入侵、记忆、对话框、程序语言、发送、读取、破解、主板（motherboard）、子板（daughterboard）、子窗口（childwindow）”等。每一个这样的隐喻都是由人类自身的特征这一源域到计算机这一目标域的投射。
2.计算机是容器
本体隐喻中最典型、具有代表性的是容器隐喻（container metaphor）。这种隐喻的物质基础是：人在自然界中占有一定的空间和位置，是独立于周围世界以外的实体，以皮肤作为界面，有体内和体外之分，因此每个人本身就是一个容器。人们将这种概念投射到人体以外的其他物体上，甚至将一些抽象、无形的事件、活动也看作一个容器。当人们把这种概念投射到计算机这一具体事物上，那么计算机也被当成了容器。如：
（1）“勇气”号的病因是电脑存储器中的数据堆积过多，耗尽了存储器的存储空间。（《京华时报》，2004）
（2）如果对方没有处理供热投诉，热线信息将长时间保存在电脑中，相关部门将根据信息及时进行追踪处理。（《新京报》，2006）
（3）面对这一“流氓”行径，小孙无可奈何，只得请人清空计算机，重装系统。（《湖南日报》，2006）
从上面的例子中可以看到：人们将“人本身就是容器”的概念映射到计算机上，计算机被概念化为容器。在映射过程中，属于某一领域的相关概念转移到另一领域，而这一映射过程的基础是两个领域存在某些方面的相似性，这种相似性不完全是因为客观事物本身具有相似的特征，也因认知主体在不同概念之间辨认或创造的共享特征和联系。隐喻思维方式使人们看到了计算机和容器概念之间的联系，参照容器经验域来理解计算机，对容器中的物质人们可以发出存放、清除、查找的行为，同样人们也可以对计算机中的信息资料进行存储、清空、寻找。
三、网络领域中隐喻性词语分析
计算机网络是基于计算机技术而建立起来的，因此网络中的隐喻语言现象也是计算机用语隐喻所包含的内容之一。文中提到的网络隐喻专指已经渗透到人们生活各个领域，并为人们所关注的互联网中存在的隐喻现象。
1.互联网是生物系统
传统上，我们把互联网视为一种交流的媒介，现在我们把互联网当成一个与生物体系非常相似的信息环境。以这个新的角度看待互联网，我们发现在这个虚拟的生物系统中，有许多生物不断地生长、消亡。计算机有不同的“种群”：大型计算机、小型计算机、个人计算机、掌上电脑，等等，所有这些计算机都要遭遇“病毒”（病毒程序）的“入侵”。为了避免“感染”病毒，计算机被注射疫苗――安装防御病毒程序，这些程序能够“查杀”病毒。此外，在互联网中还有其他生物存在，如“蠕虫”（可自我复制的互联网病毒），它们在互联网这个信息平台上不断地自我繁殖，从一个生命机体（计算机设备）传播到另一个。如果“蠕虫”太多，将会阻碍互联网上信息的传播。在互联网这个生物系统中，还存在着许多的“臭虫（bugs）”（系统、设备或程序中的一种错误或故障），电脑黑客开发这些“臭虫”去攻击互联网中的电脑设备。“蜘蛛”（一种网站搜索程序）是这个信息交流平台的另一个重要的生命机体，它不断地在互联网上“爬行”，搜索信息。在“蜘蛛”这一种搜索程序的帮助下，我们能够使用百度、Google等搜索引擎查询我们需要的信息。
除了以上我们提到的“病毒”“入侵”“蠕虫”“臭虫”“蜘蛛”等词语外，还有一些隐喻性的网络词语能够反映出“计算机是生物系统”这一隐喻概念，如“地鼠”（一种互联网搜索引擎）、“千年虫”、“网络蚂蚁”（下载软件）、“网络蚊子”（下载软件），等等。这些熟悉的词语使我们能够更好地理解与互联网相关的许多抽象概念。
2.互联网是社会
在互联网这一虚拟的环境中，存在着几乎与我们现实社会相对应的每一个事物。互联网上有“网上超市”“网络商场”“网络银行”，人们可以“网络购物”从事“电子商务”；有“电子图书”“电子期刊”，人们可以就读“网络大学”；还有“网恋”“网络爱情”“网络中介”“网络警察”，等等。我们几乎可以把存在于现实社会中的任何事物概念，甚至包括现实社会所遵行的行为准则、道德规范等抽象概念都投射到互联网中。近年来“信息高速公路”成为使用频率极高的词语。以下是从报刊中摘取的有关互联网报道的新闻内容：
（1）如今，数字地球已成为发达国家为抢占科技、经济制高点的一个与信息高速公路相提并论的战略。（《人民日报》，2006）
（2）而建在清华的中国教育和科研网络中心，更是为之提供了四通八达、连接全国和世界的信息高速公路。（《中国教育报》，2006）
从上面的例子可以看出，“信息高速公路”成为计算机网络隐喻中的一个中心概念，它是组织人们有关信息服务的概念系统中的一个重要的核心概念。下面是源域高速公路和目标域互联网的对应情况：
从上面的对应情况中，我们可以看到目标域的概念和源域概念有着本体对应效果，这种形象对应是通过隐喻来实现的。
我们不仅将网络视为高速公路，还认为网络是社区。社区隐喻概念强调的是在网络虚拟空间人们之间的交流。人们可以通过“电子邮件”“论坛”“电子公告板”“聊天室”等这些方式进行交流，这些交流方式摆脱了空间距离的限制，可以使身处世界各地的人们通过互联网进行实时的交流。这样方便快捷的交流拉近了世界各地的人们之间的距离，仿佛世界各地的人们在一个共同的社区里互相交流。
互联网还是一本书。我们从书的特征来看，每一本书都有封面，标显出书的内容。每一个网站也有封面，我们称其为“主页”。主页中包含着与主页相关的信息，每一条信息又可以看作是一个书页，我们称其为“网页”。从“浏览、浏览器、个人书签、网页搜索、标记、网页图片、网络版权、远程目录、阅读器软件”等词语中我们能够发现，“书”这一认知域的许多元素能够被投射到目标域互联网中，互联网被隐喻成由“网页”构成的书。
上面讨论的互联网中的隐喻词语不是任意制造出来的，它们扎根于与我们不断相互作用的自然和文化环境中。
3.其他隐喻
“冲浪”是我们经常提到的词语，当我们说“在网上冲浪”时，在人们的思维中互联网被隐喻化为海洋。“冲浪”一词所激活的场景是：人们遨游在广阔的信息海洋，为了防止迷失，我们用“导航”系统获取所需信息。
此外，还有很多词语能够反映出“网络是交易场所”这一隐喻概念，如网络营销、网上采购、网上拍卖、网上消费、网上银行、网上赚钱、虚拟市场，等等。
结语
从认知角度，通过对与计算机及网络相关的词语的考察，我们发现，首先隐喻的言语现象在计算机领域普遍存在，并体现了我们对计算机的认识。其次，隐喻不仅能够在人类对计算机科学的认知、理解和推理中起着重要的作用，而且会反过来激发、促进隐喻性计算机词语的生成，极大地丰富汉语的词汇系统。
注释：
①王晓升.中国人民大学博士文库：语言与认识［D］.北京：中国人民大学出版社，1994：184.
②Lakeoff，Johnson.Metaphor We Live By［M］.Chicago：University of Press，1980：33.
参考文献：
专著：
［1］冯晓虎.隐喻――思维的基础篇章的结构［M］.北京：对外经济贸易大学出版社，2004.
［2］束定芳.隐喻学研究［M］.上海：上海外语教育出版社，2000.
［3］束定芳.语言的认知研究――认知语言学论文集［C］.上海：上海外语教育出版，2004.
［4］蓝纯.认知语言学与隐喻研究［M］.北京：外语教学与研究出版，2005.
［5］赵艳芳.认知语言学概论［M］.上海：上海外语教育出版社，2000.
论文：
［1］赵艳芳.语言的隐喻认知结构――我们赖以生存的隐喻评价［J］.外语教学与研究，1995，（3）.
［2］刘宁生译.我们所依存的隐喻［J］.修辞学习，1992，（6）.
［3］范立云.计算机英语隐喻的认知价值［J］.四川大学学报（哲学社会科学版），2004，（1）.
［4］林丽芳.论计算机英语的隐喻性［J］.厦门大学学报（哲学社会科学版），2001.
网络通信的概念篇（5）
中图分类号：TP271文献标识码：A文章编号：1009-3044(2012)20-4808-03
Grid Rresource Discovery Based on Ontology-driven Simulation Experiment
ZENG Xiang-hong
( China Computer Correspondence College, Hefei 230041,China)
Abstract: At present, with the development of computer technology and the popularity of Internet technology, large-scale resource shar? ing has become the inevitable choice of all walks of life. Grid resources, as an important kind of resource sharing system, provide a new way for resource sharing and information exchange through dynamic resource exchange. At the same time, the ontology is applied to re? source matching, which collects effective information at maximum degree to provide the needed customers in order to meet their needs. This paper demonstrates the specific operant behavior of computer resources system during analog network communication, and analyzes system numerical changes when the number of the concepts changes.
Key words: ontology driven; grid; resource discovery; query; simulation experiment
该文采用了P2P网络查找网格资源，P2P是一种新的资源共享方式，并且处于信息交流中的每个个体都是对等的，既可以作为信息接收者，也可以作为信息者。这种网络在处理客户的信息、资源需求时，具有分散化、易扩展、耐攻击及保密性的优点外，还充分利用人工智能技术，使得搁置各种信息之间可以互相辨别和理解，从而自动的为用户提供高效的信息服务。而这一功能主要是因为该网络在传输信息时引进了本体的概念，从而能够根据用户需求聚合信息资源，满足用户的实际需要。
192.168.0.45节点ID8是这些概念的一个事例。也就是说假设需要节点一来检索所需信息需要32位的处理器，由于节点一事先不知道自己的处理器正好满足条件，所以并不会自动的去查找信息，而是主动地向网络中发出信息申请，在使用虚拟类DAG后发现可以处理此申请的节点为IP地址为192.168.0.45中的资源8，也就是它自身能满足需要。
1.3消息传播
消息传播主要是在节点之间进行的，在网络中，节点之间通过相互交流资源，运用DHT算法，实现概念的传播。在传播概念时，每一个计算机节点都会自动的存储T-Box（子概念目录)和A-Box (事例列表）。子概念目录在网络中传播就会形成虚拟的DAG，检索信息是与被检索的概念相关的子概念信息就会自动显示出来；而A-Box则是对网络中每个节点所包含的信息和数据资源列表，显示的是与被检索概念相关的事例。
1.4概念查询
利用网格资源进行概念查询时，一般网格资源系统会自动的将请求划分为简单和复杂概念两种。简单概念的检索流程为：首先，由接收申请的计算机节点判断这一概念的主要特点和包含的基本信息，如果明显的属于直接信息，不需要经过复杂的信息和数据处理技术，接下来直接利用基本函数功能进行信息检索就能获得所需信息。复杂概念查询的流程为：首先对申请的要求进行判断，看是否可以直接检索。若是申请的概念包含多项子项，并且可以分解为若干子概念，就可以定义为复杂概念的查询。查询时在网格中对复杂概念所包含的所有信息进行分别查询，并且将这些单个概念的信息进行整合处理，得出有聚合信息效果的综合结果。这里要注意对复杂概念的逻辑非处理方式，并且要注意非操作无效，这样就可以得到对复杂概念的信息检索和资源获取了。
在查找资源时，我们经常会面临着下面的两个问题：
我需要的信息资源大概多久才能得到有效的解决？
获取信息时其他网络成员是不是也可以加以利用？
笔者自然也考虑到了这些问题，并且提出了实验模拟的方式，通过模拟几种网络情况，获得了以下发现：
在实验模拟中，根据检索概念时产生的随机概念集DAG，DAG能够在网络中的各个计算机节点中传播，使每一立的计算机都拥有DAG子图和相关的一些事例。实验时主要通过控制这些节点的个数、DAG大小和事例的个数，实时观察网络中资源的传播情况，并且计算出不同大小的DAG中消息的迭代次数和传送量（得出的结果如图7所示）。图7迭代次数
由图7可得，在信息检索时，如果保证计算机节点相关概念所涉及的事例个数不变（如图7和8所示）。X轴表示节点的个数，它由相应事例的个数决定，Y轴分别表示的是迭代次数和消息传送量，需要注意的是节点个数不是线性变化的。每种情况运行10次，为了避免随机产生DAG所带来的特殊影响，图中的值是10次运行的平均值，因此迭代次数和消息传送量可能不是整数。
资源发现是网格资源共享系统的主要功能之一，利用P2P网络提供的资源优势，在查询资源时可以快速准确的查找相关概念。将P2P技术引入到网格环境下的资源发现模型中，可以极大的提高获取有效信息的速度，在查询时可以最大限度的避开无关信息，实现资源请求的快速定位。同时，通过本体查询，可以实现节点之间信息传播，结合DAG图内所有节点的知识快速查找目标资源。
但该方法的使用范围还受到以下因素的限制：完备性、查找的表示、容错情况、垃圾的收集和传递的优化。因此这种资源共享系统的未来的发展将致力于解决这些问题，更好的为网络信息资源的共享服务。
网络通信的概念篇（6）
概念整合理论作为一种新兴的认知语言学理论，遵循人类认知的普遍原则，从新的角度研究意义构建的认知机制。概念整合理论的核心思想就是将概念整合看作是人类的一种基本的、普遍的认知方式，它涉及人类日常生活的各方面。
一、概念整合理论的基本原理
概念整合就是将来自不同认知域的框架结合起来的一系列认知活动。最基本的概念整合网络模式是由4个空间构成的网络：两个输入空间，一个合成空间，以及一个共有空间。两个输入空间（input mental space）的共有结构及其共有的抽象信息被投射到第三个空间即共有空间（generic space）里；而同时，在这两个输入心理空间的基础上，通过跨空间的部分映现、匹配并有选择地投射到第四个空间——合成空间（blended mental space）。合成空间从两个输入空间中提取部分结构，形成层创结构（the emergent structure）。这样，这四个空间通过投射链彼此连接起来，就构成了一个概念整合网络。
一般说来，概念整合网络共有四种类型：（1）单一框架网络。这是最简单的概念整合网络。这种网络里有两个输入空间，里面包含要整合的信息，还有一个合成空间。两个输入空间的其中之一包含了一个抽象的空的框架，而另一个输入空间里则没有框架，只有用来填充的成份。（2）框架网络。在框架网络里，概念整合就较为复杂一些。框架网络里一般都有四个心理空间：两个输入空间，一个合成空间和一个包含输入空间里共有抽象信息的共有空间。（3）单向网络。这其中有两个输入空间的组织框架，但到了合成空间里就剩下一个组织框架了。简单的隐喻复合空间都属于单向网络。（4）双向网络。在输入空间有两个不同的组织框架，到了复合空间里还是两个组织框架。输入空间有其共有特性。但在合成空间中就出现两种组织框架的重新整合。通过整合得到的概念网络并不是彼此分离互不关联的。相反，这些概念网络类型构成一个连续体。在这个连续体的一端是非常简单的网络，合成空间里的结构几乎可以完全通过输入结构的组合得到；而在另一端则可能是典型的隐喻或虚拟句（counterfactuals）等。认知运作主要在合成空间的层创结构中进行。层创结构是一个其他空间所没有的新结构，它是概念整合的核心部分，也是形成新概念的结构。合成空间中的层创结构主要进行以下三种整合运作（Fauconnier & Turner，1998）：
（一）组合（composition）是三个过程中最简单的。它将两个或两个以上的输入空间投射组合起来并在输入空间之间形成以前不存在的新关系。
（二）完善（completion）或称为模式完善（pattern completion），它借助背景图式知识、认知和文化模式，在合成空间中使被激活的模式（pattern）不断完善。也就是说，当部分表征投射到合成空间时，可能会激活附加的概念结构图式；或者当合成空间中的结构与人的长期记忆中的信息相匹配时，一些隐性信息就会自动地被激活。
（三）扩展（elaboration）是指合成空间中的结构可以扩展，即所谓的“对合成空间进行运演”（running the blend）：根据它自身的层创逻辑在合成空间中进行认知运作，运用人的想象力可以根据层创结构对细节进行无限的扩展。
二、概念整合理论的优化原则
Fauconnier and Tumer（1998）提出五条概念合成约束的最优化原则，在这些原则下，合成才能最有效地运行。这五条优化原则为：
（一）整合原则：合成空间的内容可以作为一个整体单元来运作；
（二）构造原则：输入空间的成分与他们投入到合成空间的成分有匹配关系；
（三）网络原则：将合成空间作为一个单位来运行必须维持合成空间与输入空间之间适当的网络关系，也就是保持合成空间与输入空间之间的紧密联系；
（四）解包原则：合成空间的理解者必须能够对复合空间进行解包处理，重构输入空间，跨空间映射，类属空间以及所有这些空间之间的连接网络；
（五）理据原则：一个成分出现在复合空间里，它必须有出现的充分理由。这五条优化原则是自然语言中建立概念结构的有力机制，对所有概念映射问题都非常有用。Fauconnier & Turner的优化原则是可选择的，满足一个条件往往不能满足其他条件。
三、结语
概念整合理论对意义构建过程中的认知机制进行了详尽细致的分析及解释，并从篇章在线的角度分析意义构建，填补了隐喻认知机制中的不足。它的创建对认知语言学和语义学的发展都有重要意义。
【参考文献】
[1]Fauconnier.G.Mappings in Thought and Language[M].Cambridge University Press，1997.
[2]Fauconnier，G and Turner，M.Conceptual Integration Network[J].Cognitive Science，1998（2）.
网络通信的概念篇（7）
《投资者报》数据研究部对交易所异动信息进行统计的结果显示，1月4日~18日，游资和机构买卖三网概念股的资金达48亿元。
不过，概念就如同一阵旋风，来得快去得也快。在机构和游资携手“狂欢”之后，三网融合概念股近期纷纷转入调整走势，尤其1月20日大盘暴跌2.93%，相关概念板块跌幅深重。多家券商认为，后期根据受益程度的不同，三网融合概念股的走势也将出现分化。
浪潮信息涨幅居首
1月8日起，网络及传媒板块个股集体飙升，让投资者有些摸不着头脑，直到1月13日晚间一则消息的公布，原因才真相大白。
1月13日，国务院总理主持召开国务院常务会议，明确提出加快推进电信网、广播电视网和互联网的三网融合。会议关键内容包括：一，允许广电系统企业开展增值服务、语音服务、互联网业务，允许电信企业从事广电的节目制作和传输；二，加快网络建设；三，加快新业务发展，如广播电视、手机电视、数字电视宽带上网等业务。
多家券商分析认为，这一政策将影响传媒、电信及信息技术等相关产业的未来格局。
事实上，在这一消息公布之前，以浪潮信息、广电网络、三安光电等为代表的三网融合概念股就已经受到了资金的热炒。
近期，《投资者报》数据研究部按证监会行业分类，找到了与三网融合相关的3大主要行业，即电子、传播与文化产业和信息技术产业。通过统计这三大行业内210只个股的近期涨幅，《投资者报》数据研究部发现，今年1月以来，在210只相关个股中，有186只股票上涨，其中36只股票涨幅超过20%，相比而言，同期沪指却下跌了1.22%。
其中，涨幅居于第一位的是科技股浪潮信息，今年1月以来的涨幅高达47%。紧随其后的是广电网络和三安光电，这两只股票的涨幅也均超过35%。
资料显示，涨幅第一的浪潮信息是国产服务器市场龙头企业，公司多年保持国产市场销量和销售额第一位。此外，该公司还被市场风传兼具10送10概念。尽管公司已经于1月12日表示尚无10送10计划，但市场对其炒作热情依然不减。
除上述3只个股外，今年1月以来，包括士兰微、长江通信、鹏博士、华东电脑和水晶光电等在内的6只三网融合概念股涨幅也均超过30%。
机构提前布局15只个股
是谁在幕后点燃了三网融合概念股这朵美丽的“烟花”？
为一探究竟，《投资者报》数据研究部汇总了1月以来两市异动股的数据，结果显示，与以前游资营业部主导概念股炒作不同的是，此次机构成为炒作三网融合概念股的主角。
数据显示，今年1月以来，在三网融合概念股异动信息中，机构专用席位频繁出现，共参与了15只个股，出现次数达54次之多，合计买入金额多达6.91亿元。
具体来说，机构专用席位主要买入的股票有超声电子、华微电子、启明信息和士兰微，买入金额均在8000万元以上。此外，在近期多次涨停的广电网络上，机构也投入了5000多万元。
其中，机构专用席位买入超声电子的金额最多，达到1.05亿元。由于受到大批机构资金推动，1月以来超声电子股价上涨了16.42%。
资料显示，超声电子以印制线路板、液晶显示器、超声电子仪器的研制生产和销售为主营业务。公司未来将受益于3G用户数量的增长。
除上述5只股票外，机构还参与了新海宜、中创信测、光迅科技、东华软件等三网融合概念股的炒作。
事实上，早在去年12月，机构就已经开始大幅调仓到三网融合概念股中。
指南针全赢数据显示，在58个指南针行业中，主力资金（包括机构和私募，下同）在去年12月仅增持了一个行业，就是通信及服务。在这一行业中，主力增仓金额最多的两只股票是中国联通和中兴通讯，对中国联通的增持金额达到15亿元。此外，在所有概念板块中，去年12月主力资金净买入金额最多的两大行业为3G概念和网络概念。
“宁波敢死队”投入亿元
有概念股炒作的地方，就有游资如影随行，但在不同概念股的炒作中，每次参与拉抬的主力游资也不尽相同。
在三网融合概念股的炒作中，“宁波敢死队”成员之一――中国银河证券宁波大庆南路一马当先，成为最活跃的游资营业部。
《投资者报》数据研究部统计结果显示，今年1月以来，该营业部在三网融合概念股中投入了1.42亿元。其参与买入的股票包括东方通信、广电网络和永鼎股份。重点买入的股票是近期上涨迅猛的广电网络，买入金额达到1.04亿元。
1月8日至12日，广电网络因连续三个交易日涨幅超过20%而登上交易所异动榜。异动数据显示，在广电网络大涨逾20%的三天中，银河证券宁波大庆南路成为最激进的买入者，净买入共计1.04亿元，该营业部也成为同期买入广电网络最多的席位。
与该营业部一起炒作广电网络的还有国泰君安成都北一环路、光大证券宁波解放南路、证券上海辉河路等营业部。
值得一提的是，在这些营业部买入的同时，有三家机构专用席位在卖出，合计卖出金额接近1亿元。如此大的卖出量，这些机构专用席位可能是广电网络前十大流通股东中的基金和保险。广电网络2009年三季报显示，公司的前十大流通股东中包括长城安心回报、华夏大盘精选、华夏红利混合、鹏华价值等基金，以及中国人寿保险公司旗下产品。
不过，在机构专用席位大幅卖出情况下，广电网络上涨的脚步并没有被遏制住。1月14日，广电网络再度涨停，此后三个交易日，该股也维持了上涨态势。
相对于“宁波敢死队”的激进而言，此前在异动股上一直活跃的“国信帮”则表现得异常谨慎。“国信帮”老大国信证券深圳泰然九路对三网概念股仅买入2000多万元，另两名成员国信证券上海北京东路和广州东风中路买入金额则不足千万。
主力资金开始撤退
在利好消息兑现后，资金往往会开始撤离相关概念股，三网融合概念也不例外。
国务院利好消息公布后不久，机构及游资对于三网融合概念股的炒作热情有所降温。大部分三网融合概念股出现回调，不复之前的凌厉涨势。1月20日，大盘暴跌2.93%，相关概念板块跌幅深重。
指南针全赢数据显示，1月15日~20日，在与三网融合相关的3G概念板块中，主力资金净卖出19.55亿元。重点抛售的股票包括中国联通、高鸿股份、超声电子等，抛售金额均超过1亿元。同时，该板块的换手率也达到18.43%，远高于期间多数板块的换手率。此外，与三网融合相关的另一板块――网络概念，也有8.84亿元资金净卖出，此前一路上涨的海虹控股、方正科技等均有超过1亿元资金的净流出。
对于三网融合概念股的后期走势，多家券商认为根据其受益程度不同会出现分化。
1月14日中金公司报告认为，三网融合加快推进政策的出台，将利好有线运营商。
网络通信的概念篇（8）
课程代码：
0302040508
课程名称：物联网信息安全
学
分：
4
总
学
时：
64
讲课学时：
64
实验学时：
上机学时：
适用对象：物联网工程专业
先修课程：《物联网工程概论》、《通信原
理》、《计算机网络技术》
一、课程的性质与任务
1.
课程性质：
本课程是物联网工程专业一门重要的专业课。
课程内容包括物联网安全特
征、物联网安全体系、物联网数据安全、物联网隐私安全、物联网接入安全、物联网系统安
全和物联网无线网络安全等内容。
2.
课程任务：
通过对本课程的学习，
使学生能够对物联网信息安全的内涵、
知识领域和
知识单元进行了科学合理的安排，
目标是提升对物联网信息安全的
“认知”
和“实践”
能力。
二、课程教学的基本要求
1.
知识目标
学习扎实物联网工程基础知识与理论。
2.
技能目标
掌握一定的计算机网络技术应用能力。
3.
能力目标
学会自主学习、独立思考、解决问题、创新实践的能力，为后续专业课程的学习培养兴
趣和奠定坚实的基础。
三、课程教学内容
1.
物联网与信息安全
（
1）教学内容：物联网的概念与特征；物联网的起源与发展；物联网的体系结构；物联网安全问题分析；物联网的安全特征；物联网的安全需求；物联网信息安全。
（
2）教学要求：了解物联网的概念与特征，了解物联网的体系结构，了解物联网的安全特征，了解物联网的安全威胁，熟悉保障物联网安全的主要手段。
（
3）重点与难点：物联网的体系结构，物联网的安全特征；物联网的体系结构，物联网的安全特征；物联网安全的主要手段。
2.
物联网的安全体系
（
1）教学内容：物联网的安全体系结构；物联网感知层安全；物联网网络层安全；物联网应用层安全。
（
2）教学要求：
了解物联网的层次结构及各层安全问题，
掌握物联网的安全体系结构，掌握物联网的感知层安全技术，
了解物联网的网络层安全技术，
了解物联网的应用层安全技术，了解位置服务安全与隐私技术，
了解云安全与隐私保护技术，
了解信息隐藏和版权保护
1
欢。迎下载
精品文档
技术，实践物联网信息安全案例。。
（
3）重点与难点：信息隐藏和版权保护技术，物联网的感知层安全技术，物联网的网络层安全技术，物联网的应用层安全技术。
3.
数据安全
（
1）教学内容：密码学的基本概念，密码模型，经典密码体制，现代密码学。
（
2）教学要求：掌握数据安全的基本概念，了解密码学的发展历史，掌握基于变换或
置换的加密方法，
掌握流密码与分组密码的概念，
掌握
DES算法和
RSA算法，
了解散列函数
与消息摘要原理，
掌握数字签名技术，
掌握文本水印和图像水印的基本概念，
实践
MD5算法
案例，实践数字签名案例。
（
3）重点与难点：数据安全的基本概念，密码学的发展历史；基于变换或置换的加密
方法，流密码与分组密码的概念，
DES算法和
RSA算法；数字签名技术，文本水印和图像水印的基本概念。
4.
隐私安全
（
1）教学内容：隐私定义；隐私度量；隐私威胁；数据库隐私；位置隐私；外包数据
隐私。
（
2）教学要求：掌握隐私安全的概念，了解隐私安全与信息安全的联系与区别，掌握
隐私度量方法，
掌握数据库隐私保护技术，
掌握位置隐私保护技术，
掌握数据共享隐私保护方法，实践外包数据加密计算案例。
（
3）重点与难点：隐私安全的概念，隐私安全与信息安全的联系与区别；隐私度量方法，数据库隐私保护技术，位置隐私保护技术；数据共享隐私保护方法。
5.
系统安全
（
1）教学内容：系统安全的概念；恶意攻击；入侵检测；攻击防护；网络安全通信协
议。
（
2）教学要求：掌握网络与系统安全的概念，了解恶意攻击的概念、原理和方法，掌握入侵检测的概念、原理和方法，掌握攻击防护技术的概念与原理，掌握防火墙原理，掌握病毒查杀原理，了解网络安全通信协议。
（
3）重点与难点：双音多频信号的概念以及双音多频编译码器工作原理；信号编解码器芯片引脚组成与工作原理，信号编解码器芯片的典型应用电路图及软件编程。
6.
无线网络安全
（
1）教学内容：无线网络概述；
无线网络安全威胁；
WiFi
安全技术；
3G安全技术；
ZigBee
安全技术；蓝牙安全技术。
（
2）教学要求：掌握无线网络概念、分类，理解无线网络安全威胁，掌握
WiFi
安全技
术，掌握
3G安全技术，掌握
ZigBee
安全技术，掌握蓝牙安全技术，实践
WiFi
安全配置案
例。
（
3）重点与难点：
无线网络概念、
分类，理解无线网络安全威胁；
WiFi
安全技术，
WiFi
安全配置案例；
3G安全技术，
ZigBee
安全技术，蓝牙安全技术。
2
欢。迎下载
精品文档
四、课程教学时数分配
学时分配
序号
教学内容
学时
讲课
实验
其他
1
物联网与信息安全
8
8
2
物联网的安全体系
12
12
3
数据安全
12
12
4
隐私安全
8
8
5
系统安全
10
10
6
无线网络安全
10
10
7
复
习
4
4
小
计
64
64
五、教学组织与方法
1.
课程具体实施主要采用课堂理论讲授方式，以传统黑板板书的手段进行授课。
2.
在以课堂理论讲授为主的同时，
适当布置课后作业以检验和加强学生对讲授知识的理解和掌握；
适时安排分组讨论课，
鼓励学生自行查找资料设计电路，
并在课堂上发表自己的设计成果。
六、课程考核与成绩评定
1、平时考核：主要对学生的课程作业、课堂笔记、课堂表现进行综合考核。平时考核
的成绩占学期课程考核成绩的
30%。
2、期末考核：是对学生一个学期所学课程内容的综合考核，采用闭卷考试的形式，考
试内容以本学期授课内容为主。考试成绩占学期课程考核成绩的
70%。
七、推荐教材和教学参考书目与文献
推荐教材：《物联网信息安全》
，桂小林主编；机械工业出版社，
2012
年。
参考书目与文献：
《物联网导论》
，刘云浩主编；科学出版社，
2013
年。
《物联网技术与应用导论》
，
暴建民主编；
人民邮电出版社，
2013
年。
《物联网技术及应用》
，
薛燕红主编；清华大学出版社，
2012
年。
大纲制订人：
大纲审定人：
3
欢。迎下载
精品文档
欢迎您的下载，
资料仅供参考！
致力为企业和个人提供合同协议，
策划案计划书，
学习资料等等
网络通信的概念篇（9）
中图分类号:TP3文献标识码:A文章编号:1009-3044(2010)18-4892-02
8 Cases of Analogy be Used in How to Learn Computer Network Well
LIU Ren-xiong
(Information Technology Department, Jiangsu Vocational and Technical Institute of Economics and Commerce, Nanjing 211168, China)
Abstract: Listing 8 cases of analogy for how to learn computer network well.
Key words: case; analogy; computer network
掌握计算机网络基础知识是进入计算机网络殿堂的第一步,也是运用网络技术的基础。在计算机网络基础知识中,抽象难懂的概念占了较大比重。很多初学者都反映这些概念不好理解。于是,这些概念变成初学者修炼为网络达人的拦路虎。但如果能够运用好类比法,在学习网络概念时能起到事半功倍的奇效。
类比法(analogy),是根据两类事物在某些方面的相同或相似性,把一类事物的认知推移到另一类事物中去,从而进行合情推理的一种思维方法。如果甲、乙是两个在某些方面类似的事物,那么运用类比法可以:1) 从甲具有某些性质可以推出乙也具有某些性质,2) 用解决甲事物的类似方法也能解决乙事物。Andrew S Tanenbaum(美)著的《计算机网络(第三版)》是一本关于计算机网络的经典教材,在该教材中,运用类比法来解释抽象概念的例子不甚枚举。比如第6页讲述广播(broadcast)、第14页讲述网络体系结构(network architecture)、第20页讲解原语概念(primitive)……第299页讲述载荷脱落(loading shedding)时用葡萄酒策略(wine police,意指旧的比新的好)和牛奶策略(milk police,意指新的比旧的好)等等[1]。这本著作之所以能成为经典之作,书中不时闪现的类比例子起了重要作用。
另外,在计算机网络中,某些定义就是采用类比法而得到的。如流量控制方法中的滑动窗口协议(sliding window protocol)、漏桶算法(leaky bucket algorithm)、令牌(token)、网关(gateway)等定义皆是。
下面,笔者举出利用类比法掌握计算机网络概念的八个例子,起个抛砖引玉作用。
例一:服务器(Server)与服务生(server)类比
在学习服务器(Server)概念时,大多数学习者对计算机网络中的服务器没有感性认识,这时不妨将计算机网络中的Server(服务器)与餐厅中的server(服务生)做类比,列表如下,帮助大家理解。见表1。
例二:CSMA/CD介质访问控制方法与过独木桥类比
当接触到CSMA/CD(载波侦听/冲突检查)介质访问控制方法时,可以用过独木桥的例子和CSMA/CD进行类比。在独木桥上,任意时刻相对方向只允许有一个通行者(数据,data)通过,同行者要通过独木桥这一“信道(channel)”时,首先必须“侦听(Detect)”桥上有没有其它通行者,如无,则可以通过独木桥;如有,则必须等待,否则即会发生“冲突(Collision)”。如图1。
例三:单工、半双工、全双工与收音机、对讲机、手机类比
在理解通信操作模式概念时,将单工、半双工、全双工三个概念与收音机、对讲机、手机三种常见设备进行类比教学,既简明,又通俗。见表2。
例四:电路交换(Circuit Switching)与电话通话类比
正所谓“会者不难”,数据交换技术中的电路交换技术在内行人眼里,其实并不复杂,它就是建立电路、数据交换、断开电路三个阶段,但对初学者来讲,这三个阶段又太抽象。如果能把电路交换技术与电话通话过程联系起来,那么理解电路交换三个阶段就so easy了。如图2。
例五:分组交换(Packet Switching)与邮寄信件类比
分组交换技术不独占通信信道,但数据交换的实时性不强,与现实生活中的邮寄通信非常相似。邮寄通信过程:写信人(信源)先将信件(数据)装入信封(数据打包),再在信封上写上寄件人地址(源地址)和收件人地址(目的地址),投入邮筒(中转节点),经邮政系统传递,达到收件人(信宿)手中。邮寄通信可以一次性投寄多封邮件,分组交换技术可以同时进行多路通信。大家仔细想想,分组交换技术和邮寄信件过程是不是很相似呢?
例六:DHCP工作原理与慈善家行善类比
在动态主机分配协议(DHCP,Dynamic Host Configuration Protocol)中,将DHCP工作原理与慈善家行善过程进行类比,也能让DHCP工作原理这个概念变得“可爱”起来。请看两者相似之处:
1) DHCP服务器拥有多个IP地址(IP地址池),慈善家拥有较多财富;
2) DHCP客户端没有地址等待分配地址,困难个体无财富或少财富等待接助;
3) DHCP客户端向DHCP服务器申请IP地址,困难个体向慈善家请求救助;
4) DHCP客户端接受 IP 租约,困难个体接受救助(租期为固定期限或长期);
5) ……
例七:IP地址结构与中国人姓名组成类比
IP地址是计算机网络中一个非常重要的概念,运用类比法,也能将这个蕴含丰富的概念化繁为简。与IP地址较好类比一个例子是中国人的姓名。首先,我们知道,IP地址是一台主机在计算机网络中的一个身份标记,姓名也是一个自然人在一个群体中的身份标记;第二,IP地址由网络号(Net ID)和主机号(Host ID)组成,姓名也是由姓氏和名字组成;第三,再细分,在划分子网的网络中,每台主机的IP地址由“网络号(Net ID)+子网号(SubNet ID)+主机号(Host ID)”三部分组成,讲究辈分的中国人姓名也是由“姓+代表辈分的字+名”三部分组成。例如,笔者的姓名刘任熊,即代表本人为“刘”家“任”字辈名为“熊”的一个个体。
例八:计算机网络与交通网络进行类比
计算机网络世界神奇而又莫测高深,宛如一片大海,要想不在这片大海中迷失自己,需要借助参照物,笔者认为,利用类比法,将现实生活中的交通网络作为学习计算机网络的参照物,是再方便不过了。这部分内容,请读者位自己去揣摩总结。
类比法或者是一种由个别到个别的推理,或者是一类到一类的推理,而不是由个别到普遍的推理,所以,类比法的前提和结论之间的联系是或然性的,必须经过检测,如果失败则须重新寻找合适的类象。一旦类比不恰当会使人误入迷途或者导致错误的结论。
网络通信的概念篇（10）
中图分类号：G640 文献标识码：A 文章编号：1002-4107（2016）07-0053-03 我国的网络教育在促进高等教育信息化建设中发挥了重要作用。国内高校投入资金、技术和人员，从基础设施建设，到教育信息技术平台、网络教育管理信息系统建设，为师生提供课件、在线答疑、布置和提交作业等网络教育资源服务。然而，从对本科类和高职类国家精品课程的网络资源使用调查情况看，许多精品课程资源制作质量较低，使用烦琐，互动效果不佳，以致网络教育资源实际利用率较低，有的甚至处于闲置状态。
为此，借鉴语义Web理论和技术，对分布、异构的网络教育资源进行语义标注和资源本体的构建，在网络教育资源之间建立语义关联，实现资源交互和推送服务，有效解决网络教育资源瓶颈问题。
一、语义Web的内涵及特点
语义Web是对现有互联网的扩展和延伸，将网络资源以层次化结构加以定义和描述，解决分布、异构网络资源之间互操作问题。语义Web包括基础设施层、元数据层、本体层、层。基础设施层包括组成语义Web的资源的存储、访问方式和语法表达。基础设施层的Unicode使用国际通用的字符集处理网络资源的统一编码。URI（统一资源标识符）用于标识网络资源名称及其属性。元数据层提供网络资源类型、属性及其关系的规范性描述。元数据层的XML+NS（命名空间）+XML Schema以结构化语法描述网络资源数据内容和结构信息。RDF和RDF Schema提供描述网络资源及资源之间相互关系的语义模型。本体层在元数据层基础上定义网络资源概念及概念之间的逻辑关系。本体层的Ontology（本体）描述网络资源及资源之间的语义关系，在人机之间形成同一概念语义上的一致。层表达语义Web的安全和信任机制。层的Logic提供基于本体层的公理和推理规则，进行基于语义的搜索和服务。Proof为执行Logic的推理规则提供认证机制。Trust采用加密和安全机制，确保网络资源的可信任度和资源交互的安全性。
XML（可扩展标记语言）、RDF（资源描述框架）、Ontology作为资源表示方法已经被广泛应用[1]，它们定义了计算机可理解的类及属性等，并用唯一的资源标识符进行资源标注，为在更高层次进行异构系统交互、资源互联和共享、提升网络资源发现、传递质量提供了新的途径[2]。基于XML和RDF/RDF Schema，语义Web提供本体和逻辑推理规则，实现网络资源的语义标注和推理，将网络资源有效地分类、继承、协作和组织，能够实现网络资源共享和应用集成。
二、网络教育资源的语义描述
网络教育资源具有分散、松散耦合、表现形式多样、动态性强的特点。实现网络教育资源的交互和共享，必须建立网络教育资源统一标准（规范），对网络教育资源进行语义描述。目前，网络教育资源语义描述通常采用资源元数据和资源本体。
（一）元数据
元数据提供网络教育资源数据的规范化描述。元数据定义网络教育资源的所有数据元素。元素是资源的内容、格式及属性的描述符，如都柏林核心元数据集描述网络教育资源的标题、创建者、关键词等属性。
XML和RDF是网络教育资源元数据描述采用的方式[3]。可扩展标记语言XML定义网络教育资源的结构。XML支持NameSpace（命名空间），网络教育资源可以定义为特定的URI，较好地支持分布资源描述和多重语义集成。
资源描述框架RDF提供描述网络教育资源的概念和概念间关系的模型。RDF三元组（主体、属性和客体）对应于资源名称、资源属性和属性值。在RDF基础上制订的RDF Schema规范化表示资源的抽象层次和概念结构，支持构建资源本体。
（二）本体
本体是对应用领域中的共享概念模型的明确的形式化规范性说明[4]。本体通过定义共享的、通用的应用领域的概念以及概念之间的关系，描述应用领域概念的语义，为实现人和计算机之间的双向和多向交流提供通用的规范，解决可扩展标记语言XML和资源描述框架RDF对网络教育资源概念描述上产生的歧义。
本体是解决网络教育资源共享、系统互联的关键。通过本体提供语义Web标注网络教育资源的元数据，使网络教育资源表达一定的语义信息，支持搜索引擎、智能等应用程序；应用程序通过对本体的解析、本体自身的推理能力理解网络教育资源语义信息，提供基于语义信息理解的智能服务。本体描述语言OWL通过定义良好的语法和语义，支持有效推理表达能力，较好实现网络教育资源的语义表达和语义推理[5]。
三、网络教育资源的元数据标准
从20世纪90年代中期开始，国际标准化组织相继的教育资源元数据标准主要有DC（Dublin Core，都柏林核心）元数据标准、LOM（Learning Object Metadata，学习对象元数据）规范、Learning Resource Metadata（学习资源元数据）标准，为网络教育资源的交互提供了技术支持。
我国借鉴国际标准化组织的教育资源元数据标准，结合我国教育信息化发展状况，建立了教育信息化技术标准体系（CELTS）。《教育资源建设技术规范》（CELTS-41）以LOM规范为核心，定义了教育资源元数据的具体结构，包括必须数据元素（LOM核心集），通用可选数据元素，与某类资源属性相关的分类扩展数据元素[6]。对我国的网络教育资源建设、管理和应用具有重要的指导作用。
四、高校网络教育资源的组织框架
按照教育资源元数据标准，结合语义Web层次架构，通过对网络教育资源元数据进行语义描述和网络教育资源本体构建，建立网络教育资源概念与概念之间的关联关系，形成网络教育资源知识库，利用SiLRi推理引擎等工具提供的智能服务，如智能检索、分类查询、智能等，最终实现对分布、异构的网络教育资源的交互、共享和重用。基于语义Web的网络教育资源组织架构如图1所示。
（一）网络教育资源的语义标注
教育资源库中存储的网络教育资源包括课件类资源（如PPT、Flash文件）、文档类资源（如Word、Excel、PDF 文件）、媒体类资源（如图片、音频、视频文件）等。网络教育资源组织架构首先对资源进行必要的格式化预处理（关键词提取），按照《教育资源建设技术规范》（CELTS-41），将网络教育资源的标题（Title）、作者（author）、关键词（Keywords）、资源类型（Type）、资源描述（Description）、资源大小（Size）、日期（Date）等作为必须数据元素，定义网络教育资源元数据实例结构，形成资源元数据库。
其次，利用本体在网络教育资源元数据之间形成的自动映射机制，建立网络教育资源对象、属性及资源对象之间的复杂语义关联关系，构建网络教育资源知识结构的本体概念模型。通过对网络教育资源进行基于语义的抽象、描述和标注，将不同类型、领域知识的网络教育资源组织成知识网络。
最后，将经过预处理的网络教育资源获得的语义信息存入资源知识库，利用搜索引擎开展语义内容重构，形成学科领域知识网络，实现知识资源语义层面组织。
（二）网络教育资源的本体管理
网络教育资源本体管理包括网络教育资源本体的构建、一致性检验、本体解析、本体存储等。
网络教育资源库的资源进行语义标注后，自动生成相应的标注xml文档，存储在资源本体库。从资源本体库可以获取资源语义信息和概念之间的关系。经过语义标注的资源语义信息作为资源本体中各类资源的实例，这样就在资源元数据和资源本体中的实例间建立起映射关系。
对几种代表性的本体构建方法，如TOVE（Toronto Virtual Enterprise）企业建模法、骨架法（Skeletal法）、METHONTOLOGY法、KACTUS工程法、SENSUS法、IDEF-5法、知识工程法（七步法）按软件开发周期各流程进行分析比较发现，知识工程法（七步法）成熟度较高[7]。所以网络教育资源本体的构建采用知识工程法（七步法），将资源元数据和本体构建过程建立对应的映射关系[8]。
知识工程法（七步法）构建本体的步骤为：（1）以CELTS-41《教育资源建设技术规范》为网络教育资源元数据方案确定本体领域和范围；（2）考虑复用已有的资源本体库，与现有资源本体库建立映射关系；（3）从资源元数据中提取资源数据元素和分类信息，列出资源本体中的重要概念；（4）根据资源元数据的分类，定义相应的类和类的层次体系，如文本类、媒体类等；（5）定义类的属性（对象属性、数据属性和注释属性）；（6）对资源数据元素属性进行约束，如类型、值域范围等；（7）构建资源本体中类的实例和属性关系。
按照知识工程法（七步法），采用本体编辑系统Protégé4.3进行本体概念类、关系、属性和实例构建教育资源本体，使用支持本体描述语言OWL的本体编辑系统Protégé4.3集成的HermiT推理机对资源本体进行一致性检验，没有出现本体语义冲突等情况，经过推理得到资源本体概念类的实例。
本体信息通过本体解析以OWL（Web本体语言）文件存储在网络教育资源本体库，本体解析工具Jean提供了操作RDF/RDFS和OWL的API（应用程序编程接口），以及基于规则的推理引擎编程环境[9]。本体解析通过读取网络教育资源本体，使计算机理解资源本体结构，资源本体概念和概念之间的关系，以及资源本体概念的属性和属性的取值范围。
本体的存储方式有基于OWL文件的存储、基于XML数据库的存储和基于RDF数据库的存储三种。本体编辑系统Protégé4.3生成OWL文件存储本体信息，并支持RDF数据库存储。本体解析工具Jean提供数据库存储本体的接口，导入OWL本体，存储到数据库中，并通过数据库访问本体数据。
（三）网络教育资源的推送服务
网络教育资源推送服务是将存储在资源知识库中的知识及知识间的关系以语义图的方式呈现给资源使用者，包括语义分析、语义匹配、推理引擎、服务接口等模块。
资源使用者输入资源查询信息后，资源服务接口提供目录检索和智能推送两种方式。目录检索是资源使用者通过资源目录（或知识地图）的方式来获得相应的资源；智能推送是结合资源使用者使用行为日志（语义词搜索、页面浏览等），依据网络教育资源本体，使用协同过滤推荐算法[10]，为资源使用者主动推送相关网络教育资源的方式。
语义分析将资源使用者输入或从资源目录提取的关键词按照资源本体术语表进行标准化处理后，采用前驱、后继、相关、平行等方式进行语义扩展，实现知识资源的推送，提供资源使用者更丰富、高度相关的资源内容。
语义匹配采用基于本体的匹配器进行匹配操作[11]。网络教育资源本体将资源内容列表和使用需求分开描述，为资源内容列表和使用需求定义一定的匹配规则，确保匹配结果的完整和准确。资源提供者根据查询请求，将网络教育资源提交给匹配器，匹配器接收资源使用者提交的请求后，利用匹配规则识别与使用需求相符的资源描述，查找相关的资源，并进行排序，返回资源使用者。
推理引擎采用SiLRi[12]，SiLRi是基于Java语言开发的采用RDF元数据推理的轻线程推理数据库，允许在资源检索式中合并事实查询和资源本体概念，是较为理想的推理机制。
五、总结
通过引入语义Web理论和技术，依据《教育资源建设技术规范》（CELTS-41），利用元数据和本体进行网络教育资源语义标注。采用知识工程法（七步法）构建网络教育资源本体，将分布存储、松散耦合、形式多样的网络教育资源相互关联，结合资源本体解析、资源语义分析、资源语义匹配和推理，实现符合使用需求的资源推送。对于解决网络教育资源多种异构、多重语义等引发的资源匮乏和有效利用问题，具有重要的实际意义。
参考文献：
[1]Tim Finin，Anupam Joshi，Li Ding.Position paper
for the Workshop on Information Integration，
26-27 October 2006， Philadelphia PA.
[2]Gruber C T R.A translation approach to portable
ontologies，Knowledge Acquisition，1993，（2）.
[3]曹乐静.基于本体的e-Learning个性化学习和资源共
享研究[D].上海：东华大学.2005.
[4]Studer R，Benjamins V R，Fensel D.Knowledge engi-
neering，principles and methods[J].Data and
Knowledge Engineering，1998，（1-2）.
[5]甘健侯，姜跃，夏幼明.本体方法及其应用[M].北京：科
学出版社，2011：27.
[6]史元春.GB/T21365-2008，信息技术学习、教育和培训学
习对象元数据[S].北京：教育部教育信息化技术标准委
员会，2002.
[7]陆建江，张亚非，苗壮等.语义网原理与技术[M].北京：
科学出版社，2007：106-115.
[8]郭广军，王剑波，游新娥等.基于本体和语义网的网络教
育资源检索研究[J].华中师范大学学报：自然科学版，
2011，（4）.
[9]Jena-A Semantic Web Framework for Java [EB/OL].
http：///.
[10]马宏伟，张光卫，.协同过滤推荐算法综述[J].小
型微型计算机系统，2009，（7）.
[11]Tangmunarunkit H，Decker S，Kesselman C.Ontology
-based resource matching in the grid-the grid
meets the semantic web/Fensel D， Sycara K，Myl-
opoulos J.Proceedings of the second internat-
ional semantic web conference in 2003.Berlin
Springer，2003：706-721.
[12]S.Secker，D.Brickley，J.Saarela，and J.Angele，A
网络通信的概念篇（11）
关键词：本体；P2P， 本体映射；知识视图
中图分类号：TP301 文献标识码：A 文章编号：1007-9599 （2012） 19-0000-03
1 介绍
随着P2P（对等网络）技术的飞速发展，对网络节点的信息存储、传输和处理能力的要求迅速增长，对海量信息的搜索与利用成为当前P2P网络资源搜索技术的一个重要研究和应用领域。目前实用化的P2P资源搜索技术主要是基于关键字的匹配，其对资源信息的语义的揭示上有局限性。本体论[5]作为一种能够在语义和知识层次上描述资源信息系统概念模型的建模工具，自提出以来就引起国内外众多科研工作者的广泛关注。本文提出一种基于P2P网络局部本体概念聚类，构建网络全局知识视图的方法，全局知识视图为分散在网络中的节点提供了网络资源全局视图的结构化描述，为在P2P网络中进行基于局部本体的分布式资源匹配提供了有效途径。
2 相关技术
2.1 本体
本体[5] （ontology）是用于描述或表达某一领域知识的一组概念或术语，既可用于组织知识库较高层次的知识抽象，也可用来描述特定领域的知识。本体通过知识来表示元语，从而捕获某个领域的语义，使得机器能够（部分）理解该领域中概念间的关系，通过公理或规则，还可以捕获其他知识，如领域背景知识等。本文中将本体定义为 ，其中C表示概念集合；P表示属性集合；R表示关系集合；A表示公理集合。概念表示特定领域中的一组或一类实体或者事物，每个概念可以由属性分别描述其不同方面的特点；关系描述了概念与概念之间或者属性与属性之间的关系。关系主要可以分为两类：分类关系（taxonomic relationship）和关联关系（associative relationship）。分类关系表示概念与概念之间的父类，子类等上下位的层次关系；关联关系表示除了上下位层次关系以外的其它关系。属性是从不同方面，不同角度对概念的描述。公理用来表示概念或者实例的约束。
3 全局知识视图的构造
在P2P网络中，每个节点的资源由它自己的本体来描述语义，即局部本体。通过对底层局部本体的分析后建立一个共享的全局知识视图。局部本体的每一个概念和属性都将映射到全局视图对应的视图元素上。当增加新的资源时，只需要增加新的映射关系，而不需要对原有的映射和全局知识视图进行过多的更改。
全局知识视图从宏观上对P2P网络中的数据源的信息进行了统一的描述；相对于全局知识视图而言，微观上，局部本体除了定义概念、属性等基本部分之外，还可以定义局部数据源的位置，类型等信息，供下一步查询调用时使用。本文构建全局知识视图的步骤如下：
（1）分析P2P网络各局部资源本体中的概念间的相似关系；
（2）基于局部本体之间概念的相似关系生成知识视图元素；
（3）建立局部本体中概念、属性与全局知识视图元素的映射关系。
3.1 局部本体间的概念聚类
构建全局知识视图的一个重要内容是发现不同局部本体中存在的语义级的概念关联，通过语义的联系将不同本体内的概念映射到全局知识视图元素上，其中最基本的步骤是分析概念之间的相似关系，随后提取出概念间的共性的部分将其映射到全局知识视图中。假设在一个P2P网络中存在n个节点分别提供自身资源的局部本体描述： ，对应第i个局部本体的概念集 中所包含的概念数为 ，那么理想情况下，全局知识视图中对应于概念的视图元素的数量是 ；实际情况中，由于局部本体间的异构性造成具有等价或者相似的概念在全局视图中有多个知识视图与之对应，这种冗余造成知识视图的体积过于庞大，最差情况下，如果概念集中的每个概念都对应于一个全局视图元素，那么全局概念视图元素的数量将达到 ，假定相似度计算为基本运算，整个网络中本体的概念相似度计算的复杂度将达到 。因此，本文考虑将局部本体中的概念进行聚类，从而降低概念间关系分析的复杂性。
3.2 全局视图元素的构造
知识视图元素是对本体中实体的抽象，视图元素的构造过程正是对本体中实体的抽象过程，3.1节中描述的概念聚类算法是进行这一抽象过程的基础。
在本体中，概念间主要包括四类主要关系：等价关系（equivalentClass），继承关系（subClassof），关联关系（associateWith），不相交关系（disjointWith）。在构造视图时，视图元素之间的关系也应当体现概念间的这些主要关系，并且由于不相交关系的普遍性，在知识视图中不考虑元素的不相交关系，在构造视图元素之前，基于由概念聚类算法所得到的类簇，通过本体推理机（如RacerPro）和领域本体得到类簇内各概念之间的等价关系。对于相互等价的概念，在知识视图中用一个视图元素表示，因此，类簇 中的每个等价类对应于知识视图中的一个视图元素。基于此，将概念间等价关系简记作 ，概念 所属等价类记作 ，即若概念 满足 ，记作 ，对类簇 进行等价划分并且对应每个等价类创建相应的视图元素。
3.3 全局视图元素间关系构造
视图元素间的关系反映了本体中实体之间的关系，例如，概念间的等价关系使得概念由同一个视图元素表示，概念间的继承关系也应该在相应视图元素之间体现。简记概念 对应的视图元素为 ，构建全局视图元素间的关系规则如下：
（1）对于概念 ，若其满足 ，则 ，即概念 在视图中对应的视图元素相同：3.2节中，视图元素的构造已经保证了这一点，概念 若满足 ，则它们属于相同的等价类，因此可以保证 。
（2）对于概念 ，若其满足 即若概念 是概念 的子概念，则构建关系 ，其中 是对应于 的二元关系：该规则保证，若概念 是概念 的子概念，那么它们在知识视图中对应的视图元素也具有联系。
（3）对于概念 ，若它们的类层次体系中有公共的祖先概念，即若 使得 ，那么 有关联关系。
3.4 全局知识视图的维护
对于P2P节点资源的更新（包括添加，删除）如果引起了局部本体变化，全局知识视图要做相应的变化如下：
添加规则：如果被添加概念 ， 使得 ，其中 是类簇 的等价类，那么知识视图不作变化，否则新增视图元素 ，根据 与其他概念的关系，调整 在视图中的位置。
删除规则：如果对于被删除概念 ， 使得 ，其中 是类簇 的等价类，仅删除视图元素 及其联系，否则将等价类 一并删除。
4 分析及实验
4.1 概念聚类效果分析
如果直接在P2P网络局部本体的概念之间进行相似度计算，假定局部本体中概念总数是N，那么计算相似度的复杂性是 。本文采取先对概念进行聚类再进行相似度计算，假定每个类簇概念树相当，那么存在k个类簇的情况下，相似度计算的总次数是： 次，平均复杂度是： ，但是在实际情况中，局部本体中的概念所属于的领域本体数量并不多，通常只有少数几个，所以实际上并不能达到 的复杂度。但是对先对概念进行聚类可以有效的减少相似度的计算次数。
4.1.1 相似度计算次数比例随类簇数变化分析
图4.1.1中，横坐标为类簇数量 ，纵坐标为相似度计算次数比例 ，其中， 表示对概念进行聚类后所进行的相似度计算次数， 表示对概念进行聚类后所进行的相似度计算次数。假设，概念数为1000，初始类簇数量 少于20个，并且每个类簇中的概念数量服从随机分布，图5.1.1显示了随类簇数量变化，聚类前后实际计算次数的比例变化。随着类簇数量的增多，相似度计算次数有效得到减少，当 增加到一定程度之后，r减少的速度减缓。说明 增大到一定数量后继续在增大并不能有效使r减小，应当把 控制在合理范围内，在实际聚类过程中， 的大小取决于网络中的概念所涉及的领域本体数量的大小。
图4.1.1聚类后相似度计算次数比例随类簇数量变化图
4.1.2 相似度计算次数比例随类簇数量变化分析
图4.1.2中，横坐标为概念数量 ，纵坐标为相似度计算次数比例 ，其中， 表示对概念进行聚类后所进行的相似度计算次数， 表示对概念进行聚类后所进行的相似度计算次数，图线L1、L2、L3分别对应类簇数为4、8、12。途中显示，当类簇数一定时，相似度计算次数比例r随概念数量 没有明显变化，即相似度计算次数比例r与概念数量 ，无关。同时，相似度计算次数比例r随类簇数量 的增大而减少，和图4.1.1的结果相符。
4.1.3 视图构造效果分析
构造全局知识视图的作用是代替全局本体对网络中的资源语义进行描述，而构造全局知识视图的目标是：收集从不同节点得到的局部本体后，尽量减少对资源语义的重复描述。具体而言，是尽量减少局部本体之间的等价概念在全局知识视图中所对应的视图元素的冗余。因此，本实验分析文本所提出的全局知识视图构造算法减少视图元素冗余的效果。实验参数如表4.1所示：
表4.1 实验参数
由图4.1.3可知，当概念数增多时，视图元素和概念书的比例也相应的增多了。但是这种增多的趋势同时也随概念数的增多而相对变得平缓。并且视图元素和概念数的比例保持在一个比较低的比例，相当于1个视图元素对应3.3个概念。因此，本算法对减少视图元素的冗余是有效的。
5 总结与展望
本文提出了一种基于概念相似度聚类的P2P网络资源语义全局知识视图构造的方法。试图通过按照所属领域不同对概念进行划分，降低在全局知识视图元素构造过程中的概念相似度计算量。基于此的全局知识视图元素构造的规则和方法能够有效地用于全局知识视图的构造。并且实验证明，本视图构造算法有效的减少了视图中视图元素的冗余。
在本文的方法中，相似度的计算与概念聚类、视图元素的构造具有一定相对独立性。相似度计算方法也是当前研究的一个重要内容。相似度计算的准确性间接影响到了视图构造的效果，而相似度计算的速度直接影响到了视图构造的速度。因此，适合于P2P网络资源局部本体间的概念相似度计算方法也非常值得进一步的研究。
参考文献：
[1]Pantel， P.，& Lin， D. K. Discovering Word Senses from Text. Proceeding of ACM SIGKDD Conf. on Knowledge Discovery and Data Mining， Edmonton， Canada， 2002， 613-619.
[2]Do H H， Rahm E. COMA - A system for flexible combination of schema matching approaches[C]. Porceedings of Very Large Data Bases Conference. Roma， Italy. 2001：610-621.
[3]Maedche A， Staab S. Measuring Similarity between Ontologies [C]. Proceedings of the European Conference on Knowledge Acquisition and Management EKAW-2002. 2002：251-263.
