Web应用中帮助功能的设计与实现

堡皇篁查　堡皇　■蕊瞟　Ｗｅｂ应用中帮助功能的设计与实现　Ｔｈｅ　Ｄｅｓｉｇｎ　ａｎｄ　Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ　ｏｆ　Ｈｅｌｐ　ｆｏｒ　Ｗｅｂ　Ａｐｐｌｉｃａｔｉｏｎｓ　张鸿飞　ＺＨＡＮＧ　Ｈｏｎｇ－ｆｅｉ　“帮助”是所有软件系统的重要功能。人们试图用各种各样的方法向用户提供帮助．以便使系统的学习和　使用更加简单和方便。对于一些复杂的应用系统，特别是那些依赖于用户经验的系统。用户的经验知识　能够为其他用户提供更有价值的帮助。在Ｗｅｂ网络环境中。网络使得用户之同的互相帮助成为可能。　文章分析了各种各样的帮助功能。以及帮助的实现过程。给出了Ｗｅｂ环境中一种新颖的基于用户和计　算机协作的智能帮助模型，最后在一个Ｅ－ｌ￣ｍｉｎｇ系统中进行了实验。　Ｗｅｂ应用　帮助用户支持人机交互知识管理　Ａｂｓｔｒａｃｔ　Ｈｄｐ　ｉｓ　ａ　ｖｅｒｙ　ｉｍｐｏｒｔａｎｔ　ｆｕｎｃｔｉｏｎ　ｉｎ　ａｌｌ　ａｐｐｌｉｃａｔｉｏｎｓ．Ｍａｎｙ　ｍｅｔｈｏｄｓ　ａｌｅ　ｕｓｅｄ　ｔｏ　ｓｕｐｐｌｙ　ｈｅｌｐ　ｔｏ　ｔｈｅ　ｕ　ｏｆ　ａｐｐｆｉｃａｔｉｏｍ　ａｎｄ　ｌｅｔ　ｔｈｅ　ｌｅａｒｎｉｎｇ　ａｎｄ　ｕｓａｇｅ　ｏｆｔｈｅ　ｓｙｓｔｅｍ　ｂｅｃｏｎｌｅ　ｅａｓｉｅｒ　ａｎｄ　ｍｏｒｅ　ｃｏｎｖｅｎｉｅｎｔ，Ｆｏｒ　ｓ０ｌＩ　ｃｏｍｐｌｉｃａｔｅｄ　ｓｙｓｔｅｍｓ，ｅｓｐｅｃｉａｌ　ｔｈｏｓｅ　ｄｅｐｅｎｄ　ｏｎ　ｔｈｅ　ｅｘｐｅｒｔｉｓｅ　ｏｒ　ｔｉｐｓ　ｏｆ　ｓｙｓｔｅｍ　ｕｓｅｒｓ，ｔｈｅ　ｅｘｐｅｒｔｉｓｅ　ａｎｄ　ｔｈｅ　ｔｉｐｓ　ｏｆ　ｏｎｅ　ｕｓｅｒ　ｃａｎ　ｖｅ　ｍｏｒｅ　ｖａｌｕａｂｌｅ　ｈｅｌｐ　ｔｏ　ｔｈｅ　ｏｔｈｅｒｓ．Ｉｎｔｈｅ　ｗｅｂ　ａｐｐｈｃａｔｉｏｍ。ｔｈｅ　ｎｅｔｗｏｒｋ　ｍａｋｅｓ　ｔｈｅ　ｍｕｔｕａｌ　ｈｅｌｐ　ｂｅｃｏｍｅ　ｐｏｓｓｉｂｌｅ．Ｗｅ　ｔａｋｅ　ａ　ｓｕｒｖｅｙ　ｏｆ　ｍａｎｙ　ｈｅｌｐ　ｆｕｎｃｔｉｏｎｓ，ａｎｄ　ａｒＩａｌｙ　ｔｈｅ　Ｄ（　ｆｏ涨ｈｅｌｐ　ｆｕｎｃｔｉｏｎ　Ａｔ　ｌａｓｔ　ｗｅ　ｇｉｖｅ　ａ　ｎｏｖｅｌ　ｉｎｔｅｌｌｉｇｅｎｔ　ｈｅｌｐ　ｍｏｄｅｌ　ｉｎ　Ｗｅｂ￣＃ｃａｔｉｏｍ，ｗｈｉｃｈ　ｓｉ　ａ　ｈｕｍａｎ　ａｎｄ　ｃｏｍｐｕｔｅｒ　ｃｏｏｐｅｒａｔｉｖｅ　ｗｏｒｋ　ｓｙｓｔｅｍ。ａｎｄ　ｍＢｋｅ　ａｎ　ｅｘｐｅｒｉｍｅｎｔ　ｆｏｒ　ａ　ｅ－ｌ￣ｓ　ｓｙｓｔｅｍ．　呵　Ｗｅｂ　ａｐｐｈｃａｔｉｏｎ　Ｈｅｌｐ　Ｕｓｅｒ　ｓｕｐｐｏｒｔ　ＨＣＩ　Ｋｎｏｗｌｅｄｇｅ　ｍａｎａｇｅｍｅｎｔ　１前言　技术来研究，对于软件系统的体系结构会产生积极的作用。　另外，对用户的经验进行管理，在系统用户之间建立一　人们在设计计算机软件系统的时候，总是要提供系统的　种动态的知识共享机制，将成为一种重要的帮助手段。同　帮助功能，来解释系统的功能和使用方法。用户需要的帮助　时，对用户数据的挖掘还可以有效的发现新的知识，对改善　信息包括：概念、功能、菜单命令、例子、错误信息等。帮助的　系统有重要的意义。　形式多种多样，也没有统一的设计原则，帮助的粒度也不相　本文首先对传统的帮助功能和一些新的帮助技术进行　同。传统的帮助系统存在的问题是：　了说明，随后针对ｗｅｂ应用，提出了一个基于知识管理、人机　ａ．帮助大都是和系统紧密集成的，缺少个性化的帮助，　协作的通用帮助模型。根据该模型，在一个ｅ—　ｍ　系统中　不同的用户、用户的每一次帮助都是千篇一律的。　进行了实验。实验表明，随着系统运行时间的增加，帮助的　ｂ．帮助系统无法实现知识的共享，一个用户问题的解　自动化程度将不断提高，最终达到一个满意的阀值。　答，另外的用户并不能受益。对同样的问题，其他的用户还　需要根据经验来查找帮助。　２帮助系统　为了提高系统帮助功能的效率，人们结合系统的实际设　传统的帮助都是建立在单机环境中的，帮助是软件系统　计了一些自适应的智能帮助“　以及大量的Ｑ／Ａ系统ｃ３　Ｊ，　的重要组成部分，软件系统的复杂性、人机接口和帮助设计　这些帮助系统的目标是要实现帮助的自动化，但由于计算机　的好坏极大的影响了系统的使用。一般意义下，对系统的功　自然语言处理技术与实际的应用还有一定距离，这些Ｑ，Ａ在　能和使用方法提供的所有形式的文字说明、图形图像显示、　实际应用中还存在一些不足。　ｄｅｍｏ等都属于帮助的范畴。　对于上述的问题，在单机环境下很难得到本质的解决，　２．１帮助系统的功能　但是随着网络应用的发展，大量的应用都开始建立在ｗｅｂ之　根据帮助的功能，可以把帮助分成四种类型ｎ］：　上，这种Ｂ／Ｓ结构的应用为个性化的帮助和实现用户之间的　ａ．快速参考，无论是新用户还是有经验的用户，快速参　经验知识共享提供了可能。对于一些复杂的应用系统，特别　考就是为用户解答如何解决某一个问题。　是那些依赖于用户经验的系统，用户的经验知识能够为其他　ｂ．面向任务的帮助，软件系统就是要完成一些特定的　用户提供更有价值的帮助。　任务，这些任务可以分解成一系列的具体步骤，步骤往往通　对于系统帮助，本文试图将帮助功能和系统进行分离，　过菜单命令来完成。现在大部分的软件系统都是基于菜单　建立一种在知识管理层次上的集成，把帮助作为一种独立的　命令的，即应用程序是命令驱动的。但是，在实际解决问题　时，用户面对的往往是任务，而这些任务是由一系列的操作　＊山东警察学院２５００１４　命令完成的。用户必须自己将任务分解成命令，才能够通过　应用程序解决，完成最终的初始任务。例如：在Ｗｏｒｄ字处理　维普资讯 http://www.cqvip.com

■囊技术与■纛亿　软件中，有“格式”菜单，包含了“字体”和“段落”两种格式化　命令。有一篇文档，要求进行编辑和格式化，包括标题、正　文、图表等一系列的格式化，这些操作Ｗｏｒｄ的帮助系统并不　能提供基于任务的帮助，需要用户根据自己的经验，将任务　统的帮助信息都是静态的，虽然Ｗｉｎｄｏｗｓ的帮助系统将帮助　信息和对帮助信息的显示实现了分离ｂ］，使帮助信息部分可　以改变。但是，对于用户使用经验、传统的帮助无法记录下　来，供其他的用户参考和借鉴。对于复杂的系统，特别是那　些依赖于用户经验的系统，设计开发能够记录和管理用户经　验、实现经验知识共享的帮助系统是很有意义的。　分解成“字体”和“段落”格式化，组合应用这些格式化的命　令，最终完成文档格式化的任务。　ｃ．完全的解释，一些有经验的用户或好奇的用户可能　３．１智能帮助体系结构　需要对系统命令的完整解释，便于进一步加深对系统的认　识。　ｅ．教程，主要针对新用户，提供ｓｔｅｐ－ｂｙ—ｓｔｅｐ的指导。　２．２帮助的实现　传统的帮助往往分成两大部分，一部分被固定在应用系　统中，如菜单、命令提示等。另一部分通过独立的帮助主体　文件和应用系统松散的结合，可以独立修改。用户通过特定　的人机界面获得帮助。　软件的操作对象一般是一个特定的用户群，他们有特定　的类似的背景知识和能力。对系统的认识和操作能力不同，　用户（新用户、有经验用户等）的熟练程度不同，因而对系统　提供帮助的要求也不同。因此必须根据用户对象，来决定帮　助内容的深浅程度和繁简程度。　帮助信息通常被组织成若干帮助主题，按照层次组织，　从而便于查找。因此帮助信息被分成：帮助主题标题、主题　内容、软件的基本概念、常见的错误信息等。由于用户获取　帮助和阅读图书不同，不是顺序阅读，往往是跳跃式的，因此　主题的多少，层次的深浅都影响到帮助的易用性。可以用图　１来描述用户使用帮助的过程。　Ｕｓｅｒ　图１用户使用帮助的一般过程　因此，在帮助的实现时，必须对问题的表示、帮助的有效　表示、帮助搜索、帮助之间的显示和导航等进行设计。使得　人机之间的交互简单、自然、不会在帮助中迷路。　２．３新的帮助技术　除了上述传统的帮助手段外，现在，人们还在研究的帮　助系统有：　ａ．上下文敏感的帮助（Ｃｏｎｔｅｘｔ－Ｓｅｎｓｉｔｉｖｅ　ｈｅｌｐ），可以根据　用户当前的操作来提供可能的帮助，如用户正在进行文字编　辑，可能经过一段时间，系统提示用户存盘。　ｂ．自适应帮助（Ａｄａｐｔｉｖｅ　ｐ）或个性化帮助（ＰｅｒｓｏｎａｌｉＴａ．　ｔｉｏｎ　ｈｅｌｐ），通过纪录人机交互事件（如键盘的敲击、点击菜单　命令等）形成用户描述文件（Ｕｓｅｒ　ｐｒｏｆｌｉｅ），从而来发现用户的　行为，来预测用户下一步最可能的操作，为用户提供及时的　帮助　Ｊ。　３网络环境下的智能帮助模型　我们把基于任务的过程称为用户使用经验。传统的帮　助在解决面向任务的帮助方面，还存在许多不足。同时，传　圈垫　生箜璺塑　智能帮助首先是动态的，它会随着系统的运行来积累用　户经验，能够对用户的问题进行分析、问题答案的自动匹配　等智能化的操作，从而完成复杂系统的用户经验知识共享，　实现单元级的知识管理。　Ｗｅｂ应用中的智能帮助模型如图２所示。　图２网络环境下的智能帮助流程　在上述帮助技术中。帮助被分成在线实时帮助和滞后帮　助两种。用户的问题，首先经过词法分析，抽取特征词，将问　题表示成特征词集合。然后将问题特征词集合和问题库中　的问题进行相似性分析，得到满足一个阀值的所有可能的相　似问题，按照相似度大小排列，推荐给用户。如果找不到相　似的问题，则将问题提交到系统管理员，由人工解答，解答结　果将增加到问题库中。　由于问题匹配的不精确性，给出的相似问题可能不能解　答用户的提问，此时也会进入滞后解答。　３．２特征词表与文本的特征词集合表示　智能帮助的关键问题是问题的语义分析、文本表示、文　本相似性计算等，关于文本的特征表示和相似性计算已经有　很多的研究＿７Ｉ９Ｊ。由于这些研究大都针对自然语言理解，而　自然语言理解距离实际工程中的应用还有一定的距离。　但是，在一个特定的应用环境，就某种Ｗｅｂ应用而言（如　ｅ－ｌｅａｚａｎｇ系统），用户和系统所使用的语言和词汇有一个适　当的范围。通过定义应用中的特征词表，可以简化自然语言　理解，使得文本的表示和相似性计算简单化。　定义１：特征词是指在某个具体的应用领域能够标识某　个概念、功能，具有特定涵义的单词或短语。　定义２：特征词表是指某个应用领域所有特征词的集合，　记做ＷｏｒｄＬｉｓｔ。　ＷｏｒｄＬｉｓｔ为一个有序线性表，有ＷｏｒｄＬｉｓｔ＝｛＜Ｗｏｒｄ　＞｝，其中Ｗｏｒｄ为特征词。　根据特征词的定义，一句话或者一段文字可以用一个特　征词集合来表示，因此对于任意一段文本Ｔｅｘｔ，其特征词集　合Ｓ＝｛ｓｔｒｉＩ　ｓｔｒｉ为Ｔｅｘｔ的子串，且ｓｔｒｉ（ＷｏｒｄＬｉｓｔ｝。　对于某个ｗｅｂ应用，系统都建立一个特征词表ＷｏｒｄＬｉｓｔ，　ＷｏｒｄＩ／ｓｔ初始为空，随着系统的运行，不断的有新的特征词加　入到特征词表中。　３．３用户经验知识库设计　许多系统都在研究智能帮助，主要解决Ｏ／Ａ问题。在图　２的Ｗｅｂ应用的智能帮助中，用户经验知识库是实现智能帮　助技术的核心，它记录了常见问题和解答（Ｑ／Ａ）、使用技巧、　维普资讯 http://www.cqvip.com

用户经验等。对问题采用特征词集合表示法，数据记录为　ＱｕｅｓｔｉｏｎＥｎｔｒｙ＝＜ＱｕｅｓｔｉｏｎＷｏｒｄＬｉｓｔ，Ａｎｓｗｅｒ＞。　随着系统的运行，数据库的记录将不断增加，对于每一　个滞后帮助，人工解答的同时，将同时定义问题的特征词，来　更新系统特征词表和用户经验知识数据库。滞后解答算法　如下：　算法１：智能帮助中的滞后解答算法（　Ａｎｓｗｅｒ　Ａｌｇｏ—　ｎ￣）ｔａＡ　ｓｔｅｐ０输入问题Ｑ。　ｓｔｅｐ　１人工解答问题Ｑ，并且人工对Ｑ做特征词标记。　ｓｔｅｐ２对于新标记的特征词Ｗｉ，若Ｗｉ不在特征词表中，　将特征词添加到特征词表中。　ｓｔｅｐ　３将问题Ｑ和对应的特征词集合｛Ｗｉ｝添加到用户经　验知识数据库中。　３．４文本相似性计算　当用户提出一个问题时候，首先将问题和用户经验知识　数据库中的问题进行匹配，找出相似的问题，将相似问题的　解答推荐给用户参考。上述过程的关键是问题的相似性判　断，对于一般的文本相似性计算，常常采用ＴＦＩＤＦ的方法。　ＴＦＩＤＦ方法遇到的问题是文本的特征向量表示带来的高维，　计算量巨大Ｌ７　。ＴＦＩＤＦ适用于一般的文本相似性比较，在一　些具体的应用中（如ｅ－ｌｅａｎｒｉｎｇ系统），我们可以采用文本的特　征词集合表示法，通过两个文本的特征词集合的交集来判断　两个文本的相似性。　例如，在ｅ．１ｅａｍ；ｎｇ中，对于一门具体的课程，如《计算机　网络》可能有如下的一系列问题：（Ｑ，）什么是网络？（　）什　么是计算机网络？（Ｑ３）计算机网络的定义？（Ｑ４）计算机网　络的概念是什么？（　）何谓计算机网络？这五个问题都是　相似的，都试图要询问计算机网络的概念，但语言的表达不　同。如果用特征词表示上面的问题，则对应的特征词集合分　别是ｓｌ＝｛网络｝，　＝｛网络，计算机网络｝，　＝｛网络，计　算机网络｝，ｓｌ＝｛网络，计算机网络，概念｝，Ｓ５＝｛网络，计　算机网络｝。　如果用户想询问计算机网络的功能，可能的表达有：　（　）计算机网络的功能是什么？（　）网络的功能是什么？　（Ｉ）８）简述计算机网络的功能？则对应的特征词集合分别是　＝｛网络，计算机网络，功能｝，　＝｛网络，功能｝，ｓＢ＝｛网　络，计算机网络，功能｝。　定义３：对于问题Ｑ，和　，其对应的特征词集合分别为　ｓｌ和　，则相似性定义为：　ｌ　Ｃ—Ｃ　ｌ　（Ｑｔ，Ｑｚ）＝　（１）　公式（１）反映了两个问题中相同关键词的比例，如果相　同的关键词所占的比例越大，问题的相似性就越大。　根据问题相似性的定义，我们给出在线回答的问题匹配　算法。　算法２：问题匹配算法（Ｑｕｅｓｔｉｏｎ　Ｍａｐ　Ａｌｇｏｒｉｔｈｍ）ＱＭＡ　ｓｔｅｐ　１输入新问题Ｎｅｗ　ｓｔｅｐ　２对问题Ｎｅｗ，设相似问题的集合Ｓｉｍ＝　ⅡＬ　ｓｔｅｐ　３对于用户经验知识库中的所有记录ｈｅｍｉ，计算　Ｓｉｍｉｌａｒｉｔｙ（Ｎｅｗ，Ｉｔｅｍｉ）　僵息技木与僵息化　ｓｔｅｐ３．１若Ｓｉｍ／／ａｒ／ｔｙ（Ｎｅｗ，Ｉｔｅｒ￣）＞Ｋ，则　＝Ｓ／ｍ　一｛Ｉｔｅｍ　｝　ｓｔｅｐ　４对于Ｓｉｒｎ　ｓｔｅｐ４．１若Ｓｉｍｌ＝ＮＵＬＬ则显示所有的Ｓｉｍ集合中　的解答作为参考解答；否则　ｓｔｅｐ　４．２　Ｃａｌｌ　Ｌ从　ｓｔｅｐ　５结束　相似性阀值　是根据经验设定的，一般取值为　＝０．５，　在使用过程中可以减小　值来扩大推荐的相似性结果数目。　４实验　对于上述的帮助模型，我们在基础教学ｅ－ｌ￣ｓ系统一ｌ－　进行了实验，实验课程包括了《计算机文化基础》和《ｖＢ程序　设计》两门课程，下面是一组实验数据。　表１基础教学ｅ－ｌｅａｒｎｉｎｇ系统中智能帮助运行结果　统计表（ｋ＝０．５）　问题数量　经验知识库新　在线解答　滞后解答　在线解答　增记录个数　数量　数量　准确率　１０　７　１　９　１０％　２１　１４　５　１６　２４％　３４　１９　１３　２１　３８％　５２　２７　２６　６２　５０％　８０　３５　４３　３７　５４％　１００　４０　５５　４５　５５％　１５０　４６　９５　５５　６３％　２００　５５　１３６　６４　６８％　３０ｏ　７０　２１６　８４　７２％　４ＩＤｏ　７８　３０４　９６　７６％　５０ｏ　８５　４０ｏ　ｌ００　８０％　在线解答数量是指图２中，在推荐解答列表中，用户满　意的问题解答数量。滞后解答数量就是推荐解答列表中的　解答不满足用户的要求，由人工滞后回答的问题数量。在线　解答准确率是指在线解答数目与给出推荐问题解答列表（满　足相似性阀值，但推荐解答可能满意或者不满意）次数的比，　它反映了相似性判断的准确率。　根据我们的实验结果，我们所设计的帮助模型能够较好　的解决网络环境下的系统帮助问题，由于每一个Ｗｅｂ应用都　是一个具体的领域，因此我们设计的文本的特征词集合表示　法运行效率较高，随着经验知识的增大，滞后解答的概率大　幅度下降。提问问题次数与知识库新增记录个数的关系如　图３所示，提问问题数量与在线解答准确率的关系见图４。　图３提问问题次数与知识库新增纪录个数之间的关系　２ＯＯ６年第３期困　维普资讯 http://www.cqvip.com

儡■技术与ｔｌＩｔ亿　ａｌｉｚａｔｉｏｎ　Ｔｅｃｈｎｏｌｏｇｙ．Ｊｏｕｒｎａｌ　ｏｆ　８０ｆｔｌ￣ｕ＇ｅ，２ＯＯ２。ｖ０ｌｌ３（１０）：　１０００～９８２５（ｉｎ　Ｃｈｉｎｅｓｅ　ｗｉｔｈ　Ｅｎｇｌｉｓｈ　ａｂｓｔｒａｃｔｓ）．　［７］Ｗａｎｇ　Ｓｈｉ，Ｇａｏ　Ｗｅｎ，Ｌｉ　Ｊｉｎ－ｔａｏ．Ｒｅａｌ　Ｔｍａｅ　Ｐｅ聊憎ｌｉｚａｔｉ０ｆＩ　Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ　Ｂａｓｅｄ　Ｏｎ　Ｃｌａｓｓｉｉｆｃａｔｉｏｎ．Ｃｈｉｎｅｓｅ　Ｊ．Ｃｏｍｐｕｔ－　ｅＩｓ，２ＯＯ２，Ｖｏ１２５（８）：８４５～８５２（ｉｎ　Ｃｈｉｎｅｓｅ　ｗｉｔｈ　Ｆ．．ｇｌｉｓｈ　ａｂ－　ｓｔｒａｃｔｓ）．　［８］　Ｓｈｉ　Ｚｈｏｎｇ－ｚｈｉ．Ｋｎｏｗｌｅｄｇｅ　Ｄｉｓｃｏｖｅｒｙ．Ｂｅｉｊｉｎｇ：ａ＇ｓｉｎｇ　Ｈｕａ　Ｕｎｉｖｅｒｓｉｔｙ　Ｐｒｅｓｓ。２ＯＯ２．３６２～３６４．　［９］　１Ｖｉａ　Ｊ，Ｍ　Ｈｅｒｒｍａｊｅ．Ｋ，ｌｏｗｌｅａｇｅ　Ｍａｎａｇｅｍｅｎｔ：Ｓｙｓｔｅｍ　Ａｒｅｈｉ－　ｔｅｃｔｕｒｅｓ，Ｍａｉｎ　Ｆｕｎｃｔｉｏｍ，ａｎｄ　Ｉｍｐｌｅｍｅｎｔｉｎｇ　Ｔｅｃｈｎｉｑｕｅｓ．Ｔｈｅ　，ｇｉｎｅｅｒｉ￣ｐｌＤｔ　ｅｄｉｎ铲ｏｆ　ＩｎｔＣｏｎｆｅｒｅｎｃｅ　Ｏｎ　Ｅ，ａｎｄ　Ｄｅｖｅｌｏｐ－　图４提问问题数量与在线解答准确率的关系　ｍｅｒｉｔ　ｏｆ　Ｃｏｏｐｅｒａｔｉｖｅ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｙｓｔｅ￣，ｅｅｌｓ，Ｈａｒｔ　Ｙ．Ｔａｉ．　Ｓ　ａｎｄ　Ｄ．Ｗｉｋａ￣ｋｉ。Ｓｅｐｔ．１８－２０，２ＯＯ２，Ｂｅｉｉｉ￣。Ｃｈｉｎａ，　５结论及展望　本文首先分析了帮助系统的功能和一般实现手段，说明　了对于基于任务的帮助和用户之间的经验知识共享在传统　的单机环境下的局限。提出了基于网络的Ｗｅｂ应用系统在　实现帮助上的优势，给出了一个人工专家、计算机以及用户　之间协作的帮助模型，并在一个　ｌｅ８ⅡｌｉＩｌｇ系统中进行了实　验。　Ｓｏｒｉｎｇ　ＬＮＣＳ　２４８Ｏ，ＰＰ　１５５－１６７．　．　［１Ｏ］增春，醒春晓　周立住．个性化服务技术综述．软件学　报，２００２，Ｖ０ｌ１３（１０）：１００ｏ～９８２５．　［１１］　王实，高文，李锦涛．基于分类方法的Ｗｅｂ站点实时　个性化推荐．计算机学报，２ＯＯ２，ｖ０ｌ２５（８）：８４５—８５２．　［１２］　史忠植．知识发现．北京：清华大学出版社，２ＯＯ２．　（收稿日期：２００６－０３－１６）　通过实验表明，虽然文本的特征词集合表示和相似性计　算算法在特定的Ｗｅｂ应用领域效果较好，但是随着问题长度　的增加，特征词的抽取时间会快速的增加。同时，随着用户　经验知识库的增大，查找相似问题的匹配时间也线性增加。　用户经验知识库有效的将好的用户经验记录下来，它也　是企业实施知识管理的重要内容。特别是对于那些强依赖　经验的Ｗｅｂ应用来说，用户的经验对于一个新的用户具有特　别的意义。　对ｗｅｂ应用，用户经验知识库又构成了ｗｅｂ应用的重　（上接第１２５页）　要资源，通过对数据的进一步挖掘，可以发现重要的知识。　在Ｅ－ｌｅａｒｎｉｎｇ系统中根据用户提问来实现网上同学发现的研　究正在进行，它对于实现自主学习（Ｓｅｌｆ－ｌｅａｒｎｉｎｇ）和用户的互　图３（ａ）（ｃ）原始图像；（ｂ）（ｄ）重建处理的图像　参考文献：　［１］Ｒ．Ｇｏｍａｌｅｚ，Ｒ．Ｗｏｏｄｓ，Ｄｉｇ蹦ｈＩｌａ　ｈ００ｅｓｓｉＩｌｇ，ｌ９９２．　［２］Ｐ．Ｋｌａｕｓ－Ｒｕｅｄｉｇｅｒ，Ｆｉｆｔｙ－ｓｅｃｏｎｄ　Ａｎｎｕａｌ　Ｍｅｅ血１ｇ　ｌＶｌｉｃｍｓｃｏｐｙ　Ｓｏｃｉｅｔｙ　Ａｍｅｒｉｃａ，１９９４，ＰＰ．４１６－４１７．　帮助具有很好的应用前景。　参考文献：　【１］Ａｌａｎ　Ｊ．Ｄｉｘ，Ｊａｎｅｔ　Ｅ．Ｆｉｎａｌｙ，ｅｔｅ．Ｈｕｍａｎ－Ｃｏｍｐｕｔｅｒ　Ｉｎｔｅｒａｃｔｉｏｎ　（２ｎｄ）．Ｇｌａｓｇｏｗ：ＢａｔｈＰｒｅｓｓＣｏｌｏｒ　ｂｏｏｋｓ，１９９８．ｐ４４４～４６Ｏ．　【２］Ｊｉｍｉｎｇ　Ｌｉｕ，Ｃｈｉ　Ｋｕｅｎ　Ｗｏｎｇ，ａｎｄ　Ｋａ　Ｋｅｕｎｇ　Ｈｕｉ，Ａｎ　Ａｄａｐａ－　ｔｉｒｅ　Ｕｓｅｒ　Ｉｎｔｅｒｆａｃｅ　Ｂｏｓｅｄ　ｏｌｒｌ　Ｐｅｒｓｏｍｌｉ￣ｔｅａｍ￣．—ＩＥ——Ｅ——Ｅ—Ｉｎ．　ｔｅｌｌｉｇｅｎｔ　Ｓｙｓｔｅｎ＇１６　２ＯＯ３．５２．５７．　［３］Ｓ．ｋ．Ｂｒａｍｂｌｅ，Ｊ　Ｆｏｒｅｍｉｃ　Ｓｅｉ，ｖ０１．３９，№．４，Ｊｕｌ　１９９４，ＰＰ．　９２　９３２．　［４］Ｅ．１￣ｌｏｌｅｒ，Ｖ．Ｂａｌｌａｒｉｎ，Ｆ．Ｐｅｓｓａｎａ，ＪＦｏｒｅｍｉｃ　Ｓｅｉ，ｖ０１．４３。　Ｎｏ．３，１９９８，ＰＰ．６８９－６９２．　［３］Ｊｏｅ　Ｔｕｌｌｉｏ，Ｊｅｒｅｍｙ　Ｃ，ｏｅｅｋｓ，ｅｔｅ．Ａｕｇｍｅｎｔｉｎｇ　Ｓｈａｒｅｄ　Ｐｅｒｓｏｎａｌ　Ｃａｌｅｎｄａｒｓ．ＵＩＳＴ’０【２，　Ｏｃｔｏｂｅｒ　２７－３０，２ＯＯ２，Ｐａｒｉｓ。　【５］Ｒ．ｔｔａｒａｌｉｃｋ，Ｌ．Ｓｈ．ｐ￣．Ｃｏｍｐｕｔｅｒ　ａｎｄ　Ｒｏｂｏｔ　Ｖｉｓｉｏｎ，１９９２．　【６］Ｖ．Ｆａｉｎ，Ｖ．ｒｌｌｄｌｏｒ，ｈ０ｃｅｅｄｉｒ　ｏｆｔｈｅ　ｓｉｘｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎ－　ｆｅｒｅｎｃｅ　Ｏｎ　ｓｉｇ，，ａｌ　ｒ，ｌ￣ｉｎｇ，１９９５．　ＦＲＡＮＣＥ．ｖ（　（２）：１１～２０．　【４］ＤＩＣＫＮＧ’ＡＭＢＩ．１＇ｒｅ－ｅｍｐｔｉ．ｇＵｓｅｒＱｕｅｓｔｉｏｍｔｈｒｏｕｇｈＡｎｔｉｃｉ－　［７］Ｊ．Ｓｅｒｒａ，ｈｌｌａ　Ａｎａｌｙｓｉｓ　ａｎｄ　Ｍａｔｈｅｍａｔｉｃａｌ　ｌ￣ｌｏｒｏｈｏｌｏｇｙ，ｖ０１．　１．１９８８．　ｐａｔｉｏ．－Ｄａｔａ　Ｍｉｎｉｌｌｇ　ＦＡＱ　Ｌｉｓｔｓ．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＳＡＩＣＳＩＴ　２ＯＯ２，Ｐａｇｅｓ　１０１－１０９．　【８］　Ｅ．Ｄｏｕｇｈｅｒｔｙ，Ａｎ　Ｉｎｔｒｏｄｕｃｔｉｏｎ　ｔｏ　Ｎｏｎｌｉｎｅａｒ　ｈｌｌａ　Ｐｒｏｃｅｓｓ－　ｉｌｌｇ，１９９４．　【５］Ｓｈｅｎ　Ｒｕｉ－ｍｉｎ．Ｉｎｔｅｌｌｉｇｅｎｔ　Ｑ＆Ａ　Ｓｙｓｔｅｍ　Ｂａｓｅｄ　０１１　Ｃａｓｅ　Ｂａｓｅｄ　Ｒ　∞０ｌｌｉＩ　，ＩＮ：Ｔｈｅ　ｆｉｒｓｔ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏ￣ｅｌｒｅｎｃｅ　ｏｎ　Ｍａｃｈｉｎｅ　【９］Ｌ．Ｖｉｎｃｅｎｔ，皿Ｅ　Ｔｒａｎｓａｃｔｉｏｍ　Ｏｎ　ｈｌｌａ　Ｐ，，ｘ￣ｉ，ｌｇ，ｖ０１．２，　１９９３，ＰＰ．１７６－２０１．　ＩＪ强ｒｒＩｉｌ　ａｎｄ　Ｃｙｂｅｒｎｅｔｉｃｓ（ＩＣＭｍＹ２），Ｎｏｖｅｍｂｅｒ　４－５，２ＯＯ２，　Ｂｅｉｉｉｎｇ。Ｃｈｉｎａ．　【１０］　Ｆ．Ｚａｎａ，Ｊ．Ｃ．Ｋｌｅｉｎ，皿Ｅ　Ｔｒａｍ．ｈｌｌａ　Ｐｒ０ｃｅｓｓｉＩｌｇ，ｖ０１．　１Ｏ．ＰＰ．１０１Ｏ－１０１９．　【６］Ｚｅｎｇ　Ｃｈｕｎ，ＸｉｎｇＣｈｕｎ－ｘｉａｏ。ＺｈｏｕＬｉ－ｚｈｕ．Ａ　ｓｕｒｖｅｙ　ｏｆ　Ｐｅｒｓｏｎ－