支持移动访问的课件共享系统原型的设计与开发

《支持移动访问的课件共享系统原型的设计与开发》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、工科支持移动访问的课件共享系统原型的设计与开发[摘要]本课件共享原型系统集成多种文件格式转换工具实现了课件格式统一的功能，并支持PC机和移动智能终端访问，实现了跨平台的便捷播放，达到了教育资源快速共享的目的。本系统的全文搜索功能结合了相关性分析技术，可根据用户属性优化搜索结果，快速准确定位课件。关键字：移动访问；课件共享；格式统一；相关性分析一、选题背景及意义信息化社会人们需要终身学习，以网络为主要传播载体的数字远程教育顺应了这一趋势，给人们随时获取新知识提供了便捷和强有力的支持。同时，移动无线网络技术的发展以及智能移动终端能力的不断增强，更催生了人们利用移动无线技术访问数字在线教育资源的

2、需求。因此说，数字远程教育必然面临着从目前单一接入方式（互联网和PC机）向多种终端（智能手机、PDA等）和接入方式（无线局域网、城域网和移动通信网络等）拓展的需求，从而为用户提供随时随地体验数字远程教育服务。支持移动访问的课件共享系统迎合了数字远程教育的发展要求，支持PC机和移动智能终端的访问，实现了跨平台的便捷播放，并具备断点记忆功能，具有良好的实用性。结合校园教学，本系统实现统一的课件媒体格式，可高效整合现校园教学数字资源，有助于校园教学信息化建设，促进教学水平的提高。二、方案论证2.1媒体格式的选择、格式转换的方案针对现在课件格式复杂、传输不便等问题，我们提出如下实现了课件格式统一的

3、方案，即选择哪种媒体格式作为统一的课件格式、以及多种课件格式如何转换成统一格式。2.1.1方案一：媒体采用图片加WAV音频格式。将音频文件按照每一秒一个文件分割。服务器端基于Apache和PHP建立WebService，移动客户端基于WindowsMobile平台，采用C#开发。客户端每次向服务器请求，指定起止秒数，服务器端将指定秒数的音频文件和图片进行Base64编码后返回客户端。但是该方法的弊端很明显，本来WAV音频就是很大的文件，再经过Base64编码，基本上要再增大1/3。而移动通信网络的带宽非常有限，且该方案下播放控制实现难度较高。该方案最终被放弃。2.1.2方案二：媒体采用FL

4、V流媒体媒体采用FLV流媒体。服务器端采用Red5Server和Apache提供流媒体和Web访问服务。客户端基于Symbian60，采用Flash技术开发。客户端向服务器发起HTTP请求，获取媒体文件在流媒体服务器的地址以及对应的标签文字等信息，通过Flash原生的FLV第5页解码器进行播放。这种方案的缺陷之一也是带宽问题。因为视频课件制作和处理起来非常复杂，也导致其可扩展性变差。同时，因为视频课件无法按照个人需要加快或者放慢教学进度，在应用上也不是一个很好的解决方案。1.1.1方案三：媒体采用标准课件，转换成统一的SWF格式。媒体采用标准课件。在服务器端，将各种各样的课件格式，如PPT

5、、PDF、DOC、VSD等各种文档转换为统一的SWF格式，在PC端，通过浏览器的Flash播放器插件播放。这种情况下文件大小大大减小，有利于网络传输；能整合各种格式的教学课件，播放的时候不需要PowerPoint、Word、AdobeReader等软件支持，只要有浏览器和Flash插件即可实现播放，应用范围不受限制。同时，从应用的角度讲，目前大多数同学学习均通过课件，这是一种很符合用户习惯的学习方式。在移动客户端而言，由于文件体积大大减小，对网络传输的压力大大降低，有利于其投入实际应用。加上对课件的处理更加方便，服务器端对每个课件可以提供PDF、SWF、TXT、JPEG等常见格式，移动终端

6、的实现方案更自由。1.2搜索查询优化方案在整合教学数字资源的条件下，我们提出有针对性的搜索查询优化方案，实现教学资源的准确、快速定位。我们采用Lucene开源搜索引擎工具包进行搜索功能的开发。针对Lucene不能很好的支持中文的弱点[1]，我们开发了基于ICTCLAS分词的Lucene分析器，完善了Lucene系统中分分词的质量。为了进一步提高分词系统识别未登录词（课程名、任课教师姓名等）的准确度，我们还设计了一个基于网络爬虫的分词词典自动更新系统。经过上述改进后，系统的分词准确率得到了有效地提高，如下表1所示（实验文本针对北邮计算机专业课程）：表1三种方法准确率的比较分词方法分词所得词条

7、数分词词条中所包含课程词条数分词词条直接匹配课程名的概率Lucene标准分析器一元分词42800%新分析器+默认词典层叠隐马模型分词9699.37%新分析器+自定义词典层叠隐马模型分词766281.6%针对中文分词后词条膨胀、返回结果精度下降的问题，我们实现了文档预处理模块，剔除掉与文本主题不相关的噪声词条，并根据词条的重要程度进行文档的重构[2]。最后，由于Lucene的排序算法是基于向量空间模型（VSM）的，并没有考