随着中国经济的快速发展,国力的逐渐增强,中国与世界各国在政治、经济、文化上的交流越来越频繁,世界上学习汉语的人数日渐增多,尤其是东北亚地区的人数最多。日、韩两国留学生占到了来华留学生总数的43%,在两国建立的孔子学院达到了39所,如雨后春笋般的兴起,占到了世界孔院总数的55%。由于传统教学存在地域、资源等方面的限制,已经满足不了对外汉语教学的高速发展,因此建立对外汉语教学平台成了对外汉语教学的当务之急。网络教学摆脱了传统教学时间和地域因素的限制,对于对外汉语的教学有着先天的优势,是对传统汉语教学的有益的补充。但是网络教学也有它的局限性,目前的网络学习平台都存在着这样的问题,如不能合理的将学习内容合理的组织起来,只是通过简单的将学习内容进行堆积和罗列,使不同学习背景的学习者难以分辨哪一部分是适合自己的学习内容,严重影响了网络教学的效果。这种网络教学平台形式呆板、缺乏互动,不能根据学习者的个体情况作出教学内容上的调整。对于不同的学习者,他们的年龄、动机、文化底蕴、经验背景和学习兴趣都对他们的行为有着很深的影响,因此如何针对不同学习者的行为,找出适当的学习序列模式非常的重要。基于学习者行为的个性化网络学习系统具有一定的智能性,通过对学习者学习行为的判断和分析,找出常用的序列模式,再根据学习者的学习进度,来为学习者推荐合适的学习序列,提供适合他们学习的教学材料,减少了学习者盲目学习和进入信息迷航的可能,真正做到了对汉语言学习者进行个性化教学。本文的创新点:(1)提出了基于序列挖掘算法的学习者模型。学习者模型将学习者的属性具体化,系统按照学习者模型的去了解学习者的行为,学习者模型对于算法的设计和系统的实现具有指导性的作用。(2)提出了基于学习者行为的序列挖掘算法。根据建立的学习者模型,对学习者行为进行跟踪,基于学习者行为,通过使用序列挖掘算法找出课程间潜在的关系,推荐更符合学习者兴趣的课程。本文首先了解国际上汉语教学的发展趋势以及个性化教学的优势,通过研究国内外汉语教学网站,提出改进的建议,并对序列挖掘算法的研究现状做了概述。第2章介绍了E-learning、序列挖掘原理以及汉语挖掘理论基础,强调学习者的主体性和独特性,为网络汉语教学提供理论上的依据。在学习管理系统的分类中,针对学习活动管理的系统(LAMS)具备了支持个性化教学的需求,系统记录学习者的行为,然后通过对学习者行为的挖掘,了解学习者的兴趣所在,为学习者推荐合适的学习序列,实现个性化教学的需求。随后针对E-Learning和个性化学习理论,研究了适用于对外汉语教学的学习者模型。第3章重点研究了学习者模型。首先研究分析学习者的相关标准和设计原则,根据典型的学习者模型对汉语学习者进行特征分析,其中学习者基本信息模型适用于教师了解学生信息,汉语水平模型适用于对学习者进行初步聚类,学习兴趣分组和学习序列模型适用于对学生学习行为追踪,挖掘适合学生兴趣的学习序列。学习者模型是我们进行系统设计和系统实现的理论基础,后续研究中会对学习者建模流程和学习者信息获取做详细研究。第4章重点研究了基于学习者学习行为的序列挖掘算法。首先研究了数据挖掘概念,重点研究了一下数据挖掘的过程,对后面的学习者建模流程提供依据。然后对基于学习者学习行为的序列挖掘算法进行研究,阐述了AprioriAll算法在学习行为中的应用,并提出了算法的改进和评估方法。评估中一方面是需要满足对最小支持度和最小置信度,通过与专家交流确定了算法中最小支持度和最小置信度;另一方面要对算法准确度进行测试。随后研究了教学平台的构架,平台中学习者建模流程和信息采集方法。第5章总结了论文的主要工作,提出了本文的贡献以及对未来的展望。未来的工作:(1)项目进入公开测试阶段后,通过用户群的增加,系统收集到更多的数据以便于进行测试和调整。(2)希望学习者从自身的角度来提出系统的不足和改进的方案。(3)继续对序列挖掘算法进行更深一步的研究和改进,按照文中所述方法缩小候选序列集合Ck的范围,提高算法的效率和精确度,进一步完善学习者模型,改进学习者模型评价指标,使之更加的合理和完善。