基于免疫進化的網(wǎng)絡教學資源個性化推薦系統(tǒng)研究

伍大清 李悛 羅江琴 周倩芳

摘要：信息技術和網(wǎng)絡技術的飛速發(fā)展，在給計算機用戶帶來了豐富的信息資源和便利的通信服務的同時；也使得他們經(jīng)常被淹沒在信息海洋中而無所適從，從而出現(xiàn)了“信息過載”和“信息迷向”的現(xiàn)象。該文設計了一種基于免疫優(yōu)化算法建立、更新用戶興趣模型的方法，以實時、準確的教學資源推薦來改善用戶學習方式，提高網(wǎng)絡教學效率。

關鍵詞：個性化推薦；用戶興趣模型；免疫優(yōu)化算法;動態(tài)興趣更新；網(wǎng)絡教學

中圖分類號：TP18文獻標識碼：A文章編號：1009-3044(2012)16-3945-03

The Personalized Information Recommendation System Research of Teaching Resources Based on Immune-evolution

WU Da-qing, LI-quan, LUO Jiang-qin, ZHOU Qian-fang

(University of South China, Hengyang 421001, China)

Abstract: With the rapid development of Information technology and network technology, computer users can fast get rich information re? sources and services through facilitate communication. But at the same time, they are submerged in the ocean of information and do not know how to do. For this, the phenomenon of "information overload" and“information wilder" begin to emerge. This paper advanced an Immune Optimization Algorithm to establish and update the model of usersinterests, which supply a real-time and accurate recommenda? tion to change the user study way and improve the efficiency of network teaching.

Key words: Personalized Recommendation; Users Interest Model; Immune Optimization Algorithm；dynamic interest update;network teaching

當前互聯(lián)網(wǎng)技術的成熟對教育教學的發(fā)展起到了相當大的推動作用，網(wǎng)絡教學這種全新的虛擬化教學方式突破了時間和地域的限制，提供了豐富的共享資源，每個處在網(wǎng)絡教學中的學習者，都可以享用這些優(yōu)秀的教學資源和豐富的信息資源。以數(shù)字化為基礎的信息技術應用到教育教學，引起了學習環(huán)境、數(shù)字化的學習資源和數(shù)字化的學習方式。信息技術的發(fā)展使的教育理念、教育目標、教育內(nèi)容、教育組織形式、教育資源、教育模式等很多方面發(fā)生了改變。以“教”為中心的傳統(tǒng)教學模式受到了巨大的挑戰(zhàn)，開始向著以“學”為中心的教學模式轉化，個別化學系、協(xié)作式學習、探究式學習和基于問題的學習等各種以“學”為中心的教學模式在教學逐漸得到采用。顯然，個性化的智能服務是網(wǎng)絡教學系統(tǒng)向智能化發(fā)展的一個重要方向。目前教學網(wǎng)絡教學平臺對技術的最大需求在于整合教育教學資源和整合用戶個性化信息的推薦服務。因此，怎樣將教育教學資源和個性化的推薦服務合理地整合，如何針對學生的專業(yè)類型和興趣需求特征等信息來確定教學的信息資源和服務內(nèi)容，從而實現(xiàn)以學生為中心的柔性化推薦服務，是網(wǎng)絡化教學系統(tǒng)需要研究和解決的問題。

1個性化教學資源推薦系統(tǒng)框架

該系統(tǒng)主要包含學生瀏覽日志挖掘、用戶興趣模型建立與更新和個性化推薦內(nèi)容生成三個模塊。根據(jù)WWW體系結構和網(wǎng)絡學習系統(tǒng)的特點，需要采用一種新的設計框架來處理挖掘程。該文采用挖掘學生歷史瀏覽行為(記錄在服務器日志中)和分析學生學習風格這兩種方法來構建學生模型，通過免疫遺傳算法優(yōu)化學生興趣模型，根據(jù)學生用戶的特點確定興趣度衰減函數(shù)，實現(xiàn)興趣模型的動態(tài)演進，最后根據(jù)學生興趣模型，利用推薦算法對學習內(nèi)容進行個性化推薦。通過分析和實驗確定相關的參數(shù)，與傳統(tǒng)方法作比較，實驗表明基于免疫遺傳優(yōu)化用戶興趣模型的方法具有一定的優(yōu)越性。該文所設計的個性化推薦系統(tǒng)框架如圖1所示。

2用戶興趣模型的建立與更新

2.1基于用戶行為的網(wǎng)頁興趣度的計算

大量研究表明用戶對網(wǎng)頁的興趣度與他在該網(wǎng)頁上的瀏覽行為密切相關。綜合文獻研究認為，用戶瀏覽時間和瀏覽次數(shù)可以作為判斷用戶網(wǎng)頁興趣度的有效因子，因此，該文從Cookie日志中中得到校園網(wǎng)每個IP的瀏覽行為數(shù)據(jù)，通過分析用戶對每個網(wǎng)頁的瀏覽時間t（P），同時結合用戶的翻頁/拉動滾動條次數(shù)r(P)，來判斷用戶對網(wǎng)頁的實際興趣度。網(wǎng)頁興趣度采用0-1間的實數(shù)表

該文對用戶訪問日志進行挖掘詳細描述了基于免疫優(yōu)化算法的用戶興趣模型建立與更新方法，最后實驗表明，采用該免疫優(yōu)化算法建立用戶興趣主題模型是可行的，將基于免疫優(yōu)化算法與傳統(tǒng)的基于信息增益建模的實驗作比較，結果表明，該文提出的基于免疫進化的用戶興趣建模方法具有一定的優(yōu)越性。該模型體現(xiàn)了以用戶為中心的思想,從用戶出發(fā),最終反饋到用戶,變被動為主動,能夠盡可能地反應每個學習者的學習興趣,并且不斷調整自己來適應學習者學習興趣的變化,進行個性化教學服務。該文的目標不是個性化到每個相似的用戶群體,而是個性化到每個不同的用戶,使每個用戶感覺到整個教育就是專門為他量身定做的過程。

[1] Shcafer J B. Konstommendation System in EC over Internet[J]. TamkangJournal of Science and Engineering, 2002, 5(3): 159-174.

[2]曾春,邢春曉,周立柱.個性化服務技術綜述[J].軟件學報,2002,13(10).

[3]余力,劉魯,羅掌華.我國電子商務推薦策略的比較分析[J].系統(tǒng)工程理論與實踐, 2004,24(8): 96-101.

[4] Chiu C F, Timothy K, Shih, et al. An Integrated Analysis Strategy and Mobile Agent Framework for Recommendation System in EC over Internet[J]. Tamkang Journal of Science and Engineering, 2002,5(3): 159-174.

[5] Adomavicius G, Tuzhilin A. Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions[J]. IEEE Transactions on Knowledge and Data Engineering, 2005，17(6):734-749.

[6] Berkovsky S. Ubiquitous user modeling in recommender systems[C]. User Modeling 2005，Proceedings, 2005:496-498.

[7] Girardi R, Marinho L B. A domain model of Web recommender systems based on usage mining and collaborative filtering[J].Requirements Engineering,2007,12(1):23-40.

[8] Middleton S E, Shadbolt N R, Roure D C. Ontological User Profiling in Recommender Systems[J]. ACM Transactions on Information Sys? tems, 2004, 22(1): 54-88.

[9]伍大清,陽小華,劉元劍,等.基于用戶模型的個性化信息檢索研究[J].計算技術與自動化,2008,12(9):231-235.

[10]伍大清.陽小華基于粗糙集理論的隱性知識決策[J].計算機系統(tǒng)應用,2008,12(3):151-154.