學(xué)習(xí)資源個性化推薦平臺的研究與設(shè)計

李寧　劉志勤　王耀彬

摘 要：本平臺通過引入社會化標(biāo)簽，改進了推薦算法，彌補了協(xié)同過濾算法的數(shù)據(jù)稀疏問題，通過社會化標(biāo)簽對學(xué)習(xí)資源進行標(biāo)注，進而計算出學(xué)習(xí)資源間的相似度，得到用戶對未評分資源的評分，填充了評分矩陣。本平臺對學(xué)習(xí)者和學(xué)習(xí)資源建模的過程進行了詳細(xì)的闡述，尤其注重了對學(xué)習(xí)者隱形數(shù)據(jù)的提取和收集，為學(xué)習(xí)者更準(zhǔn)確地推薦他們感興趣的學(xué)習(xí)資源。

關(guān)鍵詞：社會化標(biāo)簽；學(xué)習(xí)平臺；協(xié)同過濾

中圖分類號：TP311.56 文獻標(biāo)志碼：B 文章編號：1673-8454（2014）19-0044-04

引言

泛在學(xué)習(xí)是一種隨時隨地的、個性化的學(xué)習(xí)過程，是人們最喜歡的一種學(xué)習(xí)模式。泛在學(xué)習(xí)是現(xiàn)在信息社會最流行的一種非正式學(xué)習(xí)方式，它彌補了數(shù)字學(xué)習(xí)的不足和限制，也是構(gòu)建學(xué)習(xí)型社會的主要途徑之一。泛在學(xué)習(xí)環(huán)境中需要數(shù)量巨大的各類學(xué)習(xí)資源，但由于泛在學(xué)習(xí)的隨時隨地性與個性化等特點，學(xué)習(xí)主體對各類資源的需求層出不窮，如果能在數(shù)量巨大的各類學(xué)習(xí)資源中找到學(xué)習(xí)者需要的學(xué)習(xí)資源，屏蔽那些學(xué)習(xí)者不喜歡的學(xué)習(xí)資源，建立起這種學(xué)習(xí)者與學(xué)習(xí)資源的匹配機制，將大大提高學(xué)習(xí)者的學(xué)習(xí)效率。[1]不同的學(xué)習(xí)者興趣愛好不同，為不同的學(xué)習(xí)者提供自己喜歡的學(xué)習(xí)資源，讓學(xué)習(xí)資源來適應(yīng)學(xué)習(xí)者，這將是以后研究的熱點。

一、個性化學(xué)習(xí)的現(xiàn)狀

目前絕大多數(shù)的網(wǎng)絡(luò)學(xué)習(xí)資源平臺都可以對本平臺的資源進行管理，可以進行資源的分類瀏覽和基于關(guān)鍵知識點的資源檢索功能，當(dāng)不同的學(xué)習(xí)者訪問網(wǎng)絡(luò)學(xué)習(xí)資源平臺，平臺為所有學(xué)習(xí)者的服務(wù)是完全一樣的，未考慮每位學(xué)習(xí)者的個性化需求，不能為學(xué)習(xí)者提供他們需要的、想要的服務(wù)和需求。 “大量資源”和個性化學(xué)習(xí)網(wǎng)絡(luò)的人的需求之間的矛盾就已經(jīng)存在，這種矛盾的存在，一方面降低了資源的有效利用、造成了資源的浪費；另一方面給學(xué)習(xí)者使用資源帶來了諸多困難。[2]

個性化推薦是目前一種重要的解決“信息過載”問題和提供個性化服務(wù)的方案。個性化推薦是利用已有的Web用戶興趣愛好和行為信息，講web學(xué)習(xí)者和學(xué)習(xí)資源關(guān)聯(lián)起來，通過Web用戶與Web用戶、Web用戶與學(xué)習(xí)資源之間相似性、相關(guān)性關(guān)系挖掘和發(fā)現(xiàn)學(xué)習(xí)者潛在感興趣的學(xué)習(xí)資源，進而對Web學(xué)習(xí)者進行個性化推薦服務(wù)。本質(zhì)上是對信息進行帥選、提取，它根據(jù)Web用戶的偏好、興趣等，對其提供具有個性化特征的信息產(chǎn)品推薦。

二、推薦策略的組合使用

1.社會化標(biāo)簽的引入

社會化標(biāo)簽是近幾年新使用的一種標(biāo)注網(wǎng)絡(luò)資源的工具，其思想是根據(jù)用戶的訪問內(nèi)容來判斷用戶的行為和需求，和基于內(nèi)容的推薦很類似?；趦?nèi)容的推薦技術(shù)是以資源信息為研究對象，利用信息檢索技術(shù)來分析項目的內(nèi)容，通常應(yīng)用鄰居函數(shù)和分類技術(shù)來分析和聚類項目的文本內(nèi)容，并基于項目特征與用戶檔案產(chǎn)生推薦。[3]通過使用社會化標(biāo)簽，資源信息變得更加準(zhǔn)確和明白，進而給資源信息定義了一種新的社會屬性。

標(biāo)簽由用戶定義，反應(yīng)了用戶的興趣偏好，我們可以通過分析用戶標(biāo)簽來判斷出用戶的興趣愛好。同時，標(biāo)簽表達了與資源之間的語義關(guān)系，可以用來分析資源的潛在屬性。我們可以根據(jù)標(biāo)簽建立相似資源集，為目標(biāo)用戶找到感興趣的學(xué)習(xí)資源，同時社會化標(biāo)簽還提供了解決冷啟動問題的方法。

因為標(biāo)簽可以由用戶自己定義，會遇到同義詞標(biāo)簽的問題，解決方法為：通過窮舉的方式查詢同義詞庫，對同義詞標(biāo)簽進行歸一。

2.協(xié)同過濾算法的改進

（1）通過社會化標(biāo)簽計算資源之間的相似度

對于新增的學(xué)習(xí)者，由于學(xué)習(xí)者對資源的評分很少，不能進行很好的協(xié)同過濾的推薦，這就是冷啟動問題。這里我們根據(jù)用戶注冊時填寫的興趣標(biāo)簽，向?qū)W習(xí)者推送學(xué)習(xí)者所感興趣標(biāo)簽相似度最大的資源。

對于評分?jǐn)?shù)據(jù)稀疏的問題，我們通過社會化標(biāo)簽計算資源之間的相似度，通過資源間的相似度來對評分矩陣進行進一步的填充。其流程如圖1所示。

1）計算資源之間的相似度。這里使用向量空間模型（VSM）對資源和社會化標(biāo)簽進行描述，向量空間模型就是用一組關(guān)鍵詞及其權(quán)重（形如（（key1，weighty1），（key2，weight2），（key3，weighty3），（keyn，weightyn）），其中n為關(guān)鍵詞維度）。這里的關(guān)鍵詞即轉(zhuǎn)換為社會化標(biāo)簽，而權(quán)重通過TF-IDF算法計算得來（具體計算時，對于資源——標(biāo)簽，weight的計算公式為：tag在該資源中年出現(xiàn)的次數(shù)/該資源所有的標(biāo)簽數(shù) + tag標(biāo)識過的資源數(shù)量/總的資源數(shù)量），形成（tag1，weight1）， （tag2，weight2）， （tag3，weight3）……（tagn，weightn）再根據(jù)標(biāo)簽和資源形成資源—標(biāo)簽矩陣表。[4]

2）通過Pearson算法計算資源之間的相似度，選取相似度最大K個資源。Pearson算法：Tij表示標(biāo)簽i和標(biāo)簽j所標(biāo)注的資源的交集，j表示標(biāo)簽j所占的平均權(quán)重，i表示標(biāo)簽i所占的平均權(quán)重。

3）根據(jù)資源的相似度來填充學(xué)習(xí)者——資源評分矩陣，解決數(shù)據(jù)稀疏問題。相似資源的集合Su，Rn，表示資源n的評分，sim（u，n）表示資源u、n的相似度，u表示資源u所得到的平均評分。

（2）通過協(xié)同過濾算法得到最相似的Top-N個學(xué)習(xí)者

協(xié)同過濾算法是根據(jù)學(xué)習(xí)者和資源的評分矩陣，計算出學(xué)習(xí)者之間的相似度，來推算出那些學(xué)習(xí)者沒有進行評分的資源的評分，并且系統(tǒng)綜合學(xué)習(xí)者的興趣愛好，給學(xué)習(xí)者推送他們可能會評分高的資源[10]?；趨f(xié)同過濾的個性化推薦具體流程：

1）得到m個用戶對n個資源的評分矩陣。

2）通過Pearson算法計算用戶的相似度，選取相似度最大的前k個用戶。

Pearson算法：Iij表示用戶i評過分的項目和j評過分的項目的交集，j表示用戶j評分的平均分。endprint

3）根據(jù)用戶的相似度得到用戶對其他的沒有評過分的項目的評分，產(chǎn)生推薦。相似用戶的集合Su，Rn，j表示用戶n對項目i的評分，sim（u，n）表示用戶u、n的相似度，u表示用戶u對項目的平均評分。

三、學(xué)習(xí)平臺的架構(gòu)

本學(xué)習(xí)平臺設(shè)計主要分為三部分：學(xué)習(xí)者管理模塊、資源管理模塊、個性化推薦模塊。其總體架構(gòu)如圖2所示。

學(xué)習(xí)資源建設(shè)主要通過兩種方式：服務(wù)器中存放的大部分的學(xué)習(xí)資源、學(xué)習(xí)者自己上傳自己感興趣的資源。學(xué)習(xí)者模塊主要是記錄學(xué)習(xí)者的學(xué)習(xí)情況，分析學(xué)習(xí)者的興趣愛好。學(xué)習(xí)者和資源之間有一個資源描述文件，該文件記錄了資源本身的內(nèi)容特征、學(xué)習(xí)者訪問的次數(shù)、訪問的時間和各種行為，形成一種學(xué)習(xí)者和資源之間的關(guān)系表。

個性化推薦模塊是平臺的主要功能模塊。該模塊中最主要的是推薦算法，推薦算法的使用直接會影響到本系統(tǒng)的準(zhǔn)確性。該平臺采組合使用了多種推薦算法，引入了社會化標(biāo)簽，并且對協(xié)同過濾算法做了一定的改進。

四、學(xué)習(xí)者模型和資源模型的具體構(gòu)建

1.學(xué)習(xí)者模型

對學(xué)習(xí)者的學(xué)習(xí)興趣抽取，并對興趣愛好進行量化，建立學(xué)習(xí)者模型，并且不斷地更新用戶的興趣變化，進一步地完善學(xué)習(xí)者模型，凸顯出以學(xué)習(xí)者為中心的學(xué)習(xí)理念[2]。其創(chuàng)建流程如圖3所示。

（1）顯性數(shù)據(jù)的獲取

顯性數(shù)據(jù)主要包括學(xué)習(xí)者注冊時填寫的學(xué)習(xí)者的基本學(xué)習(xí)情況和相關(guān)的興趣愛好以及學(xué)習(xí)者的直接評分和評價。學(xué)習(xí)者注冊信息主要有學(xué)習(xí)者的教育層次、正在學(xué)習(xí)的課程資源、使用的資源標(biāo)簽、喜歡觀看視頻還是文字等。其相關(guān)數(shù)據(jù)如表所示。

（2）隱性數(shù)據(jù)的獲取

學(xué)習(xí)者在平臺中學(xué)習(xí)時，對學(xué)習(xí)資源就會產(chǎn)生收藏、下載、瀏覽、在頁面停留的時間、瀏覽的次數(shù)和評價等學(xué)習(xí)行為，這些學(xué)習(xí)行為就表現(xiàn)出了他的學(xué)習(xí)興趣，我們將學(xué)習(xí)者的學(xué)習(xí)動作收集并記錄下來。根據(jù)學(xué)習(xí)者的行為的不同進行打分，作為學(xué)習(xí)者對資源的評分。[5]例如：瀏覽一次得2分、瀏覽并且收藏了得4.5分等。

用戶特征的提取中，不同用戶的瀏覽行為反映了不同用戶的興趣愛好，而且，用戶的興趣總會隨著時間的變化，具有一定的漂移性，動態(tài)轉(zhuǎn)移的。這樣，在用戶模型中，用戶的興趣度值也會相應(yīng)變化的；用戶對感興趣的資源也會在一段時間內(nèi)是高頻點擊瀏覽的，時間也是會越長的，那么，用戶就會對其相應(yīng)感興趣的資源的興趣度值也會提高。[6]

2.學(xué)習(xí)資源模型

學(xué)習(xí)資源是學(xué)習(xí)者學(xué)習(xí)、交流、互動的根本和媒介，建立符合學(xué)習(xí)者的學(xué)習(xí)資源模型同樣重要，目前大多數(shù)學(xué)習(xí)資源的建立都是根據(jù)學(xué)習(xí)者的學(xué)習(xí)需求建立的，但是學(xué)習(xí)資源之間的聯(lián)系很松散，學(xué)習(xí)資源都是在雜亂無序的生長，所以我們對學(xué)習(xí)資源進行統(tǒng)一的管理和歸類。[7]

學(xué)習(xí)資源分為學(xué)習(xí)主題、學(xué)習(xí)文檔、學(xué)習(xí)序列，每個資源都必須要用兩個以上的標(biāo)簽進行標(biāo)注，這樣每個學(xué)習(xí)資源都用標(biāo)簽來代替，標(biāo)簽的引入有助于對資源內(nèi)容進行分類，實現(xiàn)資源的統(tǒng)一管理和高度共享。

五、展望

1.推薦系統(tǒng)實時性的提高

推薦系統(tǒng)都需要學(xué)習(xí)者的反饋，所以會產(chǎn)生一個冷啟動的問題，一個新的資源很難很快地推薦給學(xué)習(xí)者。如果系統(tǒng)可以及時地向?qū)W習(xí)者推薦新的學(xué)習(xí)資源，推薦的質(zhì)量就要受到很大的影響，如何保證這兩個的協(xié)調(diào)需要進一步的研究。

2.深化學(xué)習(xí)資源特征的描述

可以把學(xué)習(xí)資源先根據(jù)某些標(biāo)準(zhǔn)進行分類，并且和學(xué)習(xí)者的教育級別相結(jié)合，在大的方向上向?qū)W習(xí)者推薦。隨著信息時代的發(fā)展，信息量的擴大，數(shù)據(jù)挖掘技術(shù)的發(fā)展，我們可以將協(xié)同過濾算法和數(shù)據(jù)挖掘相結(jié)合，向?qū)W習(xí)者更準(zhǔn)確地推薦學(xué)習(xí)資源。同時加大對新的資源的引入和分類，將信息更及時地推向給學(xué)習(xí)者。

參考文獻：

[1]楊麗娜，肖克曦，劉淑霞.面向泛在學(xué)習(xí)環(huán)境的個性化資源服務(wù)框架[J].中國電化教育，2012（7）：84-88.

[2]楊麗娜，顏志軍，孟昭寬.基于個性化推薦思想的虛擬社區(qū)學(xué)習(xí)共同體動態(tài)構(gòu)建[J].現(xiàn)代教育技術(shù)，2012（1）：88-92.

[3]王永固.基于協(xié)同過濾技術(shù)的學(xué)習(xí)資源個性化推薦研究[J].遠程教育雜志，2011（3）： 66-71.

[4]李高敏.基于協(xié)同過濾的教學(xué)資源個性化推薦技術(shù)的研究及應(yīng)用[D].北京交通大學(xué)，2011：58.

[5]程成.基于社會化標(biāo)簽和混合模式的教學(xué)資源個性化推薦系統(tǒng)的設(shè)計[D].北京交通大學(xué)，2012：66.

[6]余勝泉，楊現(xiàn)民，程罡.泛在學(xué)習(xí)環(huán)境中的學(xué)習(xí)資源設(shè)計與共享——學(xué)習(xí)元的理念與結(jié)構(gòu)[J].開放教育研究，2009，15（1）：47-53.

[7]韓李俠.網(wǎng)絡(luò)資源個性化推薦技術(shù)研究及應(yīng)用[D].西北大學(xué)，2012：79.

（編輯：楊馥紅）endprint