基于貝葉斯與FCM的金融教學(xué)資源庫(kù)構(gòu)建與推送研究

張笑言

（1.湖南大眾傳媒職業(yè)技術(shù)學(xué)院管理學(xué)院，湖南長(zhǎng)沙410100；2.中南大學(xué)，湖南長(zhǎng)沙410001）

基于貝葉斯與FCM的金融教學(xué)資源庫(kù)構(gòu)建與推送研究

張笑言1，2

（1.湖南大眾傳媒職業(yè)技術(shù)學(xué)院管理學(xué)院，湖南長(zhǎng)沙410100；2.中南大學(xué)，湖南長(zhǎng)沙410001）

隨著互聯(lián)網(wǎng)和信息技術(shù)的快速發(fā)展，有必要建立完善的金融教學(xué)資源庫(kù)，促進(jìn)資源交流和社會(huì)服務(wù)。針對(duì)目前國(guó)內(nèi)金融類(lèi)教學(xué)資源零散、低效的情況，研究大數(shù)據(jù)背景下基于貝葉斯模型的金融教學(xué)資源的構(gòu)建與推送。通過(guò)分析金融教學(xué)資源的內(nèi)容，利用模糊C均值聚類(lèi)算法 （FCM）分析教學(xué)資源間的關(guān)聯(lián)關(guān)系，構(gòu)建教學(xué)資源網(wǎng)絡(luò)，并用實(shí)例驗(yàn)證了該模型對(duì)資源庫(kù)的管理水平和用戶(hù)的檢索效率的有效性。

貝葉斯模型；模糊C均值聚類(lèi)；金融教學(xué)資源庫(kù)；推送系統(tǒng)；大數(shù)據(jù)

一、引言

現(xiàn)代社會(huì)強(qiáng)調(diào)大學(xué)特別是職業(yè)學(xué)院的社會(huì)服務(wù)和資源共享功能。隨著互聯(lián)網(wǎng)和信息科技的發(fā)展，越來(lái)越多的大學(xué)將自己的教學(xué)資源，如電子課件、教學(xué)視頻等放在網(wǎng)上共享，甚至還出現(xiàn)了專(zhuān)門(mén)為大眾提供網(wǎng)絡(luò)學(xué)習(xí)的課程。金融專(zhuān)業(yè)作為經(jīng)濟(jì)管理類(lèi)的老牌專(zhuān)業(yè)，隨著我國(guó)金融市場(chǎng)的不斷開(kāi)放與發(fā)展，不僅在大學(xué)里受到廣泛親睞，社會(huì)上對(duì)金融知識(shí)的需求也日益強(qiáng)烈。國(guó)外很多世界知名大學(xué)已經(jīng)把金融的相關(guān)教學(xué)資源放在互聯(lián)網(wǎng)上供公眾學(xué)習(xí)，如美國(guó)西南大學(xué)的投資學(xué)入門(mén)、哥倫比亞大學(xué)的房地產(chǎn)金融學(xué)、耶魯大學(xué)的金融理論等，全球領(lǐng)先的開(kāi)放課程平臺(tái)提供者Coursera免費(fèi)提供金融工程與風(fēng)險(xiǎn)管理、企業(yè)金融學(xué)概論等課程，學(xué)生可以在線學(xué)習(xí)、寫(xiě)作業(yè)和考試，甚至還可拿到相應(yīng)的證書(shū)。我國(guó)近年來(lái)在金融教學(xué)資源的共享上也做出了一些嘗試，如北京交通大學(xué)的網(wǎng)上公開(kāi)課“金融與生活”，武漢理工大學(xué)公開(kāi)課“改變世界的電子支付”，以湖南省大專(zhuān)院校為依托的“世界大學(xué)城”等。但隨著金融教學(xué)資源越來(lái)越多，來(lái)源越來(lái)越廣，人們很難從中快速檢索到自己所需要的資源，往往耗費(fèi)大量時(shí)間卻沒(méi)有找到自己需要的資源。

目前國(guó)內(nèi)已有不少關(guān)于教學(xué)資源庫(kù)建設(shè)的研究，如朱維巍[1]分析了高職院校教學(xué)資源庫(kù)網(wǎng)絡(luò)化建設(shè)和應(yīng)用的現(xiàn)狀與問(wèn)題,并在此基礎(chǔ)上提出了幾點(diǎn)建議。方東傅[2]就高職共享型專(zhuān)業(yè)教學(xué)資源庫(kù)的體系架構(gòu)、資源庫(kù)網(wǎng)絡(luò)信息資源建設(shè)、實(shí)驗(yàn)實(shí)訓(xùn)資源共享平臺(tái)建設(shè)等方面進(jìn)行探討。大部分文獻(xiàn)主要定性為對(duì)資源庫(kù)的架構(gòu)進(jìn)行探討，實(shí)踐指導(dǎo)意義不大，也有一些學(xué)者從數(shù)據(jù)庫(kù)等技術(shù)角度探討了資源庫(kù)的構(gòu)建，如梁斌、巫于斌[3]設(shè)計(jì)了知識(shí)管理工具開(kāi)發(fā)模型圖,同時(shí),探討了知識(shí)管理工具在網(wǎng)絡(luò)教學(xué)中的應(yīng)用。徐佳寧[4]從服務(wù)目標(biāo)、信息組織原則、資源采集、本地化技術(shù)、數(shù)據(jù)庫(kù)結(jié)構(gòu)、網(wǎng)站框架等方面探討高校教學(xué)信息資源平臺(tái)的構(gòu)建策略和實(shí)現(xiàn)方法。然而，這些研究中缺少對(duì)教學(xué)資源進(jìn)行整合優(yōu)化和推送的研究，基于金融方面的教學(xué)資源庫(kù)建設(shè)和推送研究更是寥寥無(wú)幾。因此，本文通過(guò)分析金融相關(guān)教學(xué)資源的內(nèi)容和特點(diǎn)，利用模糊C均值理論（FCM）和貝葉斯模型研究金融教學(xué)資源的知識(shí)推送模型和面向推送的資源庫(kù)的構(gòu)建，讓用戶(hù)能快速、準(zhǔn)確、高效地找到其需要的資源。

二、金融教學(xué)資源庫(kù)構(gòu)建

1、金融教學(xué)資源庫(kù)的內(nèi)容

金融資源庫(kù)的內(nèi)容應(yīng)包括：(1)課程教學(xué)類(lèi)資源，包括課程大綱教案、多媒體課件、電子教材參考書(shū)等；(2)素材工具類(lèi)資源，包括換算表、應(yīng)用軟件、工具書(shū)等；(3)習(xí)題試題類(lèi)資源，包括與教材配套習(xí)題、試題庫(kù)等；(4)實(shí)訓(xùn)實(shí)踐類(lèi)資源，包括實(shí)訓(xùn)計(jì)劃要求、頂崗實(shí)習(xí)指導(dǎo)、考核要求等；(5)研究論文類(lèi)資源，包括期刊論文、學(xué)位論文、教學(xué)心得等。（6）多媒體案例資源，包括文字型和多媒體案例、討論要求等[4]。

2、資源的融合與資源網(wǎng)絡(luò)構(gòu)建

金融教學(xué)資源庫(kù)匯集了全國(guó)多家學(xué)校上百位教師的教學(xué)資源，且不斷處于更新中，這就要求將不同來(lái)源的資源進(jìn)行整合，找出資源之間的相互關(guān)系，構(gòu)建資源網(wǎng)絡(luò)。本文通過(guò)模糊C均值聚類(lèi)，實(shí)現(xiàn)資源融合和網(wǎng)絡(luò)的構(gòu)建。

FCM算法是一種柔性的模糊劃分，劃分區(qū)域之間互相重疊，數(shù)據(jù)是否隸屬于某一聚類(lèi)是由隸屬程度決定的，隸屬程度在0到1之間[5]。從形式上看，假設(shè)有N組數(shù)據(jù)，其中n代表數(shù)據(jù)個(gè)數(shù)，h代表每個(gè)數(shù)據(jù)的維度，F(xiàn)CM就是把這n組數(shù)據(jù)劃分到C個(gè)聚類(lèi)中，隸屬度為uij∈[0,1]，代表第i組數(shù)對(duì)聚類(lèi)j的隸屬度。隸屬度的計(jì)算采用目前最廣泛使用的模糊加權(quán)目標(biāo)函數(shù)J作為優(yōu)化約束：

其中V為聚類(lèi)中心向量，代表歐氏距離。運(yùn)用迭代方法不斷尋找最佳聚類(lèi)中心，直到目標(biāo)函數(shù)J達(dá)到指定數(shù)值或迭代次數(shù)完成。

這樣我們就可以得到一個(gè)隸屬矩陣U=[uij]。通過(guò)模糊聚類(lèi)，將相似程度高的資源融合在一起，并利用隸屬度構(gòu)建資源網(wǎng)絡(luò)。聚類(lèi)數(shù)的選取是FCM的關(guān)鍵問(wèn)題，一般評(píng)價(jià)函數(shù)[6]對(duì)其進(jìn)行判別。使評(píng)價(jià)函數(shù)最小的聚類(lèi)結(jié)果所對(duì)應(yīng)的聚類(lèi)數(shù)作為最優(yōu)聚類(lèi)數(shù)，評(píng)價(jià)函數(shù)為公式（2）。

以上獲得的聚類(lèi)結(jié)果，用歐氏距離計(jì)算各資源間的距離，即關(guān)聯(lián)關(guān)系，就構(gòu)成了資源網(wǎng)絡(luò)[7]，用于存儲(chǔ)和快速搜索相關(guān)資源。

三、金融教學(xué)資源推送系統(tǒng)

1、推送系統(tǒng)構(gòu)建

為了實(shí)現(xiàn)金融教學(xué)資源的快速有效推送，首先需要對(duì)用戶(hù)的資源需求進(jìn)行分解。用戶(hù)由于不同的目的對(duì)教學(xué)資源有所需求，該需求又可以分解為若干子需求。不同的用戶(hù)，根據(jù)其知識(shí)構(gòu)成、所處行業(yè)等的不同，同樣的目標(biāo)所需的資源內(nèi)容層次也是不一樣的。在金融教學(xué)資源推送系統(tǒng)中，用戶(hù)輸入查詢(xún)目的，系統(tǒng)根據(jù)用戶(hù)的自身情況推送出最適合的教學(xué)資源。知識(shí)推送可以采用基于語(yǔ)境框架的文本相似度模型[8]，但該方法檢索準(zhǔn)確率低，不適用于模糊性大的需求檢索。利用案例推理進(jìn)行知識(shí)推送適用于檢索本體差異性小的情況[9]，而教學(xué)資源本身差異性大，很難計(jì)算出它們之間的相似度。鑒于大部分教學(xué)資源都是在互聯(lián)網(wǎng)平臺(tái)呈現(xiàn)和實(shí)現(xiàn)交互式服務(wù)，本文利用大數(shù)據(jù)預(yù)測(cè)推理思想，從互聯(lián)網(wǎng)已有的金融教學(xué)資源檢索使用數(shù)據(jù)利用貝葉斯方法建模，分析用戶(hù)信息與教學(xué)資源間的相關(guān)關(guān)系，從而達(dá)到快速準(zhǔn)確推送的目的。具體推送系統(tǒng)如圖1所示。該系統(tǒng)包括6個(gè)模塊：資源存放模塊、資源管理模塊、資源檢索模塊、資源推送模塊、資源需求模塊和推送任務(wù)模塊。

圖1 金融教學(xué)資源推送系統(tǒng)框架構(gòu)建

2.大數(shù)據(jù)背景下基于貝葉斯分類(lèi)模型的資源推送規(guī)則

隨著互聯(lián)網(wǎng)的發(fā)展和數(shù)據(jù)存儲(chǔ)處理能力的提高，利用網(wǎng)上的海量數(shù)據(jù)進(jìn)行商業(yè)管理、學(xué)術(shù)研究等已經(jīng)成為大勢(shì)所趨。利用大數(shù)據(jù)，不用分析出數(shù)據(jù)間的因果關(guān)系，只要找到它們之間的相關(guān)關(guān)系，就能進(jìn)行預(yù)測(cè)，且一般來(lái)說(shuō)數(shù)據(jù)越多預(yù)測(cè)效果越好[10]。本文利用貝葉斯分類(lèi)模型求解資源推送規(guī)則。

貝葉斯分類(lèi)算法首先將用戶(hù)信息I轉(zhuǎn)化為特征向量，其中代表用戶(hù)的某一個(gè)屬性或需求。設(shè)相應(yīng)的概率向量為，表示每一特征向量對(duì)應(yīng)的概率。將教學(xué)資源也轉(zhuǎn)換成特征向量和相應(yīng)的概率。當(dāng)某一用戶(hù)信息I出現(xiàn)時(shí)需要資源Ri的概率可表示為：

其中，為信息I發(fā)生的概率，表示資源Ri被檢索到的先驗(yàn)概率，為Ri被檢索時(shí)信息I發(fā)生的條件概率。上述公式都關(guān)鍵在于如何計(jì)算，本文利用貝葉斯多項(xiàng)式模型求解。

四、應(yīng)用實(shí)例

以某網(wǎng)站推出的公開(kāi)課中與金融有關(guān)的課程驗(yàn)證本文提出的數(shù)據(jù)庫(kù)構(gòu)建和推送模型的有效性。在網(wǎng)站首頁(yè)搜索關(guān)鍵詞—“金融”，共搜索出37門(mén)課程，提取出課程相關(guān)屬性，包括關(guān)鍵詞、課時(shí)、學(xué)校和時(shí)間，如表1所示。另外，根據(jù)網(wǎng)站內(nèi)部資料，得到100,000用戶(hù)的個(gè)人信息和所學(xué)習(xí)的課程，根據(jù)相關(guān)數(shù)據(jù)可以預(yù)測(cè)某一用戶(hù)適合的教學(xué)資源。

表1 金融課程屬性

1、數(shù)據(jù)預(yù)處理

由于表1中課程的大部分屬性為文本型數(shù)據(jù)，需要首先對(duì)數(shù)據(jù)進(jìn)行處理。對(duì)于“關(guān)鍵詞”這個(gè)文本屬性，由于里面包含很多符號(hào)型數(shù)據(jù)，且數(shù)目不等，可以將每一個(gè)關(guān)鍵詞作為一個(gè)屬性，將其轉(zhuǎn)化為0-1型數(shù)據(jù)，“學(xué)?！笨上鄳?yīng)轉(zhuǎn)化為整數(shù)型數(shù)據(jù)“1,2,3,4,……”或單字符型數(shù)據(jù)“a,b,c,d……”。整理后的數(shù)據(jù)如表2所示：

表2 調(diào)整后的課程資源屬性

圖2課程資源網(wǎng)絡(luò)與聚類(lèi)

2、課程資源推送規(guī)則驗(yàn)證

利用貝葉斯方法用戶(hù)根據(jù)個(gè)人信息預(yù)測(cè)其金融教學(xué)資源需求。采用100,000個(gè)用戶(hù)的資料，其中90,000組資料為訓(xùn)練數(shù)據(jù)，10,000組資料為測(cè)試數(shù)據(jù)。預(yù)測(cè)結(jié)果顯示預(yù)測(cè)誤差為18.7%。將貝葉斯預(yù)測(cè)方法與神經(jīng)網(wǎng)絡(luò)方法[11]、線性回歸法和案例推理法[12]進(jìn)行比較，比較結(jié)果如表3所示。

表3 預(yù)測(cè)誤差比較

由表3可見(jiàn)，本文所提的貝葉斯方法在預(yù)測(cè)的準(zhǔn)確率上要明顯優(yōu)于其他預(yù)測(cè)方法。但本方法主要適用于數(shù)據(jù)量很大的情況，運(yùn)行速度快，準(zhǔn)確率高，對(duì)于基于網(wǎng)絡(luò)的金融資源庫(kù)來(lái)說(shuō)是合適的預(yù)測(cè)方法。利用該方法可以較快、準(zhǔn)確地預(yù)測(cè)用戶(hù)的教學(xué)資源需求，為其推送適合的資源，提高資源庫(kù)的查詢(xún)速度和利用效率。

五、總結(jié)

本文結(jié)合金融教學(xué)資源特點(diǎn)，提出基于貝葉斯模型的資源推送模型和基于FCM的資源融合和網(wǎng)絡(luò)構(gòu)建機(jī)制，注重金融教學(xué)資源的開(kāi)放性、擴(kuò)展性和更新性，用數(shù)據(jù)挖掘方法找出資源間的關(guān)聯(lián)關(guān)系，有效實(shí)現(xiàn)資源融合，使其能快速有效地推送給需要的用戶(hù)手中。本文利用先進(jìn)的數(shù)據(jù)分析方法構(gòu)建金融教學(xué)資源的推送系統(tǒng)，使資源庫(kù)的構(gòu)建維護(hù)從僅憑“經(jīng)驗(yàn)”轉(zhuǎn)為“經(jīng)驗(yàn)加系統(tǒng)支持”的模式，使其更自動(dòng)化與智能化，提高構(gòu)建和維護(hù)的效率。

[1]朱維巍.高職院校教學(xué)資源庫(kù)網(wǎng)絡(luò)化建設(shè)與應(yīng)用研究[J].中國(guó)職業(yè)技術(shù)教育,2011,(11)：68-72.

[2]方東傅.高職共享型專(zhuān)業(yè)教學(xué)資源庫(kù)建設(shè)策略的研究[J].實(shí)驗(yàn)室研究與探索,2007,26(6)：157-159.

[3]梁斌,巫玉斌.網(wǎng)絡(luò)教學(xué)資源庫(kù)系統(tǒng)中知識(shí)管理工具的設(shè)計(jì)與應(yīng)用[J].中國(guó)遠(yuǎn)程教育,2007,(2)：71-75.

[4]徐佳寧.面向?qū)ο蟮膶W(xué)科教學(xué)資源平臺(tái)的構(gòu)建研究[J].現(xiàn)代情報(bào),2007,27(3)：192-194.

[5]Ceylan,R.,Y.?zbay.Comparison of FCM,PCA and WT techniques for classification ECG arrhythmias using artificial neural network[J].Expert Systems with Applications,2007,33(2)：286-295.

[6]Xie,X.L.,G.Beni.A validity measure for fuzzy clustering[J].Pattern Analysis and Machine Intelligence,IEEE Transactions on,1991, 13(8)：841-847.

[7]曹霞,劉國(guó)巍,付向梅等.基于網(wǎng)絡(luò)視角的知識(shí)整合過(guò)程機(jī)理及仿真[J].科學(xué)學(xué)研究,2012,30(6)：886-894.

[8]趙楊.基于語(yǔ)義網(wǎng)格的數(shù)字圖書(shū)館知識(shí)推送服務(wù)系統(tǒng)研究[J].情報(bào)科學(xué),2008,25(12)：1869-1873.

[9]蔣翠清,李斌生,陸文星.基于實(shí)例庫(kù)的機(jī)械產(chǎn)品協(xié)同設(shè)計(jì)知識(shí)推送研究[J].機(jī)械設(shè)計(jì)與制造,2012,(1)：257-259.

[10]Junqué de Fortuny,E.,D.Martens,F.Provost.Predictive Modeling With Big Data：Is Bigger Really Better?[J].Big Data,2013,1(4)：215-226.

[11]張德豐.MATLAB神經(jīng)網(wǎng)絡(luò)編程[M].北京：化學(xué)工業(yè)出版社, 2011.

[12]韓敏,王心哲,李洋等.基于貝葉斯粗糙集和混合專(zhuān)家模型的CBR系統(tǒng)[J].控制與決策,2013,28(1)：157-158.

G40-057

A

1671-5136(2016)03-0118-03

2016-09-12

本文為湖南大眾傳媒職業(yè)技術(shù)學(xué)院教研教改課題《高職金融類(lèi)教學(xué)資源庫(kù)整合與推廣研究》（項(xiàng)目編號(hào)：14JY15）的階段性研究成果。

張笑言（1984—），女，湖南長(zhǎng)沙人，湖南大眾傳媒職業(yè)技術(shù)學(xué)院講師、中南大學(xué)商學(xué)院在讀博士。研究方向：金融投資、信息系統(tǒng)與決策支持技術(shù)、現(xiàn)代成本管理。