基于深度學(xué)習(xí)的智能學(xué)習(xí)平臺(tái)的分析和設(shè)計(jì)

林碧芬

（福州職業(yè)技術(shù)學(xué)院 福建 福州 350000）

1 基于深度學(xué)習(xí)的搜索和預(yù)測(cè)

深度學(xué)習(xí)是一類算法集合，是機(jī)器學(xué)習(xí)的一個(gè)分支，它將特征提取和分類結(jié)合到一個(gè)框架中，用數(shù)據(jù)學(xué)習(xí)特征，是一種可以自動(dòng)學(xué)習(xí)特征的方法。深度學(xué)習(xí)嘗試為數(shù)據(jù)的高層次摘要進(jìn)行建模，把原始的數(shù)據(jù)通過非線性的復(fù)雜模型轉(zhuǎn)換為更高層次、更抽象的表達(dá)。簡(jiǎn)單來說，假設(shè)有兩組神經(jīng)元，一個(gè)是接受輸入的信號(hào)，一個(gè)是發(fā)送輸出的信號(hào)。當(dāng)輸入層接收到輸入信號(hào)的時(shí)候，它將輸入層做一個(gè)簡(jiǎn)單的修改并傳遞給下一層。在一個(gè)深度網(wǎng)絡(luò)中，輸入層與輸出層之間可以有很多的層，算法使用多個(gè)處理層對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換，最終得到某一種判斷的結(jié)果，從終端的層發(fā)送最終的輸出信號(hào)。

隨著人工智能和大數(shù)據(jù)的興起，深度學(xué)習(xí)技術(shù)的發(fā)展發(fā)揮著巨大的推動(dòng)作用，引領(lǐng)各個(gè)領(lǐng)域紛紛從傳統(tǒng)方法到深度學(xué)習(xí)方法進(jìn)行轉(zhuǎn)變。深度學(xué)習(xí)的應(yīng)用領(lǐng)域在不斷擴(kuò)大，在圖像識(shí)別、語音識(shí)別、搜索引擎、機(jī)器翻譯、醫(yī)療診斷、金融預(yù)測(cè)等領(lǐng)域都得以成功應(yīng)用，并且相關(guān)方法和技術(shù)日益成熟。深度學(xué)習(xí)在圖片，語音等感知領(lǐng)域已經(jīng)處于領(lǐng)導(dǎo)地位，在自然語言處理領(lǐng)域也不斷取得突破。

例如，搜索作為以自然語言呈現(xiàn)的最主要的應(yīng)用，對(duì)自然語言理解以及語義匹配都有著非常高的要求，深度學(xué)習(xí)技術(shù)在搜索應(yīng)用上，可應(yīng)用于文本分析、語義匹配、搜索引擎排序模型等。據(jù)媒體報(bào)道，國內(nèi)幾個(gè)知名搜索引擎，都應(yīng)用了深度學(xué)習(xí)來解決自然語言理解和語義匹配的問題，甚至深度學(xué)習(xí)技術(shù)在搜索引擎中已經(jīng)起到一個(gè)重要的技術(shù)支撐作用。

而在預(yù)測(cè)方面，深度學(xué)習(xí)技術(shù)也施展著它的不凡身手。在電子商務(wù)領(lǐng)域，深度學(xué)習(xí)技術(shù)能夠?qū)οM(fèi)者進(jìn)行精準(zhǔn)營銷，為用戶推薦感興趣的產(chǎn)品廣告；在金融領(lǐng)域，深度學(xué)習(xí)技術(shù)可以用來預(yù)測(cè)股價(jià)，還可以用來識(shí)別欺詐；在政務(wù)監(jiān)管領(lǐng)域，深度學(xué)習(xí)技術(shù)能夠?qū)浨檫M(jìn)行監(jiān)測(cè)分析，預(yù)測(cè)輿情情感走向，為政務(wù)決策提供幫助。

在教學(xué)領(lǐng)域，我們認(rèn)為，深度學(xué)習(xí)在搜索和預(yù)測(cè)方面的作用，可以應(yīng)用到學(xué)生學(xué)習(xí)平臺(tái)的設(shè)計(jì)當(dāng)中。應(yīng)用基于深度學(xué)習(xí)的搜索和預(yù)測(cè)功能，能夠幫我們?cè)O(shè)計(jì)出一個(gè)更貼合個(gè)體學(xué)習(xí)習(xí)慣的智能學(xué)習(xí)平臺(tái)。

2 應(yīng)用深度學(xué)習(xí)的技術(shù)可行性分析

一般來說，深度學(xué)習(xí)需要三個(gè)核心的要素：算法設(shè)計(jì)、高性能計(jì)算能力、大數(shù)據(jù)。其中，高性能計(jì)算能力屬于硬件范疇，在此不進(jìn)行討論。下面就算法設(shè)計(jì)和大數(shù)據(jù)兩個(gè)方面，分析一下基于深度學(xué)習(xí)的智能學(xué)習(xí)平臺(tái)開發(fā)的技術(shù)可行性。

2.1 關(guān)于算法

曾經(jīng)有人對(duì)深度學(xué)習(xí)的描述是：簡(jiǎn)單的說，深度學(xué)習(xí)就是一個(gè)函數(shù)集，如此而已。換句話說，深度學(xué)習(xí)主要是一些算法的集合。事實(shí)上，深度學(xué)習(xí)就是一類有效訓(xùn)練深層神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法?；镜纳顚泳W(wǎng)絡(luò)模型可以分為兩大類：生成模型和判別模型。生成是指從隱含層到輸入數(shù)據(jù)的重構(gòu)過程，而判別是指從輸入數(shù)據(jù)到隱含層的歸約過程。復(fù)雜的深層結(jié)構(gòu)可能是一個(gè)混合模型，既包含生成模型成分，又包含判別模型成分。

無論是生成模型，還是判別模型，都包含了多種網(wǎng)絡(luò)架構(gòu)模型。生成模型主要包括受限玻耳茲曼機(jī)（RBM）、自編碼器（AE）、深層信念網(wǎng)絡(luò)（DBN）、深層玻耳茲曼機(jī)（DBM）以及和積網(wǎng)絡(luò)（SPN）模型；判別模型主要包括深層感知器（deep MLP）、深層前饋網(wǎng)絡(luò)（deep FNN）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）、深層堆疊網(wǎng)絡(luò)（DSN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）和長短時(shí)記憶（LSTM）網(wǎng)絡(luò)模型。而各個(gè)網(wǎng)絡(luò)架構(gòu)模型通過結(jié)合不同的算法設(shè)計(jì)，又生成多種具體的模型架構(gòu)，例如CNN發(fā)展至今，出現(xiàn)了 Lenet、Alexnet、GoogleNet、VGG、Deep Residual Learning等模型架構(gòu)。

基于各種模型和算法，深層網(wǎng)絡(luò)能夠從大量的復(fù)雜數(shù)據(jù)中學(xué)習(xí)到合適且有效的特征。應(yīng)該說，任何數(shù)據(jù)都是有特征的，所以，在學(xué)習(xí)平臺(tái)上處理的數(shù)據(jù)，也是有特征的。比如學(xué)習(xí)過程中的搜索數(shù)據(jù)、選擇數(shù)據(jù)、練習(xí)數(shù)據(jù)、答疑數(shù)據(jù)等，都具有特征，它們的特征，能體現(xiàn)學(xué)生個(gè)體的學(xué)習(xí)特性。如果通過深層網(wǎng)絡(luò)的學(xué)習(xí)，得到這些數(shù)據(jù)的特征，再通過判別模型判斷學(xué)生操作的特征歸類，那么就能得到一個(gè)貼合個(gè)體學(xué)習(xí)習(xí)慣的智能學(xué)習(xí)平臺(tái)。

在應(yīng)用深度學(xué)習(xí)的過程中，需要對(duì)模型和算法進(jìn)行合理的選擇。有一個(gè)簡(jiǎn)單通用的模型選擇方法[1]：

本研究在教學(xué)實(shí)驗(yàn)中制定了考核評(píng)價(jià)標(biāo)準(zhǔn)（見表3），對(duì)學(xué)生游泳能力進(jìn)行評(píng)價(jià)同時(shí)還對(duì)安全自救能力、救助能力及基本救生常識(shí)進(jìn)行考核評(píng)價(jià)，并將游泳技能表現(xiàn)與救助能力表現(xiàn)整合起來，為教師游泳教學(xué)提供教學(xué)內(nèi)容參考、明確學(xué)生學(xué)習(xí)的目標(biāo)，進(jìn)一步完善學(xué)生游泳自救與救助技能評(píng)價(jià)標(biāo)準(zhǔn)，再將標(biāo)準(zhǔn)開發(fā)為目標(biāo)和監(jiān)控手段，有力地提升教學(xué)質(zhì)量，促使更多學(xué)生掌握游泳生存自救及救助能力。

●DBN: 通用的分類問題

●RNN: 序列化學(xué)習(xí)，時(shí)間序列

●CNN: 圖像、音頻、文本分類

●RBM: 特征提取

●Autoencoder: 特征提取

其中，CNN模型既包含了對(duì)特征提取的實(shí)現(xiàn)，也包含了對(duì)分類判別的實(shí)現(xiàn)，CNN能夠進(jìn)行文本特征提取、文本特征表示、歸一化、最后進(jìn)行文本分類，所以對(duì)于以文本為主要數(shù)據(jù)的學(xué)習(xí)平臺(tái)來說，CNN可以作為其應(yīng)用深度學(xué)習(xí)的網(wǎng)絡(luò)模型。

2.2 關(guān)于大數(shù)據(jù)

一般認(rèn)為，深度學(xué)習(xí)需要大量的數(shù)據(jù)，但是只有極少數(shù)情況下，你才能拿到足夠的數(shù)據(jù)，如果真是如此，深度學(xué)習(xí)的用處有明顯的局限性。

還有文章表示，應(yīng)用mnist數(shù)據(jù)集的實(shí)驗(yàn)證明，在數(shù)據(jù)量較少時(shí)，多層神經(jīng)網(wǎng)絡(luò)的效果要比單層神經(jīng)網(wǎng)絡(luò)要好。所以當(dāng)數(shù)據(jù)較少又想用深度學(xué)習(xí)來處理數(shù)據(jù)時(shí)，建議再網(wǎng)絡(luò)模型中多搭幾層[3]。

因此，對(duì)于教學(xué)中使用的學(xué)習(xí)平臺(tái)來說，雖然沒有大量的數(shù)據(jù)可以提供給深度學(xué)習(xí)，但是，我們依然可以使用深度學(xué)習(xí)來獲得數(shù)據(jù)特征，并進(jìn)行數(shù)據(jù)分類判斷。

3 智能學(xué)習(xí)平臺(tái)的功能設(shè)計(jì)

一般來說，學(xué)生的在線學(xué)習(xí)平臺(tái)，至少應(yīng)該具備以下功能：

●提供各種學(xué)習(xí)資料，學(xué)生可以按需搜索，進(jìn)行自主學(xué)習(xí)；

●提供多種任務(wù)或練習(xí)，供學(xué)生進(jìn)行實(shí)踐操作；

●提供在線答疑功能。

結(jié)合深度學(xué)習(xí)的應(yīng)用特點(diǎn)，以及在線學(xué)習(xí)平臺(tái)的基本功能要求，針對(duì)智能化的功能設(shè)計(jì)如下。

3.1 智能搜索

每個(gè)學(xué)生的搜索習(xí)慣不同，搜索同一份資料時(shí)會(huì)使用不同的關(guān)鍵字，或不同的語序。對(duì)于每個(gè)學(xué)生輸入的搜索內(nèi)容，平臺(tái)將學(xué)習(xí)其特征，從而記錄每個(gè)學(xué)生的搜索習(xí)慣。依據(jù)學(xué)生的搜索習(xí)慣，在搜索時(shí)，能給出最貼合學(xué)生思路的搜索提示，實(shí)現(xiàn)更快捷的搜索。

3.2 智能排序

智能排序包括搜索結(jié)果的排序和操作選擇的排序。

對(duì)于搜索結(jié)果來說，平臺(tái)將根據(jù)學(xué)生之前對(duì)搜索結(jié)果的鏈接選擇習(xí)慣，來進(jìn)行排序。平臺(tái)會(huì)將最符合學(xué)生搜索意圖的結(jié)果排在最前面。

對(duì)于操作選擇來說，學(xué)生會(huì)面對(duì)許多的任務(wù)列表，或練習(xí)列表。同一個(gè)知識(shí)點(diǎn)，可能有多個(gè)任務(wù)或練習(xí)，這些操作題目，應(yīng)該按從易到難的順序排列。而難易的程度，最開始可能由平臺(tái)后臺(tái)數(shù)據(jù)管理人員輸入，但是，在被調(diào)用進(jìn)行操作和評(píng)分之后，平臺(tái)將學(xué)習(xí)它們的難易特征，然后對(duì)題目的難易程度進(jìn)行實(shí)時(shí)的調(diào)整，這樣的排序，對(duì)于后來的學(xué)習(xí)者，能提供更客觀的選擇依據(jù)。

3.3 智能糾錯(cuò)

學(xué)生在做題的過程中，對(duì)于同類的題目，往往會(huì)有同樣的錯(cuò)誤傾向。針對(duì)學(xué)生個(gè)體操作過程中產(chǎn)生的錯(cuò)誤數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，能收集學(xué)生的操作錯(cuò)誤特征，對(duì)于學(xué)生后面的操作，能進(jìn)行個(gè)體錯(cuò)誤預(yù)測(cè)，提出錯(cuò)誤預(yù)警，或者錯(cuò)誤提示，實(shí)現(xiàn)智能糾錯(cuò)。

3.4 智能答疑

通過深度學(xué)習(xí)，記錄學(xué)生個(gè)體對(duì)問題和答案的選擇匹配特征，使得平臺(tái)具有自我學(xué)習(xí)的功能，并逐漸讓答疑智能化，最終實(shí)現(xiàn)，當(dāng)學(xué)生輸入問題時(shí)，對(duì)應(yīng)的答案不再是多個(gè)，而是將準(zhǔn)確列出匹配問題的答案。

深度學(xué)習(xí)的發(fā)展，讓很多產(chǎn)品實(shí)現(xiàn)了智能化。對(duì)于已經(jīng)存在的軟件平臺(tái)來說，應(yīng)用深度學(xué)習(xí)模型，再加上已有的數(shù)據(jù)，一樣能實(shí)現(xiàn)智能化的升級(jí)。在軟件平臺(tái)設(shè)計(jì)中，如何選用深度學(xué)習(xí)的模型和算法，是值得進(jìn)一步探討的問題。