深度學(xué)習(xí)視角下的個(gè)性化學(xué)習(xí)資源方法研究

錢曉如 云南師范大學(xué) 申時(shí)凱 昆明學(xué)院

1 個(gè)性化學(xué)習(xí)資源的推薦法及其技術(shù)

1.1 以推薦算法為基礎(chǔ)個(gè)性化學(xué)習(xí)資源的推薦

現(xiàn)時(shí)期經(jīng)常使用的推薦算法主要包含以資源內(nèi)容為基礎(chǔ)的推薦法、協(xié)同過濾推薦法和混合推薦法等方法。以內(nèi)容為基礎(chǔ)的推薦法主要是利用識(shí)別、提取學(xué)習(xí)資源內(nèi)容的特點(diǎn)，來建立學(xué)習(xí)者特征的相關(guān)模型與資源特征模型，把兩者中擁有最高匹配度的學(xué)習(xí)資源向?qū)W習(xí)者做出推薦。與過濾算法相協(xié)同利用對(duì)學(xué)習(xí)人員的偏好來進(jìn)行學(xué)習(xí)資源的合理有效挖掘，根據(jù)不同偏好來對(duì)學(xué)習(xí)人員實(shí)施分組的劃分，同時(shí)為各組推薦與之需求接近的學(xué)習(xí)資源。輔助過濾算法可以合理降減模型設(shè)置復(fù)雜性，然而卻存在矩陣稀疏與冷啟動(dòng)的一些問題。混合推薦法把資源內(nèi)容的特點(diǎn)和學(xué)習(xí)人員特點(diǎn)進(jìn)行融合的思考，再結(jié)合學(xué)習(xí)人員學(xué)習(xí)風(fēng)絡(luò)與習(xí)慣來為學(xué)習(xí)人員推薦最為精準(zhǔn)的學(xué)習(xí)資源。

1.2 以機(jī)器學(xué)習(xí)為基礎(chǔ)個(gè)性化學(xué)習(xí)資源的推薦

現(xiàn)時(shí)期機(jī)器學(xué)習(xí)在計(jì)算機(jī)視覺和語音識(shí)別等方面得到了有效應(yīng)用，并且在教育中的應(yīng)用正在成為研究的重點(diǎn)。一些研究人員將研究重點(diǎn)放在減少學(xué)習(xí)資源推薦期間模型的依賴性，從而最大程度發(fā)揮出學(xué)習(xí)資源的服務(wù)效用。利用對(duì)學(xué)習(xí)人員狀態(tài)和挖掘服務(wù)器日志進(jìn)行測試，來對(duì)學(xué)習(xí)人員學(xué)習(xí)風(fēng)格和習(xí)慣進(jìn)行識(shí)別，由此實(shí)施個(gè)性化資源的推薦分析。

2 問題描述和方法框架

2.1 問題描述

個(gè)性化學(xué)習(xí)資源推薦的達(dá)成，其實(shí)就是對(duì)學(xué)習(xí)人員和學(xué)習(xí)資源兩者間關(guān)系的一種研究。如想保證線上學(xué)習(xí)平臺(tái)能夠?yàn)閷W(xué)習(xí)人員提供個(gè)性化資源推薦服務(wù)，主要需先對(duì)學(xué)習(xí)平臺(tái)中的原始數(shù)據(jù)進(jìn)行有效的收集，同時(shí)對(duì)數(shù)據(jù)實(shí)施合理科學(xué)的分析和挖掘，由此為學(xué)習(xí)人員推薦最為適合其學(xué)習(xí)風(fēng)格的學(xué)習(xí)資源。個(gè)性化的學(xué)習(xí)資源推薦模型能夠通過學(xué)習(xí)人員學(xué)習(xí)資源來集合信息。這種信息能夠用下圖左側(cè)的mxn矩陣來表示，在此當(dāng)中R表示的是學(xué)習(xí)資源，L表示的是學(xué)習(xí)人員。陰影的一方代表的是學(xué)習(xí)人員學(xué)習(xí)完的學(xué)習(xí)資源?？瞻椎胤酱淼氖菦]有學(xué)習(xí)過的資源，而需解決的問題是，怎樣通過這些歷史信息的矩陣來完成個(gè)性化學(xué)習(xí)資源推薦，也就是從新的學(xué)習(xí)資源當(dāng)中獲得與學(xué)習(xí)人員需要相適的推薦資源，這一過程如下右側(cè)圖所示。

圖1 個(gè)性化學(xué)習(xí)資源推薦問題示意圖

2.2 個(gè)性化學(xué)習(xí)資源推薦法框架

以深度神經(jīng)網(wǎng)為基礎(chǔ)個(gè)性化推薦法可劃分為兩個(gè)過程，主要包含模型訓(xùn)練過程與資源推薦過程，如圖2所示。其中模型訓(xùn)練過程主要包含學(xué)習(xí)平臺(tái)的數(shù)據(jù)處理，算法的設(shè)計(jì)等內(nèi)容；而推薦過程則是由訓(xùn)練過程所獲得推薦模型的運(yùn)行所形成，也就是這一過程主要工作是獲得個(gè)性化學(xué)習(xí)資源的一個(gè)過程。本文所設(shè)計(jì)的推薦法主要分成三個(gè)級(jí)別，一級(jí)和二級(jí)是訓(xùn)練的過程，三級(jí)則是個(gè)性化學(xué)習(xí)資源的推薦過程。在一級(jí)當(dāng)中，為了讓深度神經(jīng)網(wǎng)可以正常工作，必須獲得其輸入輸出。針對(duì)輸入，可設(shè)計(jì)以信息特征為基礎(chǔ)的選擇模型，由此來描述及處理一些歷史性學(xué)習(xí)數(shù)據(jù)；針對(duì)輸出，設(shè)計(jì)學(xué)習(xí)者與資源二部圖關(guān)聯(lián)模型，由此確定學(xué)習(xí)資源是不是推薦條件。在二級(jí)當(dāng)中，利用一級(jí)過程中的輸入輸出，構(gòu)建深度神經(jīng)網(wǎng)學(xué)習(xí)模型，對(duì)于個(gè)性化推薦的相關(guān)問題，來設(shè)置深度神經(jīng)網(wǎng)優(yōu)化對(duì)策，利用復(fù)雜的練習(xí)過程，能夠獲得學(xué)習(xí)資源推薦模型。在三級(jí)過程中，把測試數(shù)據(jù)輸入訓(xùn)練完畢后的推薦模型中，來向?qū)W習(xí)人員推薦與學(xué)習(xí)者學(xué)習(xí)需求相符的個(gè)性化學(xué)習(xí)資源。

圖2 基于深度神經(jīng)網(wǎng)絡(luò)的個(gè)性化學(xué)習(xí)資源推薦方法

3 結(jié)語

總體來說，新時(shí)代的快速發(fā)展，人工智能也因此誕生并被應(yīng)用于各個(gè)領(lǐng)域中，以往簡單性的機(jī)器學(xué)習(xí)已無法滿足當(dāng)前個(gè)性化學(xué)習(xí)資源推薦服務(wù)需求。而以深度神經(jīng)網(wǎng)為基礎(chǔ)的個(gè)性化學(xué)習(xí)資源推薦法可以充分解決學(xué)習(xí)迷茫的問題，由此提高線上學(xué)習(xí)體驗(yàn)效果。把深度學(xué)習(xí)合理的應(yīng)用在學(xué)習(xí)資源推薦方面，對(duì)于在線學(xué)習(xí)優(yōu)化來說具有促進(jìn)性作用，能夠?yàn)橐院蟮膫€(gè)性化推薦服務(wù)效果提供創(chuàng)設(shè)新思路與新視角。