在線學(xué)習(xí)系統(tǒng)中的深度學(xué)習(xí)推薦算法分析

陳曦

摘要：近年來，我國信息技術(shù)高速發(fā)展，智能手機(jī)幾乎普及到了每一個人，人們的生活、工作方式發(fā)生了巨大的變化，已經(jīng)進(jìn)入到了互聯(lián)網(wǎng)時代。在這個背景下，在線學(xué)習(xí)系統(tǒng)已經(jīng)成為許多人獲取知識的重要途徑，互聯(lián)網(wǎng)技術(shù)與教育相結(jié)合已經(jīng)是必然趨勢，本文對在線學(xué)習(xí)系統(tǒng)中的深入學(xué)習(xí)推薦算法進(jìn)行了討論。

關(guān)鍵詞：互聯(lián)網(wǎng)技術(shù);在線學(xué)習(xí)系統(tǒng);深度學(xué)習(xí)

中圖分類號：TP391.3?文獻(xiàn)標(biāo)識碼：A?文章編號：1672-9129（2020）09-0162-02

引言：傳統(tǒng)教育模式存在同質(zhì)化嚴(yán)重、個性化不足等問題，無法發(fā)揮每個學(xué)生的特長。在互聯(lián)網(wǎng)背景下，傳統(tǒng)的教育模式迎來了改變，互聯(lián)網(wǎng)技術(shù)極大豐富了教學(xué)手段和教學(xué)資源，通過深度學(xué)習(xí)推薦算法，能夠建立個性化、智能化的在線學(xué)習(xí)系統(tǒng)。因此對在線學(xué)習(xí)系統(tǒng)中的深度學(xué)習(xí)推薦算法進(jìn)行深入分析與研究，具有重要意義。

1?在線學(xué)習(xí)系統(tǒng)中深度學(xué)習(xí)推進(jìn)算法的重要性

在互聯(lián)網(wǎng)高度發(fā)展的背景下，在線學(xué)習(xí)的模式受到越來越多的關(guān)注，在線學(xué)習(xí)沒有空間與時間的限制，可以提供大量的教學(xué)資源，學(xué)習(xí)者可以利用多媒體資源進(jìn)行自主學(xué)習(xí)，學(xué)習(xí)方式更加靈活。同時。學(xué)習(xí)者還能通過網(wǎng)絡(luò)社區(qū)與其他學(xué)習(xí)者進(jìn)行交流和探討，能加深學(xué)生對知識的理解，培養(yǎng)學(xué)生的自主學(xué)習(xí)能力。目前，在線學(xué)習(xí)系統(tǒng)逐漸被應(yīng)用在教育工作的各個方面，已經(jīng)成為了教育系統(tǒng)中的重要組成部分。

大部分在線學(xué)習(xí)系統(tǒng)都是以平臺為核心，平臺上的教學(xué)資源眾多，且存在同質(zhì)化現(xiàn)象。學(xué)生在學(xué)習(xí)之前，首先需要一定時間來尋找有用、適合自己的教學(xué)資源，降低了學(xué)習(xí)效率和學(xué)習(xí)體驗(yàn)。深度學(xué)習(xí)推薦算法有效解決了這個難題，深度學(xué)習(xí)推薦算法可以收集并分析每個學(xué)習(xí)者的歷史行為數(shù)據(jù)和興趣偏好，構(gòu)建全面的數(shù)據(jù)學(xué)習(xí)模型，自動為學(xué)生推薦其需要或感興趣的教育資源，能夠?yàn)閷W(xué)生提供個性化、智能化的服務(wù)。將深度學(xué)習(xí)推薦算法應(yīng)用到在線學(xué)習(xí)系統(tǒng)中，將原本的搜索模式改變成了智能服務(wù)模式，極大的提高了學(xué)習(xí)者的學(xué)習(xí)效率和學(xué)習(xí)體驗(yàn)。

2?在線學(xué)習(xí)系統(tǒng)中深度學(xué)習(xí)推薦算法的分析

2.1協(xié)同過濾算法。協(xié)同過濾算法是當(dāng)前在線學(xué)習(xí)系統(tǒng)中最為常用的智能推薦算法，通過用戶群中間的協(xié)同智慧進(jìn)行判斷與篩選，協(xié)同過濾算法有基于近鄰和基于模型兩種實(shí)現(xiàn)方式。基于近鄰的協(xié)同過濾算法的主要原理是在系統(tǒng)中尋找出與目標(biāo)用戶有著相似歷史行為的其他用戶，再將這些用戶搜索、觀看的內(nèi)容，推薦給目標(biāo)客戶。比如Altered Vista System就是早期的教育資源推薦系統(tǒng)，通過分析學(xué)習(xí)者歷史行為間的重疊信息，結(jié)合過濾算法給學(xué)習(xí)者進(jìn)行推薦[1]。基于模型的協(xié)同過濾算法通過分析學(xué)習(xí)者的瀏覽記錄、瀏覽時間、瀏覽內(nèi)容、搜索內(nèi)容等相關(guān)數(shù)據(jù)，結(jié)合資源關(guān)鍵詞匹配技術(shù)，為學(xué)習(xí)者建立完整的模型，并根據(jù)模型推薦學(xué)習(xí)者可能感興趣的教學(xué)內(nèi)容。比如活動序列的動態(tài)推薦系統(tǒng)，就是應(yīng)用這種基于模型的協(xié)同過濾算法。該算法還可以應(yīng)用到音樂、新聞、電影等資源上，經(jīng)常會推薦一些用戶喜歡的冷門資源，為用戶帶來驚喜。但是協(xié)同過濾算法存在冷啟動問題，即用戶與各種資源進(jìn)行的互動較少時，這種算法會受到巨大的影響，甚至失去作用。

2.2基于內(nèi)容的推薦算法?；趦?nèi)容的推薦算法是比較傳統(tǒng)的推薦算法，通過分析用戶的歷史記錄，總結(jié)用戶過去喜歡的對象，并為用戶推薦相似的內(nèi)容。基于內(nèi)容的推薦算法需要對推薦內(nèi)容和用戶分別建立特征模型。內(nèi)容建模是通過提取推薦內(nèi)容的特點(diǎn)、標(biāo)簽等特征，來表示這個內(nèi)容。用戶建模是通過總結(jié)、分析用戶不喜歡和喜歡的內(nèi)容，構(gòu)建用戶喜好特征，建立相應(yīng)的集合。通過算法比較和搭配，為用戶推薦相關(guān)度最高的內(nèi)容。在基于內(nèi)容的推薦算法中，智能推薦效果主要是由內(nèi)容模型的質(zhì)量決定的，內(nèi)容的種類繁多包括文字、音樂、電影、圖文等，尋常方法很難對內(nèi)容進(jìn)行特征提取，一般內(nèi)容建模都是由人工完成的，通過人來對內(nèi)容進(jìn)行分類。在線學(xué)習(xí)系統(tǒng)中，經(jīng)常會應(yīng)用到基于內(nèi)容的推薦算法，因?yàn)榻逃Y源涉及學(xué)科眾多，且知識的側(cè)重點(diǎn)不同，需要人工建立集合，同時也有助于提高學(xué)習(xí)者的學(xué)習(xí)廣度，讓學(xué)生在專研某一領(lǐng)域、某一問題時，能看到更多相關(guān)的知識。北京師范大學(xué)建立的“學(xué)習(xí)元”平臺，應(yīng)用的就是基于內(nèi)容的推薦算法，從學(xué)習(xí)者興趣、偏好、知識掌握程度建立特征模型，同時對圖像、視頻、圖文等學(xué)習(xí)資源進(jìn)行語義描述，根據(jù)學(xué)科和年級進(jìn)行分類、建立特征模型，并在“學(xué)習(xí)元”平臺上將兩者進(jìn)行匹配[2]?；趦?nèi)容的推薦算法對用戶的行為數(shù)據(jù)依賴程度較低，因此并不會受到冷啟動問題所影響，并且提供的資源也更為準(zhǔn)確。但缺點(diǎn)的是基于內(nèi)容的推薦算法需要大量具有專業(yè)知識的人士來建立特征集合，且過程復(fù)雜，不適合大面積的應(yīng)用。

2.3混合推薦算法。近年來，在信息技術(shù)的基礎(chǔ)上，大數(shù)據(jù)計(jì)算和云計(jì)算技術(shù)也有巨大的發(fā)展與突破，將這兩項(xiàng)技術(shù)應(yīng)用在推薦算法中，極大的提高了算法的運(yùn)算能力，同時也為混合推薦算法打下了基礎(chǔ)。由于協(xié)同過濾算法和基于內(nèi)容的推薦算法都有著其優(yōu)點(diǎn)和缺點(diǎn)，所以將兩種推薦算法混合使用，能達(dá)到最好的推薦效果，同時也能適用于各個階段的使用者。比如虛擬社區(qū)的文獻(xiàn)推薦，就融合了兩種推薦算法，設(shè)計(jì)了顯性和隱性知識的推薦程序，既能為剛剛使用該虛擬社區(qū)的研究者推薦所需要的論文，也能為長時間使用的研究者提供個性化推薦。

結(jié)論：隨著互聯(lián)網(wǎng)高速發(fā)展和智能手機(jī)的普及，在線教育越來越受到人們的重視，能夠有效彌補(bǔ)傳統(tǒng)教育形式單一的缺點(diǎn)。深度學(xué)習(xí)推薦算法是在線學(xué)習(xí)系統(tǒng)的核心，主要有協(xié)同過濾算法、內(nèi)容推薦法和混合推薦法幾種，合理應(yīng)用這些算法，能夠?yàn)閷W(xué)習(xí)者提供更加優(yōu)質(zhì)的學(xué)習(xí)服務(wù)。

參考文獻(xiàn)：

[1]沈筱譞. 在線學(xué)習(xí)系統(tǒng)中的深度學(xué)習(xí)推薦算法研究[D].華中師范大學(xué)，2017.

[2]楊新新. 社會媒體中基于深度學(xué)習(xí)的推薦算法研究[D].山東師范大學(xué)，2020.