網(wǎng)絡(luò)學(xué)習(xí)環(huán)境在大數(shù)據(jù)時代的數(shù)據(jù)融合

何 崢

（中國人民解放軍新疆軍區(qū)南疆軍區(qū)信息保障隊，新疆 喀什 844000）

0 引言

云計算服務(wù)能由使用者本人選擇內(nèi)容和方式，以便更好地利用現(xiàn)有資源來學(xué)習(xí)，除了能為學(xué)習(xí)者帶來便利外，還能降低教育管理的成本，使傳統(tǒng)教育模式發(fā)生改變。 如何融合網(wǎng)絡(luò)環(huán)境中的共享數(shù)據(jù)，提升網(wǎng)絡(luò)學(xué)習(xí)的效率，強化信息資料之間的共享，成為當(dāng)前需要討論的問題。

1 數(shù)據(jù)融合的概念與分類

1.1 數(shù)據(jù)融合的概念

網(wǎng)絡(luò)時代的到來雖然使人們能從網(wǎng)絡(luò)上獲得更多的信息，但是同時也讓信息愈發(fā)碎片化，而數(shù)據(jù)融合能夠有效解決該問題。 數(shù)據(jù)融合的目的在于對碎片化的信息，按照最終的目的與需求進行重新提取與融合，形成一個數(shù)據(jù)資源集合，以達到信息使用者所要達到的目的。 但在這一過程中，如果信息數(shù)據(jù)的標(biāo)準(zhǔn)傳輸模式出現(xiàn)差錯，就容易產(chǎn)生信息孤島問題。 網(wǎng)絡(luò)學(xué)習(xí)環(huán)境是孤島問題多發(fā)區(qū)， 因此作為跨學(xué)科領(lǐng)域，數(shù)據(jù)融合需要考慮多種復(fù)雜因素，并且有必要建立信息標(biāo)準(zhǔn)體系，以防止數(shù)據(jù)共享過程出現(xiàn)問題。

1.2 數(shù)據(jù)融合分類

大數(shù)據(jù)時代的數(shù)據(jù)融合是多方向的信息匯總，其中包括傳統(tǒng)科學(xué)和新興科學(xué)， 傳統(tǒng)科學(xué)類目中主要包括數(shù)學(xué)、通信以及計算機網(wǎng)絡(luò)，新興科學(xué)則主要包括機器學(xué)習(xí)、人工智能和在線溝通等項目。 在數(shù)據(jù)融合中，主要的技術(shù)有假設(shè)檢驗、聚類分析和機器學(xué)習(xí)，用這些技術(shù)對數(shù)據(jù)庫進行分析，屬于決策級別融合。隨著互聯(lián)網(wǎng)的發(fā)展， 網(wǎng)絡(luò)學(xué)習(xí)環(huán)境的數(shù)據(jù)構(gòu)建主要用到同類與異類數(shù)據(jù)的融合。 同類與異類的融合能起到數(shù)據(jù)歸納的效果，進行有效信息的壓縮和聚集，在計算機數(shù)據(jù)系統(tǒng)中通常使用決策樹和神經(jīng)網(wǎng)絡(luò)法的方式來表示。

2 網(wǎng)絡(luò)數(shù)據(jù)融合的步驟及策略

2.1 數(shù)據(jù)融合的步驟

（1）需求定義。 需求定義也就是學(xué)習(xí)者線上學(xué)習(xí)的方向，即用戶需求，只有清楚定義要解決的問題，明確了方向才能提取出數(shù)據(jù)庫中能夠利用的數(shù)據(jù)，從而建立基于有效的數(shù)據(jù)模型。

（2）數(shù)據(jù)預(yù)處理。 在進行數(shù)據(jù)分析之前，數(shù)據(jù)預(yù)處理是數(shù)據(jù)融合的關(guān)鍵步驟，因為數(shù)據(jù)庫中的數(shù)據(jù)類型是多種多樣的，用戶的需求確定以后，預(yù)處理就顯得更加重要。 數(shù)據(jù)預(yù)處理主要包括描述數(shù)據(jù)、清理垃圾數(shù)據(jù)、集成有效數(shù)據(jù)和變換有效數(shù)據(jù)，只有通過預(yù)處理才能進行到下一步分析。

（3）深度理解。 深度理解的含義是深度挖掘數(shù)據(jù)需求，由于大數(shù)據(jù)時代的特性，以及用戶需求的多樣化，構(gòu)造網(wǎng)絡(luò)學(xué)習(xí)環(huán)境對數(shù)據(jù)融合分析有了更高的要求，不僅指浮于表面的數(shù)據(jù)內(nèi)容，還要針對被挖掘數(shù)據(jù)和分析特征模型把握演變的規(guī)律。

（4）計算模型。 由于傳統(tǒng)數(shù)據(jù)計算已經(jīng)與現(xiàn)代互聯(lián)網(wǎng)技術(shù)相適應(yīng)，面對結(jié)構(gòu)復(fù)雜和類型多樣的信息數(shù)據(jù)，需要構(gòu)建高效的數(shù)據(jù)計算模型，這也是進行數(shù)據(jù)產(chǎn)出的重要環(huán)節(jié)。 對用戶需求進行匯總、分析之后的精準(zhǔn)輸出，是數(shù)據(jù)融合的關(guān)鍵。

2.2 數(shù)據(jù)融合的升級策略

（1）優(yōu)化網(wǎng)絡(luò)學(xué)習(xí)環(huán)境。 很多用戶不信任互聯(lián)網(wǎng)環(huán)境的一個重要原因，是網(wǎng)絡(luò)學(xué)習(xí)環(huán)境不佳，除了信息種類比較復(fù)雜外，信息庫的數(shù)據(jù)也有不確定性。 因此，要改善數(shù)據(jù)融合現(xiàn)狀，避免信息孤島現(xiàn)象，首先要優(yōu)化網(wǎng)絡(luò)學(xué)習(xí)環(huán)境。

（2）提高數(shù)據(jù)融合技術(shù)水平。 數(shù)據(jù)融合需要從技術(shù)層面上提高，首先要進行人才培養(yǎng)。 為了更好地整合數(shù)據(jù)， 必須培養(yǎng)有著互聯(lián)網(wǎng)整合技術(shù)的專業(yè)人才，專項培養(yǎng)人才，滲透規(guī)章法則，對相關(guān)人員進行質(zhì)量上的考核，嚴(yán)格把控人員技術(shù)水平，才能保障構(gòu)建優(yōu)質(zhì)的學(xué)習(xí)網(wǎng)絡(luò)環(huán)境，推動網(wǎng)絡(luò)環(huán)境的良性發(fā)展。

（3）優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)。 網(wǎng)絡(luò)異構(gòu)問題的產(chǎn)生，使優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)提上綱程。 其主要內(nèi)容有系統(tǒng)的優(yōu)化、課程的優(yōu)化2 項，歸根究底是對課程資源的優(yōu)化，并提高資源含金量，可以通過提高數(shù)據(jù)運維知識，辨別網(wǎng)絡(luò)結(jié)構(gòu)中不適用的、無效的信息，通過技術(shù)上的優(yōu)化升級才能改善現(xiàn)有網(wǎng)絡(luò)學(xué)習(xí)環(huán)境。

3 大數(shù)據(jù)時代網(wǎng)絡(luò)學(xué)習(xí)環(huán)境的構(gòu)建

3.1 網(wǎng)絡(luò)學(xué)習(xí)環(huán)境構(gòu)建的必要性

網(wǎng)絡(luò)學(xué)習(xí)需要一個健康的、科學(xué)的環(huán)境，因此除了凈化網(wǎng)絡(luò)環(huán)境， 還有精準(zhǔn)提煉信息資源這些要求。網(wǎng)絡(luò)學(xué)習(xí)中的信息資源是通過計算機為載體表現(xiàn)出的學(xué)習(xí)方式，在現(xiàn)階段主要在Web 平臺實現(xiàn)，在網(wǎng)絡(luò)學(xué)習(xí)環(huán)境中，環(huán)境構(gòu)建的核心內(nèi)容有控制學(xué)習(xí)資源和遠(yuǎn)程教學(xué)管理2 種，除此之外，還有學(xué)習(xí)網(wǎng)站和網(wǎng)絡(luò)指導(dǎo)教師這種輔助方式。

3.2 網(wǎng)絡(luò)學(xué)習(xí)環(huán)境構(gòu)建的可行性

網(wǎng)絡(luò)學(xué)習(xí)方式逐漸被教育領(lǐng)域中的眾多學(xué)習(xí)者認(rèn)可，彰顯了構(gòu)建科學(xué)學(xué)習(xí)環(huán)境的必要性。通過上文總結(jié)出的網(wǎng)絡(luò)融合步驟， 綜合考慮網(wǎng)絡(luò)學(xué)習(xí)環(huán)境構(gòu)建的地位，就能得出結(jié)論：通過數(shù)據(jù)融合的方式構(gòu)建出的網(wǎng)絡(luò)學(xué)習(xí)環(huán)境，將有利于教育和互聯(lián)網(wǎng)技術(shù)的進步。 目前，高速發(fā)展的互聯(lián)網(wǎng)環(huán)境使得傳統(tǒng)數(shù)據(jù)難以滿足用戶需求，一些“僵尸數(shù)據(jù)”與“信息孤島”的出現(xiàn)，造成了不必要的資源浪費。針對這些冗余的數(shù)據(jù)，需要結(jié)合云計算和人工智能技術(shù)，提高數(shù)據(jù)計算模型的價值。

4 數(shù)據(jù)融合實現(xiàn)

4.1 數(shù)據(jù)獲取

數(shù)據(jù)獲取的主要方式是平臺自行沉淀、 網(wǎng)絡(luò)抓取、合作共享、增值服務(wù)。 現(xiàn)如今，互聯(lián)網(wǎng)是各種跨學(xué)科數(shù)據(jù)的龐大數(shù)據(jù)庫， 這些數(shù)據(jù)經(jīng)過清洗和篩選后，可以進行下一步，歸納到網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)中，比方說書刊出版社的CRM 系統(tǒng)、Kindle 等閱讀軟件的App，從用戶習(xí)慣來沉淀、抓取用戶需求。 又或者可以在增值服務(wù)上下功夫， 在實體商品上附加網(wǎng)址和二維碼，進行軟推廣，起到數(shù)據(jù)的捕捉和需求的獲取。

4.2 數(shù)據(jù)預(yù)處理

第一時間獲取的數(shù)據(jù)有時雜亂、 重復(fù)和模糊，有這種冗余問題的存在，在實際運用中，數(shù)據(jù)預(yù)處理有必要升級變換。 變換的首要步驟就是數(shù)據(jù)清洗，通過清洗重復(fù)數(shù)據(jù)和填補空缺數(shù)據(jù)， 提高數(shù)據(jù)的準(zhǔn)確性。常見的數(shù)據(jù)預(yù)處理方法有EM 最大期望法、MI 算法，等等，在清洗和填補之后將數(shù)據(jù)集成，集成的數(shù)據(jù)主要是異構(gòu)數(shù)據(jù)的合并與歸納，在合并與歸納期間還需要進行數(shù)據(jù)的變換，利用函數(shù)等方式，規(guī)避權(quán)重不平衡現(xiàn)象發(fā)生。 數(shù)據(jù)預(yù)處理在網(wǎng)絡(luò)學(xué)習(xí)環(huán)境中，主要是利用網(wǎng)絡(luò)爬蟲形成數(shù)據(jù)模型來完成的，具體表現(xiàn)為瀏覽器、學(xué)習(xí)軟件一類的平臺展現(xiàn)出的推送圖文。

4.3 數(shù)據(jù)轉(zhuǎn)換

數(shù)據(jù)轉(zhuǎn)換是經(jīng)過數(shù)據(jù)處理和數(shù)據(jù)分析得來的，常見的處理模型有 MapReduce、Dryad、Storm， 這些都是可以在復(fù)雜的數(shù)據(jù)庫環(huán)境中進行數(shù)據(jù)處理的模型，并且具有很高的準(zhǔn)確性。 現(xiàn)如今，數(shù)據(jù)轉(zhuǎn)換起到的作用不僅僅是將用戶的需求內(nèi)容呈現(xiàn)出來，還起到深度挖掘的作用，對流數(shù)據(jù)進行聚類，并且檢測異常。 近年來，快速地轉(zhuǎn)換數(shù)據(jù)越來越重要，所以，提高數(shù)據(jù)處理的實時性也勢在必行，這樣才能使處理模型有一個快速優(yōu)質(zhì)的應(yīng)用效果。

5 結(jié)語

本文采用大數(shù)據(jù)時代為背景，列舉和分析網(wǎng)絡(luò)學(xué)習(xí)環(huán)境中數(shù)據(jù)融合的步驟，并且對目前數(shù)據(jù)融合的升級演變做了系統(tǒng)性總結(jié)。 研究重點在于網(wǎng)絡(luò)學(xué)習(xí)中，因用戶需求而進行的數(shù)據(jù)獲取、預(yù)處理、數(shù)據(jù)分析、數(shù)據(jù)模型計算流程是如何運作的。 在未來，數(shù)據(jù)融合的效率必然會更加高效便捷，實踐證明，只有通過升級每個細(xì)節(jié)步驟，準(zhǔn)確的數(shù)據(jù)產(chǎn)出，才能惠及大眾，避免學(xué)習(xí)行為與資源庫發(fā)生孤島效應(yīng)，只有從技術(shù)上做出改進，才能讓網(wǎng)絡(luò)學(xué)習(xí)效率真正地得到提升。