高校英語(yǔ)課程資源共享平臺(tái)自動(dòng)維護(hù)模型

張全政

（廣東環(huán)境保護(hù)工程職業(yè)學(xué)院基礎(chǔ)部，廣東佛山 528216）

1 引言

隨著互聯(lián)網(wǎng)技術(shù)以及計(jì)算機(jī)技術(shù)的飛速發(fā)展，傳統(tǒng)采用黑板以及多媒體的教學(xué)方式已經(jīng)無(wú)法滿(mǎn)足現(xiàn)階段師生的需求，因此，李曉波等人將受眾評(píng)價(jià)作為課程優(yōu)化的指針，研究我國(guó)網(wǎng)絡(luò)資源共享課建設(shè)的啟示，分析網(wǎng)絡(luò)公開(kāi)課建設(shè)的成功經(jīng)驗(yàn)，引出我國(guó)高校網(wǎng)絡(luò)資源共享課的相關(guān)思考[1]。靳新媛等人基于“一個(gè)平臺(tái)、兩個(gè)族群、兩個(gè)體系”的基本原則，在微觀層面辨析了模型中四個(gè)要素及其對(duì)日常課堂教學(xué)的影響，構(gòu)建MOOC 聯(lián)盟共建共享模型，通過(guò)探討資源建設(shè)主體高校和資源使用主體學(xué)生這兩個(gè)族群的關(guān)系，為MOOC 聯(lián)盟的建設(shè)提供一個(gè)思路[2]。周唯等人針對(duì)高校教學(xué)資源整合資源分散[3]，交互困難的問(wèn)題，詳細(xì)介紹了系統(tǒng)的總體體系架構(gòu)設(shè)計(jì)，結(jié)合移動(dòng)計(jì)算和云計(jì)算的移動(dòng)云計(jì)算技術(shù)，實(shí)現(xiàn)了教學(xué)資源云存儲(chǔ)和云管理的整合模式，提高教學(xué)資源整合與分享的效率，對(duì)高校教學(xué)資源的整合方法和整合質(zhì)量實(shí)現(xiàn)了優(yōu)化。

本文總結(jié)以往研究經(jīng)驗(yàn)，提出一種高校英語(yǔ)課程資源共享平臺(tái)自動(dòng)維護(hù)模型，研究高校英語(yǔ)課程資源共享平臺(tái)的相關(guān)內(nèi)容，通過(guò)該模型維護(hù)共享平臺(tái)穩(wěn)定性，同時(shí)減少整個(gè)平臺(tái)的維護(hù)成本。

2 共享平臺(tái)自動(dòng)維護(hù)模型

2.1 共享平臺(tái)數(shù)據(jù)降維處理

高校英語(yǔ)課程資源共享平臺(tái)自動(dòng)維護(hù)模型是通過(guò)監(jiān)測(cè)平臺(tái)的課程資源是否異常[4-5]，判斷平臺(tái)是否需要維護(hù)，同時(shí)實(shí)施響應(yīng)方案。平臺(tái)自動(dòng)維護(hù)是在分析用戶(hù)數(shù)據(jù)狀態(tài)的基礎(chǔ)上，通過(guò)已有知識(shí)庫(kù)，判定平臺(tái)是否存在異常，具體結(jié)構(gòu)如圖1所示。

圖1 平臺(tái)抽象模型結(jié)構(gòu)示意圖

將平臺(tái)中需要進(jìn)行分析的用戶(hù)資源統(tǒng)稱(chēng)為事件，通過(guò)平臺(tái)中的事件分析器對(duì)采集到全部數(shù)據(jù)進(jìn)行分析，同時(shí)將最終的分析結(jié)果輸入到響應(yīng)單元中，通過(guò)平臺(tái)中的響應(yīng)單元及時(shí)做出響應(yīng)[6]。

平臺(tái)自動(dòng)維護(hù)主要能夠劃分為以下幾個(gè)部分，如圖2所示。

圖2 共享平臺(tái)自動(dòng)維護(hù)操作流程圖

(1)高校英語(yǔ)課程資源收集：

在平臺(tái)中設(shè)定多個(gè)維護(hù)點(diǎn)，采集平臺(tái)異常行為信息，為平臺(tái)后期的維護(hù)工作奠定堅(jiān)實(shí)的基礎(chǔ)。

(2)平臺(tái)數(shù)據(jù)處理：

為了更好地在海量數(shù)據(jù)中準(zhǔn)確識(shí)別出異常行為，需要針對(duì)平臺(tái)采集到全部資源進(jìn)行數(shù)值化以及歸一化等操作。

(3)平臺(tái)數(shù)據(jù)分析：

數(shù)據(jù)分析是平臺(tái)自動(dòng)維護(hù)的重要流程，主要采用一些特定的規(guī)則分析實(shí)現(xiàn)平臺(tái)數(shù)據(jù)的分析工作，根據(jù)分析結(jié)果判定平臺(tái)是否需要進(jìn)行維護(hù)。

(4)平臺(tái)響應(yīng)處理：

通過(guò)平臺(tái)的數(shù)據(jù)分析結(jié)果，能夠獲取平臺(tái)中不同用戶(hù)的使用狀態(tài)，如果發(fā)現(xiàn)平臺(tái)中的用戶(hù)存在異常行為，平臺(tái)需要及時(shí)采取對(duì)應(yīng)的響應(yīng)措施，以確保平臺(tái)的穩(wěn)定運(yùn)行。

以下主要通過(guò)深度信念網(wǎng)絡(luò)對(duì)平臺(tái)中的數(shù)據(jù)進(jìn)行預(yù)處理。深度信念網(wǎng)絡(luò)(DBN)主要是由若干神經(jīng)網(wǎng)絡(luò)組成，整個(gè)網(wǎng)絡(luò)主要包含可見(jiàn)層以及隱藏層；其中，前者主要用于接收以及輸入數(shù)據(jù)；后者則主要應(yīng)用于平臺(tái)數(shù)據(jù)特征提取。DBN能夠看做是由于多層非監(jiān)督的受限玻爾茲曼機(jī)(RBM)以及單層反向傳播的神經(jīng)網(wǎng)絡(luò)組成的深層神經(jīng)網(wǎng)絡(luò)(BP)，具體結(jié)構(gòu)圖3所示。

圖3 深層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

RBM 網(wǎng)絡(luò)是一種參數(shù)化的概率形成模型，主要是由可見(jiàn)層單元v和隱藏層單元h組成。整個(gè)網(wǎng)絡(luò)能夠劃分為兩個(gè)部分[7]，其中兩個(gè)層次內(nèi)部不存在連接，層級(jí)為全連接，同時(shí)層級(jí)單元之間的連接是雙向的。其中RBM網(wǎng)絡(luò)的可見(jiàn)層單元能夠表示為：

隱藏層單元表示為：

通過(guò)RBM網(wǎng)絡(luò)組建的能量函數(shù)能夠表示為：

式中，θ代表RBM 網(wǎng)絡(luò)中的模型參數(shù)；W代表RBM 網(wǎng)絡(luò)中兩個(gè)層次的權(quán)值連接矩陣；bi代表可見(jiàn)層i上的乘性偏置；hj代表隱藏層j上的乘性偏置。

其中，隱藏變量在可見(jiàn)變量狀態(tài)下是相互獨(dú)立的，則有：

其中可見(jiàn)層單元的分布情況為：

網(wǎng)絡(luò)結(jié)構(gòu)中的激活函數(shù)E 能夠選取深度學(xué)習(xí)算法中對(duì)應(yīng)的函數(shù)[8]。在已知可見(jiàn)層單元v的條件下，隱藏層單元的條件概率分布需要滿(mǎn)足以下的約束條件，即：

式中，對(duì)于每一個(gè)i而言，Wij代表可見(jiàn)單元vi和隱藏單元hj之間的權(quán)重；cj代表隱藏單元層的偏置值；sig代表可見(jiàn)層元映射到隱藏層單元的激活函數(shù)。

在已知已知隱藏層單元的情況下，可見(jiàn)層單元的條件概率需要滿(mǎn)足：

上式中，bi代表可見(jiàn)層單元vi的偏置。

通過(guò)能量函數(shù)，能夠組建v、h的聯(lián)合分布函數(shù)，即：

在實(shí)際情況中，求解問(wèn)題的關(guān)鍵就是獲取數(shù)據(jù)的分布狀態(tài)，具體的計(jì)算式為：

針對(duì)共享平臺(tái)中的數(shù)據(jù)資源共享模塊，利用三層疊加的受限玻爾茲曼機(jī)以及單層BP神經(jīng)網(wǎng)絡(luò)對(duì)模塊中的高維數(shù)據(jù)進(jìn)行降維處理，具體的計(jì)算式為：

2.2 自動(dòng)維護(hù)模型組建

分析2.1 小節(jié)可知，在RBM 網(wǎng)絡(luò)中引入能量函數(shù)也是受到統(tǒng)計(jì)力學(xué)泛函的啟發(fā)。

當(dāng)平臺(tái)處于有序狀態(tài)或者概率分布分布相對(duì)集中，則說(shuō)明平臺(tái)中的能量較小；反之，如果平臺(tái)處于無(wú)序狀態(tài)或者概率分布相對(duì)穩(wěn)定，則說(shuō)明此時(shí)平臺(tái)能量較大。所以，平臺(tái)在經(jīng)過(guò)多次狀態(tài)轉(zhuǎn)移之后，平臺(tái)逐漸達(dá)到穩(wěn)定的狀態(tài)，其中能量函數(shù)的最小值對(duì)應(yīng)的即為平臺(tái)最穩(wěn)定的狀態(tài)。

設(shè)定平臺(tái)開(kāi)銷(xiāo)能量函數(shù)為：

由于現(xiàn)階段平臺(tái)的能量值為固定值，結(jié)合公式(9)可知，當(dāng)平臺(tái)開(kāi)銷(xiāo)函數(shù)較大時(shí)，對(duì)應(yīng)測(cè)試學(xué)習(xí)率下的能量值最小。

以下將DBN思想將平臺(tái)中的訓(xùn)練數(shù)據(jù)采用并行回火算法進(jìn)行全局采樣，計(jì)算現(xiàn)階段平臺(tái)能量Eε(vi，hi)。

并行回火的RBM 在進(jìn)行訓(xùn)練的過(guò)程中，不同溫度下的并行回火RBM模型的聯(lián)合概率計(jì)算式為：

式中，Z(ti)是ti時(shí)刻下的全局采樣訓(xùn)練函數(shù)，計(jì)算相鄰溫度下的顯隱層節(jié)點(diǎn)是否滿(mǎn)足交換條件，其中交換條件為：

其中RBM中參數(shù)的更新方法如下所示：

平臺(tái)自動(dòng)維護(hù)的過(guò)程如下所示：

設(shè)定X代表平臺(tái)中的一個(gè)測(cè)試數(shù)據(jù)集，它能夠表示為：

式中，L代表共享平臺(tái)中訓(xùn)練數(shù)據(jù)集的含量；D代表平臺(tái)中異常數(shù)據(jù)的特征維度。

設(shè)定Y代表L個(gè)標(biāo)注平臺(tái)中異常數(shù)據(jù)對(duì)應(yīng)的標(biāo)簽數(shù)據(jù)集，則能夠?qū)⑵浔硎緸椋?/p>

在上述分析的基礎(chǔ)上，將多層RBM模型進(jìn)行堆疊，組建對(duì)應(yīng)的算法。同時(shí)通過(guò)該算法對(duì)RBM 模型進(jìn)行訓(xùn)練，獲取一組全新的參數(shù)，通過(guò)該組參數(shù)對(duì)下一層RBM 網(wǎng)絡(luò)輸入進(jìn)行訓(xùn)練，以下給出具體的操作步驟：

(1)對(duì)RBM 網(wǎng)絡(luò)中的第一層次進(jìn)行訓(xùn)練，獲取對(duì)應(yīng)的權(quán)值矩陣。

(2)繼續(xù)采用步驟(1)相同的方法對(duì)下一層的RBM進(jìn)行訓(xùn)練，同時(shí)固定對(duì)應(yīng)的連接權(quán)值。

(3)將權(quán)值進(jìn)行初始化處理，同時(shí)采用平臺(tái)中的數(shù)據(jù)標(biāo)簽作為輸出層。

(4)通過(guò)BP算法對(duì)各個(gè)權(quán)值進(jìn)行調(diào)整。

通過(guò)DBN能夠更好的訓(xùn)練平臺(tái)中的數(shù)據(jù)，同時(shí)以最快的速度獲取符合目標(biāo)需求的網(wǎng)絡(luò)數(shù)據(jù)，以達(dá)到最佳的維護(hù)目的。

在進(jìn)行訓(xùn)練的過(guò)程，為了進(jìn)一步加強(qiáng)整個(gè)平臺(tái)的運(yùn)行效率，需要將訓(xùn)練集劃分為幾十個(gè)或者更多樣本，然后進(jìn)行小批量預(yù)算，以下主要采用平均梯度方法進(jìn)行處理，具體的計(jì)算式為：

3 仿真實(shí)驗(yàn)

為了驗(yàn)證高校英語(yǔ)課程資源共享平臺(tái)自動(dòng)維護(hù)模型的有效性，需要在Windows7操作系統(tǒng)，MATLAB R2011b下進(jìn)行仿真實(shí)驗(yàn)測(cè)試。實(shí)驗(yàn)重點(diǎn)針對(duì)模型的維護(hù)成本以及平臺(tái)穩(wěn)定性?xún)煞矫鎯?nèi)容進(jìn)行實(shí)驗(yàn)研究，實(shí)驗(yàn)數(shù)據(jù)來(lái)源為KDNuggets(http：//www.kdnuggets.com/datasets/index.html)內(nèi)隨機(jī)挑選的某一大學(xué)英語(yǔ)泛在學(xué)習(xí)資源共享平臺(tái)后臺(tái)數(shù)據(jù)，進(jìn)行應(yīng)用性測(cè)試，以下詳細(xì)給出：

(1)維護(hù)成本/(萬(wàn)元)：

高校英語(yǔ)課程資源共享平臺(tái)在采用自動(dòng)維護(hù)模型前后的維護(hù)成本變化情況如圖4所示。

圖4 平臺(tái)在使用自動(dòng)維護(hù)模型前后維護(hù)成本變化情況

分析圖4中的實(shí)驗(yàn)數(shù)據(jù)可知，平臺(tái)在采用自動(dòng)維護(hù)模型后，對(duì)平臺(tái)中全部數(shù)據(jù)進(jìn)行預(yù)處理，有效刪除平臺(tái)中多余的數(shù)據(jù)，促使整個(gè)平臺(tái)的維護(hù)成本相比之前下降很多。

(2)平臺(tái)穩(wěn)定性/(%)：

以下仿真實(shí)驗(yàn)主要對(duì)比平臺(tái)在使用自動(dòng)維護(hù)模型前后穩(wěn)定性變化情況，具體實(shí)驗(yàn)對(duì)比結(jié)果如表1所示。

表1 平臺(tái)使用自動(dòng)維護(hù)模型前后穩(wěn)定性變化情況

分析表1中的實(shí)驗(yàn)數(shù)據(jù)可知，平臺(tái)在使用自動(dòng)維護(hù)模型后，整體的穩(wěn)定性得到大幅度提升，主要是由于在模型進(jìn)行設(shè)計(jì)的過(guò)程中，針對(duì)平臺(tái)中全部數(shù)據(jù)進(jìn)行預(yù)處理操作，刪除平臺(tái)中存在的大量冗余數(shù)據(jù)，降低平臺(tái)受到攻擊以及危害的概率，增強(qiáng)整個(gè)平臺(tái)的穩(wěn)定性。同時(shí)，所設(shè)計(jì)的自動(dòng)維護(hù)模型還能夠?qū)崟r(shí)監(jiān)測(cè)平臺(tái)的運(yùn)行狀態(tài)，發(fā)現(xiàn)故障及時(shí)進(jìn)行自動(dòng)維護(hù)。

4 結(jié)束語(yǔ)

為了維護(hù)資源共享平臺(tái)的穩(wěn)定性，設(shè)計(jì)并提出一種高校英語(yǔ)課程資源共享平臺(tái)自動(dòng)維護(hù)模型。仿真實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)模型能夠有效增強(qiáng)平臺(tái)的穩(wěn)定性，在發(fā)現(xiàn)故障并進(jìn)行自動(dòng)維護(hù)的同時(shí)還能夠減少平臺(tái)的維護(hù)成本，具有一定的有效性以及優(yōu)越性。