基于JavaEE的海量學(xué)習(xí)資源分析平臺的設(shè)計與實(shí)現(xiàn)

孫濱 邱雪峰

摘要：當(dāng)前學(xué)習(xí)資源規(guī)模較大，導(dǎo)致分析難度較大，分析結(jié)果可靠性較低，為此，提出基于JavaEE的海量學(xué)習(xí)資源分析平臺設(shè)計與實(shí)現(xiàn)研究。將具有強(qiáng)大存儲功能的SDBPNPZ-256G-XI存儲器和穩(wěn)定轉(zhuǎn)換功能的523-FCE17A15AD290適配器作為平臺的硬件環(huán)境，利用JavaEE從存在需求角度對資源進(jìn)行二級化處理，根據(jù)待分析資源的相似性和參數(shù)跨度實(shí)現(xiàn)對其的分析。測試結(jié)果：設(shè)計平臺對資源所屬類別的分析結(jié)果準(zhǔn)確率可以達(dá)到98.8%，對于資源屬性的分析結(jié)果準(zhǔn)確率可以達(dá)到96.15%。

關(guān)鍵詞：JavaEE;學(xué)習(xí)資源;存在需求;二級化處理;相似性;參數(shù)跨度

中圖分類號：TP311? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2022）19-0061-02

在當(dāng)前的社會大環(huán)境下，對于資源的競爭越演越烈，不斷尋求更加科學(xué)高效的資源管理機(jī)制也是提高資源應(yīng)用價值的重要途徑之一，而實(shí)現(xiàn)這一目標(biāo)也離不開對資源的有效分析[1]。以往依賴經(jīng)驗(yàn)的資源分析方式不僅對于資源深層特征的開發(fā)不具有積極作用，對分析結(jié)果維護(hù)的難度也相對較大，這就直接導(dǎo)致后期資源管理成本較高，周期較長，無法保證資源的應(yīng)用效果[2-3]?；诖?，本文提出基于JavaEE的海量學(xué)習(xí)資源分析平臺設(shè)計與實(shí)現(xiàn)研究。分別從硬件和軟件的角度對平臺進(jìn)行構(gòu)架和設(shè)計，并通過試驗(yàn)測試驗(yàn)證了設(shè)計平臺的實(shí)際應(yīng)用效果。通過本文的研究，也期望為學(xué)習(xí)資源的分類管理、智能化推薦等工作的開展提供有價值幫助。

1 硬件設(shè)計

1.1 存儲器

學(xué)習(xí)資源的規(guī)模較大，為此要求平臺能夠適應(yīng)長期以及臨時存儲的需求。本文選擇SanDisk公司生產(chǎn)的SDBPNPZ-256G-XI作為平臺的存儲裝置[4]。存儲器的SSD可以連續(xù)處理讀寫，測量平均最大功率可以達(dá)到至少10個命令/秒，每個命令的傳輸大小為128KB，讀取間隔為1秒。在25°C下測量，可因輸入電壓和環(huán)境溫度變化而變化。

1.2 連接裝置

由于學(xué)習(xí)資源的來源不同，因此對學(xué)習(xí)資源的分析需要平臺建立可靠的連接裝置，本文選用Amphenol Commercial Products公司生產(chǎn)的523-FCE17A15AD290適配器作為平臺的轉(zhuǎn)換連接裝置。組件本身具有優(yōu)異振動和防潮性能，接線片與焊料型觸點(diǎn)為不可拆卸連接方式，降低了人為因素造成的連接問題[5]。壓接式連接器利用支持設(shè)備的應(yīng)用程度實(shí)現(xiàn)對數(shù)據(jù)的轉(zhuǎn)換和傳輸。采用堅(jiān)固的鋁外殼和外圍密封，連接器滿足所有適用的再租賃要求。但其與Mll-c-24308的連接要求并不適配，與其他超小型產(chǎn)品一起使用時不會造成平臺運(yùn)行負(fù)載異常問題。所用的電壓數(shù)據(jù)均為交流（MMS），頻率為60 Hz，在約25℃，50%的耐溫性下測量，觸點(diǎn)壓降最大為2.67毫伏，每安培觸點(diǎn)分離力為1至8盎司。正確接線和封裝時，空氣泄漏壓差為30 psig;當(dāng)振動超過試驗(yàn)時，最大為1立方英寸/小時。耐濕性超過MLL-STD-202A方法106的要求（根據(jù)MIL-C-24308）沖擊超過了MIL-STD-202A方法213的要求，具有良好的應(yīng)用性能。圖1為結(jié)構(gòu)拓?fù)鋱D。

2 軟件設(shè)計

2.1 基于JavaEE的資源約束指標(biāo)

JavaEE可比較方便地實(shí)現(xiàn)數(shù)據(jù)庫的儲存，在安全性高的同時還可實(shí)現(xiàn)一次編寫隨處運(yùn)行的特點(diǎn)。JavaEE技術(shù)還為企業(yè)開發(fā)者提供了一個良好的體系結(jié)構(gòu)，該技術(shù)支持XML、JSP、EJB等。JavaEE是一種分布式多層次框架，其具有很多組件，JavaEE可以分為4層，其結(jié)構(gòu)見下圖2。

線性學(xué)習(xí)資源分析策略會致使虛擬機(jī)與物理服務(wù)器之間形成一種長期的綁定關(guān)系，導(dǎo)致針對單個屬性的資源分析策略產(chǎn)生負(fù)載的不均衡的問題[6]。為此，本文利用JavaEE，首先從存在需求的角度對云端虛擬機(jī)內(nèi)存中的學(xué)習(xí)資源進(jìn)行基礎(chǔ)判斷。受云端接收訪問請求數(shù)量以及頻率的影響，虛擬機(jī)被部署在具有空閑CPU的物理服務(wù)器上時，學(xué)習(xí)資源是以被動的形式存在的。為此，本文借助JavaEE對資源請求與目標(biāo)之間的匹配關(guān)系進(jìn)行一致化處理，并將得到的結(jié)果存儲到SDBPNPZ-256G-XI數(shù)據(jù)庫中，當(dāng)再次出現(xiàn)同類型請求時，將SDBPNPZ-256G-XI數(shù)據(jù)庫中的資源作為優(yōu)先調(diào)度內(nèi)容，當(dāng)其滿足請求時，則將其作為深度學(xué)習(xí)的目標(biāo)，并在平臺中將其定位為該類問題的首要存在需求;當(dāng)不滿足請求時，則將其作為該類請求次要存在需求[7]。通過這樣的方式，就可以形成以主次形式存在的資源分類模式，以每類資源內(nèi)的中心數(shù)據(jù)作為基礎(chǔ)，以滿足請求該類達(dá)到50%的范圍作為半徑，對學(xué)習(xí)資源進(jìn)行約束。以此為后續(xù)更多資源的分析工作提供基礎(chǔ)。

2.2 學(xué)習(xí)資源分析

在上述基礎(chǔ)上，平臺在實(shí)現(xiàn)對眾多學(xué)習(xí)資源的分析時，既要考慮分析的效率，又要兼顧分析的可靠性。因此，本文利用523-FCE17A15AD290建立起不同來源待分析資源與基礎(chǔ)資源之間的連接關(guān)系[8]。以基礎(chǔ)資源為判斷基礎(chǔ)，從相似性和參數(shù)跨度兩個角度對資源進(jìn)行分析。

關(guān)于相似性的判斷，主要包括執(zhí)行時間、傳輸時間、內(nèi)容表述方式、關(guān)鍵詞幾個方面。結(jié)合層次分析法，將每項(xiàng)指標(biāo)的相似性分別由兩部分組成，分別是與首要存在需求資源的相似度以及與次要存在需求資源的相似度。其中，最終相似度的結(jié)果是以執(zhí)行時間、傳輸時間、內(nèi)容表述方式、關(guān)鍵詞的實(shí)際值與權(quán)重值的乘積之和決定的[9-10]。在賦權(quán)階段，本文結(jié)合學(xué)習(xí)資源分類要素的組成，構(gòu)建的賦值結(jié)果分別為0.1，0.1，0.4，0.4。同時，為了適應(yīng)不同二級化處理結(jié)果，本文對相似度結(jié)果的判斷結(jié)果劃分標(biāo)準(zhǔn)設(shè)計如表1所示。

當(dāng)相似度滿足表1的標(biāo)準(zhǔn)時，則對其的分析結(jié)果即為對應(yīng)的對比類別。對于參數(shù)跨度的計算，只要是針對相似度分析結(jié)果不明確的資源而言的。當(dāng)待分析的學(xué)習(xí)資源與虛擬機(jī)中學(xué)習(xí)資源在需求特性并未形成明確的相似關(guān)系時，平臺以參數(shù)跨度最小長度原則實(shí)現(xiàn)對資源的分析。對此，首先采用K-均值聚類算法將不同資源狀態(tài)下的關(guān)鍵詞進(jìn)行聚類，以簇邊界作為不同類別的分割點(diǎn)，以此得到待分析資源與每個平臺基礎(chǔ)資源之間的跨度關(guān)系，將跨度最小的類別作為最終的分析結(jié)果。通過這樣的方式，實(shí)現(xiàn)對海量學(xué)習(xí)資源的準(zhǔn)確分析。

3 應(yīng)用測試

3.1 測試數(shù)據(jù)準(zhǔn)備

為了提高測試結(jié)果的可靠性，實(shí)驗(yàn)采用的數(shù)據(jù)來自某初中教學(xué)輔導(dǎo)應(yīng)用程序，其中包含初中階段所有學(xué)科的學(xué)習(xí)資源。系統(tǒng)采用[MyEclipse7.0]結(jié)合[Deamweaver8]開發(fā)。[Web]服務(wù)器的操作系統(tǒng)為[Windows? ][Server2003]企業(yè)版，用[Tomcat6.0]作為JavaEE運(yùn)行環(huán)境和對外提供[Web]服務(wù)，用[Windows] [Server2003] 結(jié)合[MySQL5.0]作為數(shù)據(jù)庫服務(wù)。本文采用隨機(jī)選擇的方式在數(shù)據(jù)庫中抽取1000條學(xué)習(xí)資源作為測試數(shù)據(jù)。以此為基礎(chǔ)，定義不同學(xué)科特征中心為分類標(biāo)準(zhǔn)。得到實(shí)驗(yàn)數(shù)據(jù)的具體構(gòu)成如表2所示。

3.2 測試結(jié)果與分析

將上述數(shù)據(jù)輸入到平臺中，按照分析結(jié)果將其對應(yīng)到不同的學(xué)科中，計算其分析結(jié)果的可靠性，其結(jié)果如表3所示。

從表3中可以看出，本文設(shè)計平臺對學(xué)習(xí)資源的分析結(jié)果具有較高準(zhǔn)確度，在1000條測試數(shù)據(jù)中，錯誤率僅為1.2%。表明設(shè)計平臺可以實(shí)現(xiàn)對資源特征的有效判斷，分析結(jié)果具有較高的可靠性。

為了進(jìn)一步分析平臺對資源的精細(xì)化分析效果，對英語資源中的數(shù)據(jù)進(jìn)行具體的類別分析，分別將其劃分為單詞學(xué)習(xí)資源、語法學(xué)習(xí)資源、口語學(xué)習(xí)資源、寫作學(xué)習(xí)資源，最終得到的結(jié)果如表4所示。

從表4可以看出，平臺對于學(xué)習(xí)資源的精細(xì)化分析同樣具有較高的準(zhǔn)確度，僅在單詞學(xué)習(xí)資源和語法學(xué)習(xí)資源的分析上出現(xiàn)了1次混淆。這是因?yàn)楸疚脑O(shè)計平臺對資源的分析是分層次逐級進(jìn)行的，分析結(jié)果的自監(jiān)督能力更強(qiáng)。

4 結(jié)束語

學(xué)習(xí)資源的豐富為自主、全面學(xué)習(xí)提供了極大的便利，但與此同時，如何在海量信息中快速提取出滿足用戶使用需求的資源，如何實(shí)現(xiàn)對目標(biāo)資源的快速定位都離不開對學(xué)習(xí)資源屬性特征的正確判斷。為此，本文從學(xué)習(xí)資源的角度出發(fā)，以其自身的屬性特征為分析對象，為資源的高效利用提供了可靠基礎(chǔ)。

參考文獻(xiàn)：

[1] 王博.以良好干預(yù)為目的的在線學(xué)習(xí)行為分析系統(tǒng)構(gòu)建研究[J].電子世界，2021（2）：98-99，102.

[2] 孫飛鵬，于淼，湯京淑.基于知識圖譜的漢語詞匯學(xué)習(xí)資源推薦研究——以HSK三級詞匯為例[J].現(xiàn)代教育技術(shù)，2021，31（1）：76-82.

[3] 郭學(xué)品，韋小妹.混合式教學(xué)模式下大學(xué)計算機(jī)公共課學(xué)習(xí)資源評價探討[J].創(chuàng)新創(chuàng)業(yè)理論研究與實(shí)踐，2021，4（3）：25-26，32.

[4] 李鄉(xiāng)儒，梁惠雯，馮雋怡，等.在線教育平臺中個性化學(xué)習(xí)資源推薦系統(tǒng)設(shè)計[J].計算機(jī)技術(shù)與發(fā)展，2021，31（2）：143-149.

[5] 謝盼.面向終身學(xué)習(xí)教育的智能學(xué)習(xí)平臺的設(shè)計與實(shí)現(xiàn)[J].吉林廣播電視大學(xué)學(xué)報，2020（12）：61-63.

[6] 劉權(quán)緯，王興輝，蔣紅星.中小學(xué)教師混合研修中生成性學(xué)習(xí)資源使用意向影響因素研究[J].現(xiàn)代遠(yuǎn)距離教育，2020（6）：24-34.

[7] 邱春紅.大數(shù)據(jù)環(huán)境下面向社會招生人員學(xué)習(xí)資源采集與智能推送策略研究[J].工業(yè)控制計算機(jī)，2021，34（4）：129-130，139.

[8] 覃忠臺，張明軍.基于協(xié)同過濾算法的學(xué)習(xí)資源推薦模型研究[J].計算機(jī)技術(shù)與發(fā)展，2021，31（9）：31-35.

[9] 吳晨旭，王笑斌，段凱歌.基于JavaEE的大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目管理平臺的設(shè)計與實(shí)現(xiàn)[J].物聯(lián)網(wǎng)技術(shù)，2021，11（9）：87-88，91.

[10] 李海峰，王煒.在線學(xué)習(xí)社區(qū)的知識共享質(zhì)量影響因素：以學(xué)習(xí)者書評質(zhì)量分析為例[J].現(xiàn)代遠(yuǎn)距離教育，2021（5）：12-23.

收稿日期：2021-12-05

基金項(xiàng)目：2021年河南省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項(xiàng)目（項(xiàng)目編號：S202112747005）;2020年度河南省新工科研究與實(shí)踐支持項(xiàng)目（編號：2020JGLX090）;河南省教育廳高等學(xué)校重點(diǎn)科研資助項(xiàng)目（項(xiàng)目編號：22B520040）;河南省教育廳高校青年骨干教師培養(yǎng)資助項(xiàng)目（項(xiàng)目編號：2019GGJS279）;2021年教育部高等教育司產(chǎn)學(xué)合作協(xié)同育人資助項(xiàng)目（項(xiàng)目編號：202102633007）

作者簡介：孫濱（1983—），男，河南遂平人，副教授，碩士，研究方向?yàn)闄C(jī)器學(xué)習(xí)與教育大數(shù)據(jù)。