基于个性化推荐的网络学习平台设计

基于个性化推荐的网络学习平台设计

原宗毅

身份证号码： 21010519840131****

摘要：当前，一些网络学习平台为追求学习资源的数量、用户的访问量，热衷于采用“云服务”模式，过于在意平台上信息资源的聚集，导致学习者迷失在海量的信息资源中，无法获取满足自身个性化需求的有效资源。为了缓解此类问题，个性化推荐技术应运而生。它是在个性化搜索的基础上能够根据学习者的兴趣爱好、行为特性，推荐有可能感兴趣的学习信息资源。这种个性化服务模式，与电商网站上的产品推荐类似，依据用户的已访问行为记录，推荐相关的产品和服务。对于网络学习平台而言，个性化服务是一个相当重要的主题。目前，个性化推荐技术已被广泛应用到电商各类平台中，作为其中较为成功的协同过滤技术，受到了许多电商平台的青睐。网络学习资源平台作为一种全新的、以学习者为主体的学习方式，不仅拥有大量的数字化学习资源，还能将个性化推荐技术应用到其中，大大提高了学习效率，改善了用户体验。

关键词：个性化推荐；网络学习；平台设计；分析

1学习资源及其推送服务

学习资源是指在教学系统和学习系统所创建的学习环境中，学习者可以利用的一切显现的或潜隐的条件。网络学习平台中，学习资源主要是指学生在网络环境下可以获得的与学习相关的一切信息。学习者在该平台可以通过关键词、目录等多种方式检索资源。然而，在大数据时代，网络信息数量庞大，资源丰富，面对如此浩瀚的“资源海洋”，学习者难以在短时间内找到真正需要的学习资源，从而导致学习者学习效率降低，学习效果不佳。

在网络学习环境中，学习资源推送是学习者在学习活动中获取所需资源的一种机制，该机制针对不同的学习者推送不同的信息资源，这种因人而异的资源推送被称为“个性化的资源推送服务”。目前，随着数据挖掘和人工智能技术的发展，个性化推送服务已经在电子商务、情报系统等多个领域得到发展。传统的推送服务主要包括Top-N推荐、关键字查询以及最新资源推荐等形式。其中，Top-N推荐是指采取将点击率最高的前N个热门资源推荐给用户；关键字查询是利用资源中的关键字匹配进行完整资源的推送；最新资源推荐可以将资源库的更新情况在第一时间反馈给用户，增加最新学习资源被访问机会。这几种推荐服务虽在一定程度上给用户推送了相关信息，但是无法完成个性化推荐，并且也无法确保推送信息的实用性和时效性。而个性化资源推送策略研究，旨在将内容推送技术及协同过滤推送技术运用到网络教育平台中的推送服务中去，提出个性化学习资源推送体系结构及其推送策略。

2网络自主学习平台的设计

2.1功能需求分析

在网络学习平台中，学习资源推荐模块主要分为三种登录角色，即普通用户、注册用户、管理员，能够让学生更方便、快速地找到自己感兴趣的学习资源，保证实时性和准确性。当普通用户登录网站时，会有效进行新资源推荐和热门资源推荐；而注册用户浏览信息时，可以根据历史行为记录提供合适的个性化推荐。一个合理化、人性化的网站就是要发现学习者的兴趣爱好，及时提供具有针对性的信息资源，从而让普通用户得到十分满意的推荐效果。通过对推荐模块的一些主要功能进行分析，可以推断出后台应具备用来设置推荐阂值的推荐序列管理功能。

2.2信息管理模块

该模块主要服务于平台管理人员，进行平台的维护和管理工作，保证平台的长期稳定运行，并具备一定的可扩展性。具备管理学习资源、管理用户账号信息的能力。其中通过上传经验帖、上传书籍信息、上传网站链接等方式实现对学习资源的管理，如可以对经验帖、书籍及网站信息进行查询、更新和删除操作。

2.3用户管理模块

用户通过该模块进入平台，在该模块实现注册、登录、维护基本信息等功能。其中注册功能中，要求新注册用户名不能与平台已存在的用户名重复，并且输入两次密码，并确认。完成注册的用户可以利用登录功能，通过正确的用户名和密码，登录到学习平台获得使用权限，管理员也通过该模块登录到平台获得管理权限。用户可借助基本信息管理功能实现对个人信息的查看与修改操作。

2.4个性化学习推荐模块

该模块是网路自主学习平台的特色，该模块利用改进的相似度算法实现对学习资源和学习路线的个性化推荐。根据用户学习的目标，平台划分成几个专题，用户可以选择其中一个或几个专题进行自主学习。学习资源的推荐主要通过改进的修正余弦相似度算法，来实现对书籍和经验贴的推荐。学习路线的推荐，和学习资源的推荐十分类似。但要先判定用户是否之前制定过学习路线，如果有则直接调取并提供给用户。如果用户没有制定过学习路线，则通过改进的修正余弦相似度算法来推荐学习路线。此外，平台采用测试的方法检验用户的水平，来判断是否进入下一个学习阶段，从而重新推荐符合用户能力水平的学习路线。从而实现对用户学习路线的动态推荐。

2.5主学习模块

本学习模块包括制定学习路线子模块、创建笔记子模块、查看学习进度子模块、评测能力子模块、采集学习数据子模块等。对已注册的用户，平台提供指导，帮助对学习路线的制定。在学习路线基础上，用户才能使用主学习模块中的其他功能。笔记为用户学习的辅助模块，主要实现对学习内容的记录，并保存到数据库中。记录根据时间进行排序，用户可以对自己的学习笔记进行编辑。用户通过学习进度查看，及时了解自己的学习进度。首先检查该用户是否有学习路线，如果已有学习路线，则向用户展示学习进度，如果没有则给出提示。能力测评主要是为了掌握学习者当前的学习效果，学习者通过测试，确定当前水平，则对相应的学习阶段打上完成标记，转入下一个学习阶段。如未能通过能力测试，则继续在本阶段学习，并给出提示。

采集用户学习数据，主要是为个性化学习推荐模块服务，该模块是平台的辅助模块。该模块会记录用户使用平台的数据和行为，并对这些数据进行记录、采集并按用户进行存储。该模块生成的数据是改进的修正余弦相似度算法的输入量。

2.6学习资源描述建模

数字化的学习资源，主要包含三类：第一类是各种形式的素材，包括文本、图片、音视频和动画等；第二类是网络课件，通常以超链接的形式制作而成，最终表现形式为网页；第三类是网络课程，主要包含了学习内容和组织实施的活动。学习资源描述的建模也采用空间向量模型来表示，与用户兴趣的建模有些相似。既可以表示出每个特征词的重要程度，又能够将学习资源与用户兴趣模型更好衔接起来。

3结语

目前，国内对于个性化推荐技术的研究仍处于起步阶段，而纵观个性化推荐这个有待开拓的领域，协同过滤技术的应用前景非常广阔。如何合理、有效地运用个性化推荐技术，使整个网络学习平台发挥更好的作用，也是一个很好的研究方向。

参考文献

[1]张俊格.支持个性化推荐的网络学习平台设计与实现[D].陕西师范大学,2014.

[2]方琦.中小学网络学习平台个性化推送系统的研究与设计[D].浙江工业大学,2013.

[3]李新金.Web使用挖掘在网络学习平台中的应用研究[D].浙江师范大学,2010.

[4]李毓嘉.云协作平台下个性化资源推荐服务的设计[J].教育信息技术,2016(Z1):138-142+18.