基于用户偏好的教育教学资源推送机制模型研究

马丁

摘要：我国教育教学资源建设和教育信息化建设正在经历着从以简单信息资源堆砌为导向到以复杂需求推送为导向的发展转换，该文在研究了通用的急于用户偏好的信息模型后，提出了依托高校教育教学资源，基于改进的用户偏好推送机制模型，重点解决以往信息资源建设中忽视学习者需求，不能切实解决学习者对教育教学资源充分利用的问题。

关键词： 信息推送；信息过滤

中图分类号：TP368 文献标识码：A 文章编号：1009-3044（2015）01-0101-03

Study on Feeding Mechanism Model of User Preferences Based on Educational and Teaching Resources

MA Ding

（Xian Shiyou University Information Center， Xian 710065，China）

Abstract： Information construction development of education resources and the education of our country is experiencing the transformation from development with simple information resource stack oriented to complex requirements push information model. proposed relying on university education teaching resources， user preference improved pushing mechanism model based on the past， focus on resolving the problem which information resources is neglected and not effectively used.

Key words： information push； information filtering

教育教学资源推送是现代教育技术以网络为载体所引领的教育模式和教学方法深化改革的产物，旨在探索一种面向不同专业教师和学生对象，提供优质信息资源的服务模式。相对于传统的信息拉取（Pull）服务，信息推送（Push）服务是一种根据用户个性化需求，快速有效地获取信息的方式，具有主动性、个性化、高效性等优势。

我国教育教学资源建设和教育信息化建设正在经历着从以简单信息资源堆砌为导向到以复杂需求推送为导向的发展转换。如何吸引各院系在科研和教学任务中使用已有信息资源，如何提高已有信息资源的利用率，为不同学习者提供符合其特征的学习资料、策略和方法，已经成为教育教学资源推送的研究热点技术之一。该文试图提出一种依托高校教育教学资源，基于改进的用户偏好推送机制模型，重点解决以往信息资源建设中忽视学习者需求，不能切实解决学习者对教育教学资源充分利用的问题。

1 通用的基于用户偏好的信息过滤模型分析

1.1 通用的基于用户偏好的信息过滤模型介绍

在一个一般的基于用户偏好的信息过滤模型中，主要由用户偏好模块、信息加工/过滤模块、用户需求模块组成。用户偏好模块记录用户在注册信息中的选择的偏好信息，用户需求模块记录、提取、更新用户的查询行为特征，信息加工/过滤组件来完成对原始信息的筛选，图1是通用的基于用户偏好的信息过滤模型[1]。

1.2 通用的基于用户偏好的信息过滤模型特点

该模型优点在于整个用户的偏好信息可以理解为单个过滤器行为的叠加与组合，便于将问题化繁为简和日后的维护升级，但这种基于管道设计模式的模型却有着交互能力弱的缺点，因此它不适合用作于资源推送服务模式方面的建模。为此本文提出改进的基于用户偏好的信息过滤模型的解决方案。

2 改进的基于用户偏好的推送机制解决方案设计

2.1 用户兴趣模型

用户兴趣模型采用Salton等人提出的向量空间模型（Vector Space Model）[2]，在此模型中，每个用户的兴趣模型可以通过特征项集表示为：

[D=D（T1，W1；T2，W2；...，Tn，Wn）] （1）

其中D指文本（Document），[Tk]表示特征项，[1≤k≤n]，是指出现在文档D中且能够代表该文档内容的基本语言单位，[Wk]是[Tk]的权重。例如，某个计算机专业学生的兴趣模型为{（C#， 0.5）， （网络编程，0.3）， （数据库应用，0.2）}。

用户兴趣模型具有自适应反馈评价机制，即用户兴趣模型会随着用户对信息资源的操作进行行为分析，通过改变特征项的权重从而调整自身的兴趣模型。特征项权重调整公式为：

[Wi=Wi+B（Ti）] （2）

其中，函数B为行为分析函数，它依据用户对信息资源的处理行为进行取值，例如收藏、下载、搜索、驻足时间、删除等行为，取值范围从-1到1。

2.2 信息过滤

根据高校具有不同社群的群体意识和知识背景的特点，本方案将信息资源按学科分为不同的频道，在每个频道里依据学习者的兴趣模型进行信息过滤，这样可以避免推送到学习者的信息庞大且知识匮乏。[D1]为某用户兴趣模型向量，[D2]为待比较的某个文档的特征向量，则用户兴趣和文档的相近度测量公式為：

[Sim（D1，D2）=cosθ=i=1nW1kW2ki=1nW21ki=1nW22k] （3）

其中，[W1k，W2k]分别表示特征项集[D1]和[D2]第k个特征项的权值，[1≤k≤n]。向量之间夹角的余弦值越大表明它们的相似度（Sim）也就越大。对相似度设定一个阈值，大于该值则认为[D2]所代表的信息资源符合学习者的信息需求特征，即信息被过滤出，送往表示层。

2.3 系统模型

该系统由原始资料数据库，用户兴趣模型和信息过滤组件和学习者组成，系统模型如图2所示。

系统推送资源过程如下：

1） 系统将原始的教育教学资源根据不同的用户兴趣模型分配到不同的频道中。

2） 系统对初步分类后的信息资源建立文档特征向量，放入频道特征向量资源库中。

3） 学习者登录相应频道，提出信息检索需求，系统搜索特征向量资源库，列出满足推送条件的资源。

4） 系统通过灵活的信息推送媒介将筛选出的资源推送给学习者。

5） 系统定期将收集到的新资源按照不同的用户兴趣模型分配到不同的频道中。

6） 系统将相关度高的信息资源以引导式列表的方式推荐给学习者。

7） 学习者对推荐的资源进行阅览，系统对用户行为进行记录和分析，通过特征项权重调整公式从而优化该频道的兴趣模型。

这种改进了的基于用户偏好的推送模型较传统的推送模型有以下两点改进：1） 每个频道里的用户兴趣模型通过学习当前用户群所关心的信息资源来达到动态生长。2） 系统通过信息过滤检索技术，为每个频道维护着一张引导式推荐列表，将热点资源列出并帮助学习者在筛选资源的过程中做出逻辑决策。

2.4 系统架构

教育教学资源推送平台采用分层设计，分别是原始资源层、用户兴趣模型层、信息过滤层和表示层，平台框架如图3所示。

原始资源层包含高校已有的教育教学信息化建设成果，例如各级精品课程网站、课件资源、网络学习社区、技术文档等。原始资源层是整个平台的最底层，系统所推送出的数据均从原始资源层汲取。

用户兴趣模型层将不同的学习者按频道分类，这样便于原始资源的细化和系统进一步地过滤信息。在本方案中，不同的用户兴趣模型即是不同的频道，比如石油工程频道、机械频道、地质频道、信息科学频道等。

信息过滤层是连接用户和信息资源的桥梁，系统根据不同学习者所拥有的知识背景，在相应频道里进行信息过滤，将与用户兴趣模型相近度高的信息资源推送给学习者。

表示层是平台的最上层，采用灵活的信息推送方式改变传统的学习模式，激发学习者的热情，比如通过网页、移动终端、E-mail、短信息等。

系统原型实现了对web页面的信息挖掘，从用户反馈的信息看，系统所推送的资源和用户兴趣点结合度紧密，相似度较高。

3 结束语

本文提出了一个改进的基于用户偏好的资源推送模型，并实现了系统原型。该模型将以往模型中资源状态由被动等待转变为主动推送，解决了高校信息资源分散且利用率低的问题，提高了学习者对资源的使用度和依赖度。在后续的研究中还需要对多媒体信息的识别与过滤，激励成员分享知识等问题进行进一步地研究。

参考文献：

[1] 李志芳，冯秀芳，赵红旗.基于用户兴趣模型的信息推送系统研究[J].太原理工大学学报，2011（5）.

[2] G.Salton，A.Wong，C.S.Yang，A vector space model for automatic indexing，Communications of the ACM，v.18 n.11，1975，（11）：613-620.

[3] 曾春，邢春晓，周立柱.个性化服务综述[J].软件学报，2002，13（10）.

[4] 李枫林，贺娜.基于信息过滤的Web信息查询优化[J].情报理论与实践，2008（2）.

[5] 李世明，赵恒永，李世友.专题搜索引擎中信息过滤的研究与实现[J].計算机工程与设计，2006（4）.

[6] 王娜.信息过滤技术在基于Web的个性化定制服务中的应用[J].情报杂志，2004（4）.

[7] 刘海峰，陈卫卫.一种混合型的协同过滤信息推送方式[J].情报科学，2009，27（2）.