深度学习视角下的个性化学习资源方法研究

钱晓如 云南师范大学 申时凯 昆明学院

1 个性化学习资源的推荐法及其技术

1.1 以推荐算法为基础个性化学习资源的推荐

现时期经常使用的推荐算法主要包含以资源内容为基础的推荐法、协同过滤推荐法和混合推荐法等方法。以内容为基础的推荐法主要是利用识别、提取学习资源内容的特点，来建立学习者特征的相关模型与资源特征模型，把两者中拥有最高匹配度的学习资源向学习者做出推荐。与过滤算法相协同利用对学习人员的偏好来进行学习资源的合理有效挖掘，根据不同偏好来对学习人员实施分组的划分，同时为各组推荐与之需求接近的学习资源。辅助过滤算法可以合理降减模型设置复杂性，然而却存在矩阵稀疏与冷启动的一些问题。混合推荐法把资源内容的特点和学习人员特点进行融合的思考，再结合学习人员学习风络与习惯来为学习人员推荐最为精准的学习资源。

1.2 以机器学习为基础个性化学习资源的推荐

现时期机器学习在计算机视觉和语音识别等方面得到了有效应用，并且在教育中的应用正在成为研究的重点。一些研究人员将研究重点放在减少学习资源推荐期间模型的依赖性，从而最大程度发挥出学习资源的服务效用。利用对学习人员状态和挖掘服务器日志进行测试，来对学习人员学习风格和习惯进行识别，由此实施个性化资源的推荐分析。

2 问题描述和方法框架

2.1 问题描述

个性化学习资源推荐的达成，其实就是对学习人员和学习资源两者间关系的一种研究。如想保证线上学习平台能够为学习人员提供个性化资源推荐服务，主要需先对学习平台中的原始数据进行有效的收集，同时对数据实施合理科学的分析和挖掘，由此为学习人员推荐最为适合其学习风格的学习资源。个性化的学习资源推荐模型能够通过学习人员学习资源来集合信息。这种信息能够用下图左侧的mxn矩阵来表示，在此当中R表示的是学习资源，L表示的是学习人员。阴影的一方代表的是学习人员学习完的学习资源。空白地方代表的是没有学习过的资源，而需解决的问题是，怎样通过这些历史信息的矩阵来完成个性化学习资源推荐，也就是从新的学习资源当中获得与学习人员需要相适的推荐资源，这一过程如下右侧图所示。

图1 个性化学习资源推荐问题示意图

2.2 个性化学习资源推荐法框架

以深度神经网为基础个性化推荐法可划分为两个过程，主要包含模型训练过程与资源推荐过程，如图2所示。其中模型训练过程主要包含学习平台的数据处理，算法的设计等内容；而推荐过程则是由训练过程所获得推荐模型的运行所形成，也就是这一过程主要工作是获得个性化学习资源的一个过程。本文所设计的推荐法主要分成三个级别，一级和二级是训练的过程，三级则是个性化学习资源的推荐过程。在一级当中，为了让深度神经网可以正常工作，必须获得其输入输出。针对输入，可设计以信息特征为基础的选择模型，由此来描述及处理一些历史性学习数据；针对输出，设计学习者与资源二部图关联模型，由此确定学习资源是不是推荐条件。在二级当中，利用一级过程中的输入输出，构建深度神经网学习模型，对于个性化推荐的相关问题，来设置深度神经网优化对策，利用复杂的练习过程，能够获得学习资源推荐模型。在三级过程中，把测试数据输入训练完毕后的推荐模型中，来向学习人员推荐与学习者学习需求相符的个性化学习资源。

图2 基于深度神经网络的个性化学习资源推荐方法

3 结语

总体来说，新时代的快速发展，人工智能也因此诞生并被应用于各个领域中，以往简单性的机器学习已无法满足当前个性化学习资源推荐服务需求。而以深度神经网为基础的个性化学习资源推荐法可以充分解决学习迷茫的问题，由此提高线上学习体验效果。把深度学习合理的应用在学习资源推荐方面，对于在线学习优化来说具有促进性作用，能够为以后的个性化推荐服务效果提供创设新思路与新视角。