馬丁

摘要：我國教育教學資源建設(shè)和教育信息化建設(shè)正在經(jīng)歷著從以簡單信息資源堆砌為導向到以復(fù)雜需求推送為導向的發(fā)展轉(zhuǎn)換，該文在研究了通用的急于用戶偏好的信息模型后，提出了依托高校教育教學資源，基于改進的用戶偏好推送機制模型，重點解決以往信息資源建設(shè)中忽視學習者需求，不能切實解決學習者對教育教學資源充分利用的問題。

關(guān)鍵詞： 信息推送；信息過濾

中圖分類號：TP368 文獻標識碼：A 文章編號：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

教育教學資源推送是現(xiàn)代教育技術(shù)以網(wǎng)絡(luò)為載體所引領(lǐng)的教育模式和教學方法深化改革的產(chǎn)物，旨在探索一種面向不同專業(yè)教師和學生對象，提供優(yōu)質(zhì)信息資源的服務(wù)模式。相對于傳統(tǒng)的信息拉?。≒ull）服務(wù)，信息推送（Push）服務(wù)是一種根據(jù)用戶個性化需求，快速有效地獲取信息的方式，具有主動性、個性化、高效性等優(yōu)勢。

我國教育教學資源建設(shè)和教育信息化建設(shè)正在經(jīng)歷著從以簡單信息資源堆砌為導向到以復(fù)雜需求推送為導向的發(fā)展轉(zhuǎn)換。如何吸引各院系在科研和教學任務(wù)中使用已有信息資源，如何提高已有信息資源的利用率，為不同學習者提供符合其特征的學習資料、策略和方法，已經(jīng)成為教育教學資源推送的研究熱點技術(shù)之一。該文試圖提出一種依托高校教育教學資源，基于改進的用戶偏好推送機制模型，重點解決以往信息資源建設(shè)中忽視學習者需求，不能切實解決學習者對教育教學資源充分利用的問題。

1 通用的基于用戶偏好的信息過濾模型分析

1.1 通用的基于用戶偏好的信息過濾模型介紹

在一個一般的基于用戶偏好的信息過濾模型中，主要由用戶偏好模塊、信息加工/過濾模塊、用戶需求模塊組成。用戶偏好模塊記錄用戶在注冊信息中的選擇的偏好信息，用戶需求模塊記錄、提取、更新用戶的查詢行為特征，信息加工/過濾組件來完成對原始信息的篩選，圖1是通用的基于用戶偏好的信息過濾模型[1]。

1.2 通用的基于用戶偏好的信息過濾模型特點

該模型優(yōu)點在于整個用戶的偏好信息可以理解為單個過濾器行為的疊加與組合，便于將問題化繁為簡和日后的維護升級，但這種基于管道設(shè)計模式的模型卻有著交互能力弱的缺點，因此它不適合用作于資源推送服務(wù)模式方面的建模。為此本文提出改進的基于用戶偏好的信息過濾模型的解決方案。

2 改進的基于用戶偏好的推送機制解決方案設(shè)計

2.1 用戶興趣模型

用戶興趣模型采用Salton等人提出的向量空間模型（Vector Space Model）[2]，在此模型中，每個用戶的興趣模型可以通過特征項集表示為：

[D=D（T1，W1；T2，W2；...，Tn，Wn）] （1）

其中D指文本（Document），[Tk]表示特征項，[1≤k≤n]，是指出現(xiàn)在文檔D中且能夠代表該文檔內(nèi)容的基本語言單位，[Wk]是[Tk]的權(quán)重。例如，某個計算機專業(yè)學生的興趣模型為{（C#， 0.5）， （網(wǎng)絡(luò)編程，0.3）， （數(shù)據(jù)庫應(yīng)用，0.2）}。

用戶興趣模型具有自適應(yīng)反饋評價機制，即用戶興趣模型會隨著用戶對信息資源的操作進行行為分析，通過改變特征項的權(quán)重從而調(diào)整自身的興趣模型。特征項權(quán)重調(diào)整公式為：

[Wi=Wi+B（Ti）] （2）

其中，函數(shù)B為行為分析函數(shù)，它依據(jù)用戶對信息資源的處理行為進行取值，例如收藏、下載、搜索、駐足時間、刪除等行為，取值范圍從-1到1。

2.2 信息過濾

根據(jù)高校具有不同社群的群體意識和知識背景的特點，本方案將信息資源按學科分為不同的頻道，在每個頻道里依據(jù)學習者的興趣模型進行信息過濾，這樣可以避免推送到學習者的信息龐大且知識匱乏。[D1]為某用戶興趣模型向量，[D2]為待比較的某個文檔的特征向量，則用戶興趣和文檔的相近度測量公式為：

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

其中，[W1k，W2k]分別表示特征項集[D1]和[D2]第k個特征項的權(quán)值，[1≤k≤n]。向量之間夾角的余弦值越大表明它們的相似度（Sim）也就越大。對相似度設(shè)定一個閾值，大于該值則認為[D2]所代表的信息資源符合學習者的信息需求特征，即信息被過濾出，送往表示層。

2.3 系統(tǒng)模型

該系統(tǒng)由原始資料數(shù)據(jù)庫，用戶興趣模型和信息過濾組件和學習者組成，系統(tǒng)模型如圖2所示。

系統(tǒng)推送資源過程如下：

1） 系統(tǒng)將原始的教育教學資源根據(jù)不同的用戶興趣模型分配到不同的頻道中。

2） 系統(tǒng)對初步分類后的信息資源建立文檔特征向量，放入頻道特征向量資源庫中。

3） 學習者登錄相應(yīng)頻道，提出信息檢索需求，系統(tǒng)搜索特征向量資源庫，列出滿足推送條件的資源。

4） 系統(tǒng)通過靈活的信息推送媒介將篩選出的資源推送給學習者。

5） 系統(tǒng)定期將收集到的新資源按照不同的用戶興趣模型分配到不同的頻道中。

6） 系統(tǒng)將相關(guān)度高的信息資源以引導式列表的方式推薦給學習者。

7） 學習者對推薦的資源進行閱覽，系統(tǒng)對用戶行為進行記錄和分析，通過特征項權(quán)重調(diào)整公式從而優(yōu)化該頻道的興趣模型。

這種改進了的基于用戶偏好的推送模型較傳統(tǒng)的推送模型有以下兩點改進：1） 每個頻道里的用戶興趣模型通過學習當前用戶群所關(guān)心的信息資源來達到動態(tài)生長。2） 系統(tǒng)通過信息過濾檢索技術(shù)，為每個頻道維護著一張引導式推薦列表，將熱點資源列出并幫助學習者在篩選資源的過程中做出邏輯決策。

2.4 系統(tǒng)架構(gòu)

教育教學資源推送平臺采用分層設(shè)計，分別是原始資源層、用戶興趣模型層、信息過濾層和表示層，平臺框架如圖3所示。

原始資源層包含高校已有的教育教學信息化建設(shè)成果，例如各級精品課程網(wǎng)站、課件資源、網(wǎng)絡(luò)學習社區(qū)、技術(shù)文檔等。原始資源層是整個平臺的最底層，系統(tǒng)所推送出的數(shù)據(jù)均從原始資源層汲取。

用戶興趣模型層將不同的學習者按頻道分類，這樣便于原始資源的細化和系統(tǒng)進一步地過濾信息。在本方案中，不同的用戶興趣模型即是不同的頻道，比如石油工程頻道、機械頻道、地質(zhì)頻道、信息科學頻道等。

信息過濾層是連接用戶和信息資源的橋梁，系統(tǒng)根據(jù)不同學習者所擁有的知識背景，在相應(yīng)頻道里進行信息過濾，將與用戶興趣模型相近度高的信息資源推送給學習者。

表示層是平臺的最上層，采用靈活的信息推送方式改變傳統(tǒng)的學習模式，激發(fā)學習者的熱情，比如通過網(wǎng)頁、移動終端、E-mail、短信息等。

系統(tǒng)原型實現(xiàn)了對web頁面的信息挖掘，從用戶反饋的信息看，系統(tǒng)所推送的資源和用戶興趣點結(jié)合度緊密，相似度較高。

3 結(jié)束語

本文提出了一個改進的基于用戶偏好的資源推送模型，并實現(xiàn)了系統(tǒng)原型。該模型將以往模型中資源狀態(tài)由被動等待轉(zhuǎn)變?yōu)橹鲃油扑停鉀Q了高校信息資源分散且利用率低的問題，提高了學習者對資源的使用度和依賴度。在后續(xù)的研究中還需要對多媒體信息的識別與過濾，激勵成員分享知識等問題進行進一步地研究。

參考文獻：

[1] 李志芳，馮秀芳，趙紅旗.基于用戶興趣模型的信息推送系統(tǒng)研究[J].太原理工大學學報，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，邢春曉，周立柱.個性化服務(wù)綜述[J].軟件學報，2002，13（10）.

[4] 李楓林，賀娜.基于信息過濾的Web信息查詢優(yōu)化[J].情報理論與實踐，2008（2）.

[5] 李世明，趙恒永，李世友.專題搜索引擎中信息過濾的研究與實現(xiàn)[J].計算機工程與設(shè)計，2006（4）.

[6] 王娜.信息過濾技術(shù)在基于Web的個性化定制服務(wù)中的應(yīng)用[J].情報雜志，2004（4）.

[7] 劉海峰，陳衛(wèi)衛(wèi).一種混合型的協(xié)同過濾信息推送方式[J].情報科學，2009，27（2）.