鄭陽平

(承德石油高等?？茖W(xué)校 計算機與信息工程系，河北 承德 067000)

1 基于煤礦從業(yè)工種的安全生產(chǎn)教育資源推薦服務(wù)建設(shè)的要素

隨著時代的發(fā)展和移動終端的普及，隨時隨地在線自主學(xué)習(xí)成為知識獲取的重要渠道，推進移動化泛在學(xué)習(xí)已經(jīng)成為時代發(fā)展的需要。在線開放課程、精品資源共享課、云課堂、MOOC(慕課)等形式的在線學(xué)習(xí)已經(jīng)成為現(xiàn)代學(xué)習(xí)者的主要學(xué)習(xí)方式和知識獲取途徑。煤礦安全教育云平臺建設(shè)也在逐步興起，面對煤礦從業(yè)工種較多，資源種類和類型繁多，如何針對某一從業(yè)工種，快速將適合的煤礦安全生產(chǎn)教育資源實體推送給一線礦工。因為一線礦工文化程度不高，學(xué)習(xí)積極性不高。通過一線礦工注冊的信息，獲取其從業(yè)的工種和工作崗位，記錄學(xué)習(xí)行為，運用大數(shù)據(jù)和數(shù)據(jù)挖掘技術(shù)，智能智慧推薦相關(guān)學(xué)習(xí)資源，保證一線礦工必須技術(shù)知識的學(xué)習(xí)?；趶臉I(yè)工種的煤礦安全生產(chǎn)教育推薦服務(wù)應(yīng)從以下四要素著手建設(shè)：

1)煤礦安全生產(chǎn)教育資源建設(shè)。煤礦安全生產(chǎn)教育資源以形象、生動、樂學(xué)、易學(xué)為原則進行設(shè)計開發(fā)。根據(jù)煤礦一般從業(yè)人員、班組長、安全管理人員分類，大致可以分為，十大特殊工種(如井下爆破，瓦斯抽采，掘進機等)和21個一般從業(yè)工種(采煤工、防塵工、掘進工、軌道工等)。對每一從業(yè)工種，按照技術(shù)增長路線進行資源建設(shè)，并且為每個資源打上特征標(biāo)簽，如工種、工作崗位，能力、技能點等，以短視頻、圖片、漫畫、3D動漫、VR仿真警示教育體驗等信息化形式展示給一線礦工，使煤礦安全生產(chǎn)教育資源具有感染力和吸引力，促使一線礦工興趣娛樂學(xué)習(xí)。短視頻主要演示操作規(guī)范和技術(shù)要點；3D動漫形象直觀、生動地將煤礦中的人、機、環(huán)、管危險源的過程再現(xiàn)，將枯燥的安全知識點通俗生動的表現(xiàn)出來，讓一線礦工在輕松的氛圍中熟識各類危險源，掌握排除危險的方法；VR仿真警示教育體驗是在建立的煤礦生產(chǎn)操作虛擬環(huán)境，將不可見的地下的一些不安全行為操作形象、直觀的表現(xiàn)出來，提高井下工人的安全意識，克服不良習(xí)慣，促進安全生產(chǎn)。

2)煤礦安全生產(chǎn)教育云平臺建設(shè)。煤礦安全生產(chǎn)教育云平臺以簡單、易學(xué)、開放、實用為原則進行開發(fā)和設(shè)計。智慧云平臺通過對一線礦工用戶工種、工作崗位、學(xué)習(xí)行為和個性特征的采集與分析，應(yīng)用智慧推薦策略，推送相對應(yīng)的學(xué)習(xí)資源，從而實現(xiàn)基于工種的技術(shù)知識學(xué)習(xí)。本平臺采用HDFS和關(guān)系型數(shù)據(jù)庫相結(jié)合的存儲結(jié)構(gòu)，通過數(shù)據(jù)庫的檢索查詢，獲取資源實體在HDFS中的存儲位置，實現(xiàn)對煤礦安全生產(chǎn)教育資源的訪問。

3)煤礦安全生產(chǎn)教育資源智能化搜索建設(shè)。隨著信息爆炸式增長，煤礦安全生產(chǎn)教育教學(xué)資源儲備呈現(xiàn)海量化特征，根據(jù)一線礦工用戶搜索的關(guān)鍵字，結(jié)合工作和工作崗位，在海量化的教育教學(xué)資源中，利用知識圖譜和用戶行為數(shù)據(jù)快速的縮小搜索范圍，將精確的煤礦安全生產(chǎn)教育資源快速的推送一線礦工學(xué)習(xí)。

4)煤礦安全生產(chǎn)教育資源推薦服務(wù)建設(shè)。面對安全生產(chǎn)教育資源信息過載引起的問題，如何改變學(xué)習(xí)者(一線礦工和安全管理人員)的學(xué)習(xí)行為，由主動的利用搜索引擎尋找學(xué)習(xí)資源轉(zhuǎn)變?yōu)楸粍拥慕邮栈谔囟üしN的煤礦安全生產(chǎn)資源的推送，是智慧推薦服務(wù)建設(shè)的目的。通過收集較為完整的學(xué)習(xí)者的學(xué)習(xí)行為、基本檔案信息、興趣愛好等特征向量構(gòu)建學(xué)習(xí)者模型，在學(xué)習(xí)者和煤礦安全生產(chǎn)教育資源、學(xué)習(xí)者和學(xué)習(xí)策略之間建立連接。借助于學(xué)習(xí)者特征向量、學(xué)習(xí)煤礦安全生產(chǎn)教育資源特征向量和學(xué)習(xí)策略特征向量之間的關(guān)系紐帶進行科學(xué)的計算，生成學(xué)習(xí)診斷或建議，智慧推薦基于從業(yè)工種的學(xué)習(xí)內(nèi)容或?qū)W習(xí)路線。

2 煤礦安全生產(chǎn)教育資源推薦服務(wù)關(guān)系模型

煤礦安全生產(chǎn)教育資源推薦服務(wù)主要涉及學(xué)習(xí)者(一線礦工和安全管理人員)、煤礦安全生產(chǎn)教育資源和云平臺三個實體，云平臺是教育資源載體，同時收集學(xué)習(xí)者的一些屬性和學(xué)習(xí)行為，煤礦安全生產(chǎn)教育教學(xué)資源是云平臺與用戶銜接橋梁。推薦服務(wù)通過洞悉學(xué)習(xí)者的需求，提供針對某一工種的煤礦安全生產(chǎn)教育資源，確保其從事安全生產(chǎn)，避免無知型違章。借助學(xué)習(xí)者特征向量、煤礦安全生產(chǎn)教育資源特征向量和學(xué)習(xí)策略特征向量的關(guān)系紐帶，將學(xué)習(xí)者與學(xué)習(xí)資源或?qū)W習(xí)策略連接起來。學(xué)習(xí)者特征向量包括學(xué)習(xí)者基本信息(編號、性別、工種、工作崗位、關(guān)注對象等)，學(xué)習(xí)風(fēng)格(認(rèn)知風(fēng)格、媒體偏好、學(xué)習(xí)傾向、興趣愛好等)，學(xué)習(xí)行為(學(xué)習(xí)內(nèi)容、學(xué)習(xí)時間、學(xué)習(xí)資源類型、學(xué)習(xí)過程、測試評價等)。引入學(xué)習(xí)資源特征描述的目的是通過其特征描述、評論信息和屬性標(biāo)記等方式，使得學(xué)習(xí)資源的管理和檢索更加便捷。煤礦安全生產(chǎn)教育資源特征向量包括資源描述、工種類型、工作崗位、知識點、技能點、能力、媒體類型、難易程度和資源評論等。學(xué)習(xí)策略特征向量包括認(rèn)知策略(記憶、理解等)、元認(rèn)知策略(學(xué)習(xí)計劃、學(xué)習(xí)過程記錄等)和資源管理策略(學(xué)習(xí)時間、評價等)，各個策略都有自己對應(yīng)的子策略(見圖1)。

3 基于煤礦從業(yè)工種的安全生產(chǎn)教育資源推薦服務(wù)

3.1 基于煤礦從業(yè)工種的安全生產(chǎn)教育資源推薦服務(wù)系統(tǒng)框架

隨著互聯(lián)網(wǎng)+和電子商務(wù)的快速發(fā)展，推薦服務(wù)系統(tǒng)越來越被人們重視?；诿旱V從業(yè)工種的安全生產(chǎn)教育資源推薦服務(wù)系統(tǒng)整體框架，如圖2所示，其中，推薦算法和數(shù)據(jù)挖掘技術(shù)是推薦服務(wù)系統(tǒng)的重要組成部分。

協(xié)同過濾推薦技術(shù)分為基于User協(xié)同過濾推薦(User CF)和基于Item協(xié)同過濾推薦(Item CF)?；赨ser協(xié)同過濾推薦算法，通過一線礦工用戶對煤礦安全生產(chǎn)教育資源評價來評測學(xué)習(xí)者之間的相似性，推薦那些有共同工種和興趣愛好的用戶所感興趣的資源，優(yōu)點是適合性較強，適用于用戶個性化興趣不太明顯的場景，缺點是存在冷啟動問題和稀疏問題；基于Item的協(xié)同過濾推薦算法是給學(xué)習(xí)者推薦哪些資源相似的煤礦安全生產(chǎn)教育資源，優(yōu)點是可以有效進行長尾挖掘，能夠發(fā)現(xiàn)學(xué)習(xí)者潛在的興趣愛好，缺點是過于依賴用戶行為，存在冷啟動問題，多樣性較差?；旌贤扑]技術(shù)集兩者優(yōu)勢，在不同的階段使用不同的推薦技術(shù)，以達到最佳的推薦效果。

3.2 基于從業(yè)工種的煤礦安全生產(chǎn)教育資源之間的相似度計算

關(guān)于煤礦安全生產(chǎn)教育資源相似度計算的方法有很多，如毆氏距離、曼哈頓距離、余弦相似度、杰卡德相似系數(shù)和皮爾遜相關(guān)系數(shù)等。學(xué)習(xí)者與煤礦安全生產(chǎn)教育資源相似度描述了不同學(xué)習(xí)者的興趣與關(guān)注資源的相似程度，將學(xué)習(xí)者對某一煤礦安全生產(chǎn)資源的喜好或者評價作為一個特征向量，該向量值越高，則說明學(xué)習(xí)者對煤礦安全生產(chǎn)教育資源類別中的相關(guān)資源的興趣度越高。因此，建立一個從煤礦安全生產(chǎn)教育資源1到m的矩陣Am×n來表示學(xué)習(xí)者對各個類別煤礦安全教育資源的喜好程度。其中，m表示煤礦安全教育資源數(shù)，n為學(xué)習(xí)學(xué)習(xí)者總數(shù)，元素xij表示第i個學(xué)習(xí)者給第j個煤礦安全教育資源感興趣程度。

由于學(xué)習(xí)者對煤礦安全生產(chǎn)教育資源選擇及感興趣程度不同，這里采用杰卡德相似系數(shù)進行計算，自定義其函數(shù)為def Jaccard(a, b)，其公式如下：

式中，Sim1,m表示煤礦安全教育資源1與煤礦安全教育資源m的相似度，A1∪Am表示對煤礦安全教育資源1與煤礦安全教育資源m感興趣的學(xué)習(xí)者總數(shù)，A1∩Am表示同時對煤礦安全教育資源1和煤礦安全教育資源m感興趣的學(xué)習(xí)者總數(shù)。通過計算，完成各個煤礦安全教育資源之間的相似度計算，即可構(gòu)成一個煤礦安全教育資源相似度矩陣，如表1所示，根據(jù)所建立的相似度矩陣，推薦算法會向?qū)W習(xí)者推薦與相應(yīng)煤礦安全教育資源最相似的K個煤礦安全教育資源，同時根據(jù)對推薦的內(nèi)容進行排序，將已經(jīng)學(xué)習(xí)過的煤礦安全教育資源給予剔除。通過計算相似度矩陣的函數(shù)def similarity(self, x, distance)進行實現(xiàn)。

表1 煤礦安全教育資源相似度矩陣示例

3.3 計算學(xué)習(xí)者(一線礦工或安全管理人員)學(xué)習(xí)興趣矩陣

在面向一線礦工的煤礦安全生產(chǎn)教育資源云平臺中，提供了與學(xué)習(xí)者交互的頁面，學(xué)習(xí)者在云平臺中的絕大多數(shù)學(xué)習(xí)行為，都會被記錄在用戶日志和后臺數(shù)據(jù)庫中。學(xué)習(xí)者行為數(shù)據(jù)主要存儲三個字段：用戶ID，煤礦安全教育資源ID，資源標(biāo)簽和喜好反饋值，如表2所示，學(xué)習(xí)者的學(xué)習(xí)行為可以歸結(jié)為二元特性，即感興趣或不感興趣，學(xué)習(xí)或者不學(xué)習(xí)。學(xué)習(xí)者對煤礦安全教育資源發(fā)生的行為可以認(rèn)為是對此資源所帶標(biāo)簽的行為。煤礦安全教育資源推薦系統(tǒng)通過分析學(xué)習(xí)者的行為數(shù)據(jù)，進行數(shù)據(jù)挖掘和計算，并將結(jié)果存儲在后臺數(shù)據(jù)庫中。

表2 一線礦工或管理人員學(xué)習(xí)行為分值表

與基于從業(yè)工種的煤礦安全生產(chǎn)教育資源之間的相似度計算相似，同理，從學(xué)習(xí)者的學(xué)習(xí)行為數(shù)據(jù)庫中，提取偏好矩陣Rm×n來計算學(xué)習(xí)者的興趣矩陣Pm×n，計算公式為：

Pm×n=Simm×n×Rm×n

這樣就度量了推薦算法中學(xué)習(xí)者對煤礦安全教育資源的感興趣程度。

3.4 基于工種的技術(shù)知識增長路線推薦服務(wù)

事實上，Item CF推薦算法已經(jīng)可以實現(xiàn)結(jié)果的推薦，但是它的推薦結(jié)果是相似度較高的煤礦安全教育資源，如某個知識點或技能點的視頻、文檔、習(xí)題等，基本屬于同一級別的知識點，對知識增長和學(xué)習(xí)路線的推薦結(jié)果可能不夠理想。所以，構(gòu)建以某一工種技術(shù)知識增長路線推薦就顯得非常重要。以某一工種技術(shù)知識點為中心，建立該技術(shù)知識的前導(dǎo)必須知識點或技能點以及后續(xù)緊鄰知識或技能點。如圖3所示井下采煤工技術(shù)知識增長路線關(guān)系模型，當(dāng)學(xué)習(xí)者在學(xué)習(xí)或者搜索“采掘工作面安全”這一技術(shù)知識時，與它相似度較高的教學(xué)資源較多，就需要對這些相似度較高的知識點和技能點，進行關(guān)系因子修正，然后將后續(xù)緊鄰的技術(shù)知識點(如礦井災(zāi)害防治)推薦在前幾位，使其朝著知識增長路線推薦。關(guān)系修正因子δ取值范圍為[0,1]，當(dāng)δ接近1時則表示系統(tǒng)更加趨于知識增長路線推薦。對于同級別教學(xué)資源其修正因子為δ=0.96，前導(dǎo)必需知識相關(guān)的教學(xué)資源(如TCP協(xié)議格式)關(guān)系修正因子δ驟然遞減，如0.90，0.70，0.40，0.00；后續(xù)緊鄰知識點關(guān)系修正因子為δ=1.00，再后續(xù)知識修正因子δ驟然遞減，這樣就可以使學(xué)習(xí)者按照知識增長路線進行系統(tǒng)學(xué)習(xí)。需要說明的是，通過構(gòu)建基于從業(yè)工種的技術(shù)知識增長路線關(guān)系庫，根據(jù)大量數(shù)據(jù)進行模型訓(xùn)練和深度學(xué)習(xí)得出關(guān)系修正因子，實現(xiàn)修正推薦結(jié)果更加精確。通過技術(shù)知識增長路線關(guān)系庫的構(gòu)建，一是可以避免Item CF推薦算法存在的冷啟動問題，二是能夠改進推薦結(jié)果，使推薦結(jié)果朝著知識增長和認(rèn)知規(guī)律方向發(fā)展，滿足學(xué)習(xí)者循序漸進的知識或技能求知欲。最終，計算公式為：

T=δ×Pm×n

通過應(yīng)用函數(shù)def recommend(self, a)得出最終煤礦安全生產(chǎn)資源推薦列表。

4 效果評價

為了對比改進的Item CF個性化推薦算法優(yōu)劣性，評測過程中引入非個性化算法：Random算法和Popular算法。其中，Random算法每次都向?qū)W習(xí)者隨機推薦沒有產(chǎn)生過學(xué)習(xí)行為的煤礦安全生產(chǎn)教育資源；Popular算法是按照煤礦安全生產(chǎn)教育資源的熱度或流行度，向?qū)W習(xí)者推薦沒有產(chǎn)生過學(xué)習(xí)行為的煤礦安全生產(chǎn)教育資源中最熱的資源。采用交叉驗證的方法，對上述三種算法分別進行數(shù)據(jù)建模分析，獲取三種算法的推薦效果評價。為了更加直觀的獲得評測推薦結(jié)果，在煤礦安全生產(chǎn)教育資源學(xué)習(xí)過程中，認(rèn)為只有感興趣與不感興趣兩種選擇。針對這種數(shù)據(jù)類型的預(yù)測，引入準(zhǔn)確率和召回率分類準(zhǔn)確度指標(biāo)，其中，準(zhǔn)確率表示學(xué)習(xí)者對被推薦煤礦安全生產(chǎn)教育資源的感興趣程度；召回率=正樣本預(yù)測結(jié)果數(shù)/正樣本實際數(shù)，表示一個學(xué)習(xí)者喜歡的煤礦安全生產(chǎn)教育資源被推薦的概率。通過對比三種推薦算法，在采取不同的推薦K值(分別取值為3、5、10、15、20)的情況下得出的準(zhǔn)確率與召回率的評價指標(biāo)，如圖4所示。從圖中可以看出，Random算法的推薦結(jié)果最不理想，幾乎為0；Popular算法隨著推薦數(shù)K的增加，其召回率在增長，準(zhǔn)確率將降低，推薦效果較差；基于改進的Item CF推薦算法，隨著K值得增加，召回率也在同時增長，準(zhǔn)確率也在上升，當(dāng)?shù)竭_某一臨界點時，其準(zhǔn)確率隨著K值得增加而趨于平穩(wěn)。

實驗中還發(fā)現(xiàn)，針對數(shù)據(jù)類別的多樣性和復(fù)雜性，可以采用基于煤礦安全生產(chǎn)教育資源的相似矩陣最大值進行歸一化，這樣不但可以提高推薦的準(zhǔn)確率，還可以提高推薦覆蓋率和多樣性。

5 結(jié)語

個性化推薦服務(wù)系統(tǒng)在電子商務(wù)、社交網(wǎng)站等眾多領(lǐng)域有著廣泛的應(yīng)用，并逐漸扮演更重要的角色。在互聯(lián)網(wǎng)+飛速發(fā)展的今天，通過對一線礦工用戶行為數(shù)據(jù)的分析，結(jié)合用戶工種和工作崗位，采用基于Item CF推薦算法，通過構(gòu)建的基于從業(yè)工種的煤礦安全生產(chǎn)教育資源關(guān)系庫，向一線礦工用戶和安全管理人員推薦從業(yè)工種所必須的煤礦安全生產(chǎn)教育資源，通過在線學(xué)習(xí)，使其達到從業(yè)資格，勝任工作崗位?；诿旱V從業(yè)工種的安全生產(chǎn)教育資源推薦服務(wù)符合新時代發(fā)展的需要，可以解決煤礦安全生產(chǎn)教育培訓(xùn)的一些問題，變傳統(tǒng)培訓(xùn)學(xué)習(xí)為休閑娛樂學(xué)習(xí)，是一線礦工和安全管理人員隨時隨地學(xué)習(xí)的小助手。面向一線礦工的煤礦安全生產(chǎn)教育資源推薦服務(wù)研究的推廣和應(yīng)用，將使煤礦一線職工受益，很有可能培養(yǎng)一批批能工巧匠。