深度學習理論視角下的移動學習推薦系統的設計和研究

徐正巧, 趙德偉

摘 要：計算機技術和通信技術的迅猛發展，促使移動教學和深度學習在教育領域成為新的研究熱點。首先闡明了深度學習的內涵和特征，并依此為理論基礎，研究和探討了深度學習在移動推薦系統中的應用，實現移動推薦系統的設計。

關鍵字：深度學習；移動學習；移動推薦系統

中圖分類號：TP393 文獻標識碼：A 文章編號：2095-2163（2014）02-

Design and Research of Mobile Learning Recommender System Under the Perspective of Deep Learning

XU Zhengqiao， ZHAO Dewei

（Experimental Center ， China West Normal University， Nanchong Sichuan 637000， China）

Abstract： During the rapid development of computer technology and mobile communications technology， to promote teaching and learning in depth learning of the field of education to has become the new Hotspot. The text clarifies the meaning and characteristics of depth learning， and according to this theory， the paper studies and explores the depth learning in mobile recommender systems， to achieve design mobile recommender system.

Keywords： Deep Learning； Mobile Learning； Mobile Recommender System

0引 言

隨著推薦技術的不斷成熟和移動互聯網的迅猛發展，各種移動智能設備在人們的日常生活中開始發揮重要作用，社會發展已經進入移動互聯網和大數據時代，傳統高等院校教育已經難以滿足日益增長的個人學習需求。

移動通信技術的發展，智能設備的普及以及移動學習的推廣，使人們通過移動設備和移動互聯網絡開展并實施移動教育已然成為現實。但是移動設備的屏幕小、處理能力差、輸入能力差、無線網絡的帶寬也不夠發達等因素，使移動教育出現了 “信息過載”問題，并且在很大程度上移動學習仍停留在一種初級水平，學習效果也并未獲得顯著提高。信息化的知識經濟時代要求學習者能夠進行更深層次的學習，進而深度理解和掌握知識體系。因此，本文在闡述深度學習的概念內涵以及主要特征的基礎上，將深度學習理論應用到移動推薦系統，以期能逐步改善和推進現有的移動教育，為學習者提供一種行之有效的學習方式和方法，從而使學習效率及效果均能獲得顯著的提升。

1. 深度學習理論

1.1 深度學習的概念

深度學習（Deep Learning）已成為這一時代背景下一種重要而有效的學習方式和學習理念。深度學習最早是由美國學者Ference Marton和Roger Saljo 所提出，且國外已對其展開豐富研究 [1]，而國內對深度學習的研究起步較晚，并且目前仍然處于粗淺層次。

綜合目前已有的關于深度學習的研究資料，深度學習與淺層學習（Serface Learning）相對的一種學習方式，通過強調知識的理解、關聯、遷移、運用和解決問題的學習，有助于高階思維的培養，并能使學生達到高層次目標。

深度學習是指在理解學習的基礎上，學習者能夠批判性地學習新的思想和事實，并將其融入原有的認知結構中，故而在眾多思想間建立分析和聯系，且能將已有的知識遷移到新的情境中做出決策，進而使問題獲得圓滿解決[2]。

1.2深度學習的特征

深度學習較淺層學習而言，在記憶方式，知識體系，學習投入程度，學習的理解程度和學習成果的應用等方面都存在著明顯的差異，現將深度學習的特征分析總結如下：

（1） 深度學習注重新舊信息和多學科信息的整合；

（2） 深度學習提倡主動性、批判性和積極性的學習行為。深度學習要求學習者在真實社會情景和復雜技術環境中更加注重批判性地學習和反思，主動積極地建構個人知識體系，由此而促進全面學習目標的達成；

（3） 深度學習注重知識的遷移和應用。通過深度加工知識信息、深度理解復雜概念、深度掌握內在含義，將已經構建的知識體系有效遷移應用到真實情境中以解決復雜問題；

（4） 深度學習意味著問題解決。學習即是為了解決問題，深度學習要求學習者通過學習知識來解決實際存在的問題，從而獲得深度學習的最佳效果。

2移動推薦系統的應用

移動推薦系統（Mobile Recommender System）利用移動網絡環境在信息推薦方面的優勢，通過獲取和預測潛在移動用戶偏好以實現不相關信息的過濾，并為移動用戶提供滿足其個性化需求的結果，迄今為止已逐漸成為緩解“移動信息過載”的有效手段，因此得到越來越多的關注[3]。而基于信息過濾的角度，目前的推薦算法主要分為以下幾種： 協同過濾推薦，基于內容的推薦和混合推薦。

移動推薦由于其普適性和個性化的特征，使其在旅游，廣告，娛樂及教育等多個領域均已具有良好的應用前景。

3 移動推薦系統設計

深度學習就是這樣一種學習行為和方法，也就是學習者在學習過程中根據自身興趣和愛好所進行的積極主動的批判性學習，并且在學習過程中伴隨有不斷的反思，更進一步將所有已學的本學科的舊知識和相關學科的知識整合在一起，以求得到對現實問題科學合理的解決。

在移動學習推薦系統中，用戶主要以自由學習者為主，其學習的時間不定，且學習的地點也是移動的，而學習的工具則主要是以移動設備（平板電腦、智能手機）為主，同時借助在線學習平臺來實現課堂內外學習的一體化和學習資源的共享，由此即可達到提高學習效率和促進深度學習的目標。

移動學習推薦系統包括兩大模塊：移動學習模塊和移動推薦模塊，兩個部分及其內部子模塊各有分工并相互協作，共同為移動學習者量身打造學習平臺。移動學習推薦系統的總體結構圖如1所示。

由圖1可見，對移動學習推薦系統總體結構中的各分立子模塊的功能分析如下。

（1）移動資料模塊。對于學習者而言，移動學習系統無論在學習時間還是學習空間上都具有一定的隨意性，開發者在設計學習資料的同時，要考慮到學習者使用的設備是移動，便攜，以及小容量的特點，因而設計時要盡量遵循小模塊化、多元性的原則[4]。比如更多使用簡短的聽力視頻，而要減少文字性的資料，并且內容編排要易于吸引注意力。在移動互聯網環境下，不僅學習者是移動的，學習設備、學習地點也是移動的，因此，學習者很難集中精力學習。針對這一特點，在建立學習模塊時可以通過玩游戲，聽音樂，看視頻的方式進行實現以及完成，如此即可提高學習者的學習積極性和主動性。

（2）移動測試模塊。通過調用后臺試題庫，根據移動學習者的學習進度，可實現學習者的不確定性隨時主動測驗，完成整個系統對學習者近段學習效果和知識掌握情況的跟蹤評定。

（3）虛擬交互模塊。實現基于語音、視頻、文字等信息的功能，為移動學習者提供方便快捷的問題討論和信息共享，因而具備了在線虛擬合作功能[5]。

（4）監控跟蹤模塊。實現對移動學習者的學習環境、學習時間、學習階段和學習要求的實時感知功能，并給予學習者以學習提示，將學習資源主動推送給移動中的學習者。

（5）移動推薦模塊。主要由數據采集、數據處理、統計挖掘、推薦生成模塊四個部分組成。該模塊主要是為移動學習者量身定做合適的學習環境，借此激發學生的積極情緒。同時，為了使學習者能夠進行深度學習還必須營造良好的學習氛圍和安靜、無擾的學習環境，使學生能夠全身心地投入到學習中去。

（6）數據采集模塊。從用戶數據庫及用戶所處上下文環境等信息著手，跟蹤移動學習者的學習時間、學習環境、學習行為、學習過程、訪問過的網站和閱覽過的相關內容等，再利用關聯規則和序列模式挖掘技術對學習者的行為和興趣愛好進行采集。

（7）數據處理模塊。對采集的數據進行處理，生成并不斷更新用戶信息數據庫和用戶數據庫。

（8）統計挖掘模塊。 通過數據庫計算用戶信息相似度和用戶興趣相似度，以方便系統能夠對不同的學習者推送其可能感興趣的學習資源，提供更有針對性的學習建議和個性化推薦。

（9）推薦生成模塊。用戶在不同的上下文環境下的個性化需求不盡相同，將上下文信息充分融入移動推薦系統，才能更好地生成移動推薦結果。再將用戶行為、上下文信息、社會化網絡等多源信息進行有效的融合，即可進一步提高移動推薦系統的精確度。

4結束語

只有在充分、準確地提取和預測移動學習用戶在移動網絡環境下對各種類型移動學習內容的偏好后， 移動學習推薦系統才能有效地生成移動推薦[6]。筆者在設計移動學習推薦系統時主要利用移動上下文推薦、移動社會推薦和多資源融合推薦技術對學習者開展深度學習的學習環境、學習內容、學習方式和學習資料進行更加有效的、且較為準確的推薦。

參考文獻：

[1]Eric Jensen Le Ann Nickelsen.深度學習的7種有力策略[M].溫暖，譯.上海：華東師范大學出版社，2010.

[2]張浩，吳秀娟.深度學習的內涵及認知理論基礎探析[J].中國電化教育，2012，（10）：7-11.

[3]宋樂怡，熊輝，張蓉.下一代移動推薦系統[J].華東師范大學學報，2013，（5）：38-45.

[4]陳意.基于移動學習的深度學習研究[J].江蘇廣播電視大學學報，2011，1（22）：24-26.

[5]吳懷廣，趙家明.基于物聯網技術的移動學習模型研究[J].中國電力教育，2013， （13）： 223-224.

[6]孟祥武，胡勛，王立才，等.移動推薦系統及其應用[J].軟件學報，2013，24（1）： 91-108.