基于大數據的3D 虛擬學習環境個性化推薦系統的研究

唐曉鳳

（永州職業技術學院，永州 425000）

1 大數據與推薦系統

隨著網絡環境下在線教育的不斷發展，在線教育大數據不斷產生。教育大數據具備大數據的顯著特征，包括數據規模巨大、數據流轉高速、數據類型多樣化、數據價值密度低以及數據真實性五大特征。網絡環境下的在線教育留下學習者大量的學習痕跡，大量的教育大數據給在線教育的快速發展提供了參考。但教育大數據的產生也帶來諸多問題，包括數據規模巨大帶來的數據實時性問題、數據流轉高速帶來的系統穩定可靠的問題、數據類型多樣化帶來的推薦引擎的問題、數據價值密度低帶來的數據稀疏性問題、數據真實性帶來的數據真偽的問題等。從教育大數據存在的問題出發，解決教育大數據信息過載問題，其主要的方法有搜索引擎和推薦系統。搜索引擎學習者在尋找所需學習資源時與計算機進行交互的一種行為[1]，適用于對學習資源有明確需求的學習者，學習者可通過搜索引擎來獲取自己所需的學習資源。推薦系統通常稱個性化推薦系統，是根絕學習者的興趣愛好向學習者推薦符合學習者需求的學習資源，適用于對學習資源并沒有明確需求的學習者，系統可通過學習者的歷史行為為學習者主動推薦學習資源[2]。為發展智慧課堂，實現個性化教學，個性化推薦系統已廣泛應用于在線課程，個性化推薦系統的研究已成為研究重點。

2 個性化推薦系統算法

個性化推薦系統是互聯網技術發展的產物，其主要目的是為使用者發現感興趣、有價值的資源，廣泛應用于電子商務、生活娛樂及學習等各個方面。達觀數據[3]顯示個性化推薦系統廣泛應用于電商亞馬遜、YouTube、Linkedin、淘寶等，為電商創造高利潤、高收入。個性化推薦系統的使用可以方便用戶篩選信息，為用戶提供參考意見等。

個性化推薦系統算法種類繁多，應用于在線課程的個性推薦系統算法主要有基于內容的推薦算法、基于協同過濾的推薦算法和基于SVD 的推薦算法等。基于內容的推薦算法[4]是以學習資源的描述信息以及特征為基礎，以聚類分析等方法為技術，結合用戶的使用行為數據，為用戶推薦用戶感興趣的學習資源；基于協同過濾的推薦算法[5]以群體學習行為未基礎，比較學習者之間的相似度再為學習者推薦；基于SVD 的推薦算法主要以學習者的評價為基礎，為用戶進行推薦。為實現3D 虛擬學習環境學習者個性化推薦，將基于內容、協同過濾和SVD 推薦算法進行綜合，采用混合推薦技術，以期為學習者推薦有效的學習資源。

3 基于大數據的3D 虛擬學習環境個性化推薦系統的設計

3.1 基于大數據的3D 虛擬學習環境個性化推薦系統特點

3D 虛擬學習環境是利用計算機模擬現實進行學習，因其具備情境性、體驗性和沉浸性的特征而深受高職學生的喜愛，特別在實訓實驗課程上。3D 虛擬學習環境中的學習資源除文本、評價以外，產生的大部分數據都來源于學生的模擬操作。其特征的提取難度遠遠大于文本，推薦難度也加大。因此基于大數據的3D 虛擬學習環境個性化推薦系統算法需采用基于內容、協同過濾和SVD 混合推薦算法。

3.2 基于大數據的3D 虛擬學習環境個性化推薦系統總體設計

基于大數據的3D 虛擬學習環境個性化推薦系統包括基礎平臺層、數據和用戶建模層、推薦引擎組層以及用戶交互界面層，如圖1所示。其中基礎平臺層主要包括數據存儲、數據運算以及數據傳輸平臺。建模層包括數據建模和用戶建模，數據建模主要是對3D 虛擬學習環境下學習資源數據進行收集、表示和建模等；用戶建模是對3D 虛擬學習環境下學習者的基本特征以及學習的學習痕跡數據進行收集、分析和建模等。推薦引擎組主要采用基于內容、協同過濾和SVD 推薦算法等混合推薦，其中基于內容的推薦算法主要以學習者以往的學習數據為基礎，推薦學習者喜歡的教學資源；基于協同過濾推薦算法主要以以往學習者的學習行為為基礎，以群體行為為參照對象，推薦群體喜愛的學習資源而學習者未學習的資源給學習者。基于SVD 的矩陣分解推薦算法以學習者的評價信息為基礎，為學習者尋找喜愛的學習資源并為學習者推薦學習資源。

圖1 基于大數據的3D虛擬學習環境個性化推薦系統總體架構

4 結束語

基于3D 虛擬學習環境下學習者的學習行為，利用學習行為產生的海量3D 虛擬學習環境下的大數據，為學習者推薦有效的學習資源，提高學習資源推薦的精準度，提升3D 虛擬學習環境下學習資源使用的活躍度，實現個性化教學。