基于多元混合準則模糊算法的高校教育信息推薦系統(tǒng)設(shè)計

李麟霞

摘? 要： 伴隨教育信息化工作逐漸深入，網(wǎng)絡(luò)教學(xué)信息出現(xiàn)爆炸性增長，如何在大量教育資源中準確提取用戶所需教育信息是教與學(xué)過程中亟待解決的問題。文中設(shè)計基于多元混合準則模糊算法的高校教育信息推薦系統(tǒng)，系統(tǒng)核心功能模塊分為檢索模塊、數(shù)據(jù)庫模塊以及推薦顯示模塊。用戶在檢索模塊輸入檢索信息后，檢索模塊將用戶檢索指令傳輸至數(shù)據(jù)庫模塊，數(shù)據(jù)庫模塊通過多元混合準則模糊決策模型按照用戶偏好提取推薦度最高的教育信息傳輸至推薦顯示模塊，推薦顯示模塊在推薦資源列表將推薦信息反饋至用戶。應(yīng)用結(jié)果顯示，該系統(tǒng)可根據(jù)用戶偏好向用戶推薦教育信息，且用戶發(fā)現(xiàn)準確度和推薦召回率都較高。

關(guān)鍵詞： 高校教育; 教育信息推薦; 多元混合準則; 用戶偏好; 數(shù)據(jù)傳輸; 應(yīng)用測試

中圖分類號： TN911.2?34; TP315? ? ? ? ? ? ? ? 文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）04?0097?03

Design on college education information recommendation system based on fuzzy algorithm of multivariate mixed criteria

LI Linxia

（Chengdu University， Chengdu 610106， China）

Abstract： With the gradual deepening of educational informationalization， an explosive growth of information appears in online teaching. How to accurately extract the educational information required by users from a large number of educational resources is a problem that needs to be solved urgently in the teaching and learning process. The college education information recommendation system based on the fuzzy algorithm of multivariate mixed criteria is designed. The core function modules of the system are divided into retrieval module， database module and recommendation display module. Users input the retrieval information into the retrieval module， and then the retrieval module transmits the users′ retrieval instructions to the database module. The database module extracts the educational information with the highest recommendation level according to the user preference by means of the fuzzy decision model of multivariate mixed criteria， and transmits it to the recommendation display module. In its resource recommendation list， the recommendation display module feeds the recommendation information back to the users. The application results show that the system can recommend educational information to the users according to their preferences， and the detection accuracy and recall rate of the system are high.

Keywords： college education; education information recommendation; multivariate mixed criteria; user preference; data transmission; application test

0? 引? 言

隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)中海量教育資源可為廣大教育學(xué)子提供多樣化、全面化、系統(tǒng)性教育信息資源應(yīng)用[1]。成熟網(wǎng)絡(luò)技術(shù)與多樣化網(wǎng)絡(luò)教育資源能夠解決以往教學(xué)環(huán)境中教育資源匱乏問題[2]。

但在復(fù)雜的網(wǎng)絡(luò)環(huán)境下，教育信息檢索精度低，且耗費時間較多[3]。為此，高校教育信息推薦系統(tǒng)成為當下教育領(lǐng)域急需研發(fā)的教育資源挖掘工具。

傳統(tǒng)教育信息推薦系統(tǒng)大多以教育信息群之間相似度為判斷依據(jù)，采用聚類或者關(guān)聯(lián)挖掘?qū)崿F(xiàn)信息推薦，對用戶偏好分析較少。本文設(shè)計基于多元混合準則模糊算法的高校教育信息推薦系統(tǒng)，分析用戶偏好性，提取推薦度最高的教育信息反饋給用戶。

1? 高校教育信息推薦系統(tǒng)設(shè)計

1.1? 系統(tǒng)模塊設(shè)計

基于多元混合準則模糊算法的高校教育信息推薦系統(tǒng)是具有檢索引擎的教育信息推薦系統(tǒng)[4]。該系統(tǒng)由檢索模塊、數(shù)據(jù)庫模塊以及推薦顯示模塊構(gòu)成。Web檢索引擎設(shè)定在檢索模塊，用于教育信息檢索與教育數(shù)據(jù)高效傳輸[5]。組成框圖如圖1所示。

教育信息推薦系統(tǒng)組成框圖

1） 檢索模塊：用戶登錄系統(tǒng)進入檢索模塊后，按照自己所會語種選取相應(yīng)語言。檢索模塊支持蒙古語、中文、英文三種語言，用戶使用三種語言在檢索界面輸入教育資源種類、關(guān)鍵詞以及學(xué)科信息檢索教育信息[6]。

2） 數(shù)據(jù)庫模塊：該模塊不僅對教育信息有多種管理方式，對系統(tǒng)與用戶信息也存在相應(yīng)管理，用戶分為注冊用戶、普通用戶、管理用戶三種身份。注冊用戶可檢索教育信息進行瀏覽，普通用戶可檢索教育信息和下載教育信息，管理用戶對數(shù)據(jù)庫整體功能均有管理權(quán)力[7]。

3） 推薦顯示模塊：推薦顯示模塊主要向用戶呈現(xiàn)與用戶輸入檢索信息推薦度最高的教育信息。推薦顯示模塊存在三個主要面板：一是學(xué)習(xí)資源列表;二是推薦資源列表;三是鄰居列表。單擊推薦顯示模塊面板中各個列表名稱，便會激活相應(yīng)功能。學(xué)習(xí)資源列表顯示用戶下載過的學(xué)習(xí)資源;推薦資源列表顯示數(shù)據(jù)庫模塊根據(jù)用戶檢索信息提取具有最高推薦度的教育信息;鄰居列表列出與用戶檢索信息相似的全部教育信息。

1.2? 多元混合準則模糊決策模型

在數(shù)據(jù)庫模塊構(gòu)建多元混合準則模糊決策模型分析用戶偏好，根據(jù)用戶偏好提取推薦度最高的教育信息給用戶[8]。

1） 教育信息權(quán)重

將高校教育信息集設(shè)成[Y=Y1，Y2，…，Ym]，并按照不一樣的信息種類，設(shè)定不同權(quán)重。

2） 模糊興趣集構(gòu)建[9]

數(shù)據(jù)庫管理模塊選擇教育信息推薦給用戶之前，先按照用戶偏好，設(shè)定理想準則、不滿意準則兩類準則，在兩類準則間設(shè)置多個折衷準則，則決策準則集是[A=Ajj=1，2，…，J]。實際應(yīng)用時，用戶對教育信息的選擇準則與教育信息因素具有交叉性。

為了構(gòu)建模糊模型，導(dǎo)入模糊用戶偏好集定義。用戶偏好集[B=Bkk=1，2，…，5]，其中偏好函數(shù)設(shè)成[Bku]，[B1]代表滿意，[B1u=u];[B2]表示很滿意，[B2u=u32] ;[B3]表示尤其滿意，[B3u=u2];[B4]代表理想，[B4u=1，u=10，u≠1];[B5]代表不滿意，[B5u=1-u]。當其中[u∈U]，[U=uee=1，2，…，11=0，0.1，0.2，…，0.9，1]，U表示教育信息推薦備選集，u表示教育信息推薦備選因子，e與k均表示數(shù)量詞。

3） 推薦度表達式構(gòu)建

① 模擬關(guān)系矩陣

設(shè)系統(tǒng)推薦的候選教育信息整體為論域[V=Vmm=1，2，…，M]，按照用戶個人價值觀和感知對V中每類教育信息實行單因素評價。評價結(jié)果是Y至V的模擬關(guān)系矩陣：

[Q=qm=Q1Q2?Q5]? ? ? ? ? ? ? ?（1）

模擬關(guān)系矩陣[Q]中，根據(jù)決策準則實行模糊似然推理，可獲取論域V中決策準則模糊子集[Aj]。

② 模糊決策矩陣

通過模糊子集[Aj]能夠獲取自V至U的模糊關(guān)系矩陣：

[Ej=ejm，e]? ? ? ? ?（2）

式中：[ej]代表教育信息模糊決策因子;m為數(shù)量詞。模糊關(guān)系矩陣[ejm，e]代表每類候選教育信息與決策準則模糊子集[Aj]的似然距離。

為了一次性計算m個候選教育信息推薦度，則設(shè)定截集均值[10]為：

[GFc，m=1Mcm-1McHmc]? ? ? ? ?（3）

式中：c為截集程度，截集程度也可理解為數(shù)理統(tǒng)計中的置信水平;[Fc，m]為教育信息有限集F截集程度;[Hmc]為截集因子;[Mc]為有限集F的勢。

2? 應(yīng)用效果測試

將本文系統(tǒng)應(yīng)用在某學(xué)校圖書館中，應(yīng)用時間為70天。實驗用戶設(shè)為該校1 300名師生員工，采用本文系統(tǒng)進行圖書查詢。本文系統(tǒng)檢索模塊界面如圖2所示。

當用戶在本文系統(tǒng)教育信息檢索界面輸入“古籍”檢索關(guān)鍵詞后。本文系統(tǒng)推薦界面示意圖如圖3所示。

按照圖3所示，本文系統(tǒng)可以按照用戶檢索詞推薦相關(guān)書籍，且推薦書籍推薦度為99%。說明本文系統(tǒng)可根據(jù)用戶偏好按照最優(yōu)推薦度實現(xiàn)書籍推薦。

為深度測試本文系統(tǒng)應(yīng)用效果，以用戶發(fā)現(xiàn)準確度、推薦召回率為測試指標，采用本文系統(tǒng)、個性化教育信息推薦系統(tǒng)以及基于ElasticSearch的教育信息推薦系統(tǒng)進行性能比較實驗。

1） 用戶發(fā)現(xiàn)準確度

用戶發(fā)現(xiàn)準確度：用戶選用系統(tǒng)推薦教育信息數(shù)量與推薦總量之比。

在該校1 300名師生員工中隨機提取500名師生員工作為用戶，當用戶數(shù)目不斷增長時，測試三種系統(tǒng)用戶發(fā)現(xiàn)準確度，結(jié)果如表1所示。通過表1數(shù)據(jù)可得，隨著用戶數(shù)量不斷增多，三種系統(tǒng)用戶發(fā)現(xiàn)準確度均開始減小，但本文系統(tǒng)用戶發(fā)現(xiàn)準確度減小幅度較小，減小速度較慢，當用戶數(shù)量從400名上升至500名時，本文系統(tǒng)用戶發(fā)現(xiàn)準確度穩(wěn)定在0.95。另外兩種系統(tǒng)用戶發(fā)現(xiàn)準確度減小幅度較大，當用戶數(shù)量從400名上升至500名時，兩種系統(tǒng)用戶發(fā)現(xiàn)準確度均小于0.84。

2） 推薦召回率

推薦召回率：用戶選用系統(tǒng)推薦教育信息數(shù)量與用戶應(yīng)用教育信息總量之比。

基于上述實驗設(shè)定，測試三種系統(tǒng)推薦召回率，對比結(jié)果如圖4所示。

對比圖4中三種系統(tǒng)推薦召回率波動趨勢可知，本文系統(tǒng)推薦召回率峰值大于0.9，優(yōu)勢顯著，伴隨用戶數(shù)目增多，始終位列另外兩種系統(tǒng)之上，波動幅度極小;另外兩種系統(tǒng)推薦召回率最低值跌破0.8。則本文系統(tǒng)推薦教育信息大多都被用戶采用。

3? 結(jié)? 論

本文所設(shè)計基于多元混合準則模糊算法的高校教育信息推薦系統(tǒng)中各功能模塊各司其職，系統(tǒng)內(nèi)容覆蓋面廣。經(jīng)驗證，當用戶數(shù)量從400名上升至500名時，本文系統(tǒng)用戶發(fā)現(xiàn)準確度穩(wěn)定在0.95，推薦召回率大于0.9，教育信息推薦效果較好。

參考文獻

[1] 潘梅勇，宋偉奇.基于大數(shù)據(jù)的高職院校信息資源庫建設(shè)[J].職業(yè)技術(shù)教育，2016，37（5）：24?26.

[2] 劉淇，陳恩紅，朱天宇，等.面向在線智慧學(xué)習(xí)的教育數(shù)據(jù)挖掘技術(shù)研究[J].模式識別與人工智能，2018，31（1）：77?90.

[3] 劉凱，張立民，周立軍.深度學(xué)習(xí)在信息推薦系統(tǒng)的應(yīng)用綜述[J].小型微型計算機系統(tǒng)，2019，40（4）：738?743.

[4] 陳麗君.情境利用與資源獲?。荷鷳B(tài)系統(tǒng)視角下職校專家型教師專長分析[J].職業(yè)技術(shù)教育，2016，37（31）：55?59.

[5] 任劍，王堅強，成鵬飛，等.混合型廣義猶豫模糊語言多準則群決策方法[J].計算機集成制造系統(tǒng)，2018，24（9）：239?248.

[6] 馮靜，張福泉.圖書信息檢索中讀者興趣偏好挖掘模型的建立仿真[J].沈陽工業(yè)大學(xué)學(xué)報，2017，39（2）：188?192.

[7] 李爽，陳瑞瑞，林楠.面向大數(shù)據(jù)挖掘的Hadoop框架K均值聚類算法[J].計算機工程與設(shè)計，2018，39（12）：142?146.

[8] 徐漢青，滕廣青，王東艷，等.基于模塊化聚類的標簽彈性推薦[J].現(xiàn)代情報，2018，38（4）：58?64.

[9] 溫子瀟，包飛龍，高光來，等.蒙古文信息檢索系統(tǒng)的設(shè)計與實現(xiàn)[J].中文信息學(xué)報，2018，32（7）：49?56.

[10] 馬楊，劉夢赤.分布式信息網(wǎng)數(shù)據(jù)庫管理系統(tǒng)的動態(tài)數(shù)據(jù)劃分研究[J].計算機工程，2017，43（9）：34?38.