在線學習系統中的深度學習推薦算法分析

陳曦

摘要：近年來，我國信息技術高速發展，智能手機幾乎普及到了每一個人，人們的生活、工作方式發生了巨大的變化，已經進入到了互聯網時代。在這個背景下，在線學習系統已經成為許多人獲取知識的重要途徑，互聯網技術與教育相結合已經是必然趨勢，本文對在線學習系統中的深入學習推薦算法進行了討論。

關鍵詞：互聯網技術;在線學習系統;深度學習

中圖分類號：TP391.3?文獻標識碼：A?文章編號：1672-9129（2020）09-0162-02

引言：傳統教育模式存在同質化嚴重、個性化不足等問題，無法發揮每個學生的特長。在互聯網背景下，傳統的教育模式迎來了改變，互聯網技術極大豐富了教學手段和教學資源，通過深度學習推薦算法，能夠建立個性化、智能化的在線學習系統。因此對在線學習系統中的深度學習推薦算法進行深入分析與研究，具有重要意義。

1?在線學習系統中深度學習推進算法的重要性

在互聯網高度發展的背景下，在線學習的模式受到越來越多的關注，在線學習沒有空間與時間的限制，可以提供大量的教學資源，學習者可以利用多媒體資源進行自主學習，學習方式更加靈活。同時。學習者還能通過網絡社區與其他學習者進行交流和探討，能加深學生對知識的理解，培養學生的自主學習能力。目前，在線學習系統逐漸被應用在教育工作的各個方面，已經成為了教育系統中的重要組成部分。

大部分在線學習系統都是以平臺為核心，平臺上的教學資源眾多，且存在同質化現象。學生在學習之前，首先需要一定時間來尋找有用、適合自己的教學資源，降低了學習效率和學習體驗。深度學習推薦算法有效解決了這個難題，深度學習推薦算法可以收集并分析每個學習者的歷史行為數據和興趣偏好，構建全面的數據學習模型，自動為學生推薦其需要或感興趣的教育資源，能夠為學生提供個性化、智能化的服務。將深度學習推薦算法應用到在線學習系統中，將原本的搜索模式改變成了智能服務模式，極大的提高了學習者的學習效率和學習體驗。

2?在線學習系統中深度學習推薦算法的分析

2.1協同過濾算法。協同過濾算法是當前在線學習系統中最為常用的智能推薦算法，通過用戶群中間的協同智慧進行判斷與篩選，協同過濾算法有基于近鄰和基于模型兩種實現方式。基于近鄰的協同過濾算法的主要原理是在系統中尋找出與目標用戶有著相似歷史行為的其他用戶，再將這些用戶搜索、觀看的內容，推薦給目標客戶。比如Altered Vista System就是早期的教育資源推薦系統，通過分析學習者歷史行為間的重疊信息，結合過濾算法給學習者進行推薦[1]。基于模型的協同過濾算法通過分析學習者的瀏覽記錄、瀏覽時間、瀏覽內容、搜索內容等相關數據，結合資源關鍵詞匹配技術，為學習者建立完整的模型，并根據模型推薦學習者可能感興趣的教學內容。比如活動序列的動態推薦系統，就是應用這種基于模型的協同過濾算法。該算法還可以應用到音樂、新聞、電影等資源上，經常會推薦一些用戶喜歡的冷門資源，為用戶帶來驚喜。但是協同過濾算法存在冷啟動問題，即用戶與各種資源進行的互動較少時，這種算法會受到巨大的影響，甚至失去作用。

2.2基于內容的推薦算法。基于內容的推薦算法是比較傳統的推薦算法，通過分析用戶的歷史記錄，總結用戶過去喜歡的對象，并為用戶推薦相似的內容。基于內容的推薦算法需要對推薦內容和用戶分別建立特征模型。內容建模是通過提取推薦內容的特點、標簽等特征，來表示這個內容。用戶建模是通過總結、分析用戶不喜歡和喜歡的內容，構建用戶喜好特征，建立相應的集合。通過算法比較和搭配，為用戶推薦相關度最高的內容。在基于內容的推薦算法中，智能推薦效果主要是由內容模型的質量決定的，內容的種類繁多包括文字、音樂、電影、圖文等，尋常方法很難對內容進行特征提取，一般內容建模都是由人工完成的，通過人來對內容進行分類。在線學習系統中，經常會應用到基于內容的推薦算法，因為教育資源涉及學科眾多，且知識的側重點不同，需要人工建立集合，同時也有助于提高學習者的學習廣度，讓學生在專研某一領域、某一問題時，能看到更多相關的知識。北京師范大學建立的“學習元”平臺，應用的就是基于內容的推薦算法，從學習者興趣、偏好、知識掌握程度建立特征模型，同時對圖像、視頻、圖文等學習資源進行語義描述，根據學科和年級進行分類、建立特征模型，并在“學習元”平臺上將兩者進行匹配[2]。基于內容的推薦算法對用戶的行為數據依賴程度較低，因此并不會受到冷啟動問題所影響，并且提供的資源也更為準確。但缺點的是基于內容的推薦算法需要大量具有專業知識的人士來建立特征集合，且過程復雜，不適合大面積的應用。

2.3混合推薦算法。近年來，在信息技術的基礎上，大數據計算和云計算技術也有巨大的發展與突破，將這兩項技術應用在推薦算法中，極大的提高了算法的運算能力，同時也為混合推薦算法打下了基礎。由于協同過濾算法和基于內容的推薦算法都有著其優點和缺點，所以將兩種推薦算法混合使用，能達到最好的推薦效果，同時也能適用于各個階段的使用者。比如虛擬社區的文獻推薦，就融合了兩種推薦算法，設計了顯性和隱性知識的推薦程序，既能為剛剛使用該虛擬社區的研究者推薦所需要的論文，也能為長時間使用的研究者提供個性化推薦。

結論：隨著互聯網高速發展和智能手機的普及，在線教育越來越受到人們的重視，能夠有效彌補傳統教育形式單一的缺點。深度學習推薦算法是在線學習系統的核心，主要有協同過濾算法、內容推薦法和混合推薦法幾種，合理應用這些算法，能夠為學習者提供更加優質的學習服務。

參考文獻：

[1]沈筱譞. 在線學習系統中的深度學習推薦算法研究[D].華中師范大學，2017.

[2]楊新新. 社會媒體中基于深度學習的推薦算法研究[D].山東師范大學，2020.