基于馬爾科夫模型的電子商務(wù)課程遠(yuǎn)程教學(xué)方法

王雷

(臺州職業(yè)技術(shù)學(xué)院, 經(jīng)貿(mào)學(xué)院(電子商務(wù)學(xué)院)， 浙江, 臺州 318000)

0 引言

身處全球經(jīng)濟(jì)一體化環(huán)境，電子商務(wù)已變成人類生活中不可缺少的部分，是推進(jìn)社會與企業(yè)持續(xù)進(jìn)步的必經(jīng)之路。電子商務(wù)是一個融合計算機(jī)科學(xué)、管理學(xué)及市場營銷學(xué)等多個學(xué)科的綜合性專業(yè)[1-2]。現(xiàn)階段電子商務(wù)的快速發(fā)展，造成人才資源的緊缺，這也是阻礙電子商務(wù)進(jìn)一步發(fā)展的關(guān)鍵要素。為培育素質(zhì)過硬的電子商務(wù)專業(yè)人才，每個高校均設(shè)立了電子商務(wù)專業(yè)課程。電子商務(wù)課程是和該領(lǐng)域活動有關(guān)的課程總和[3]，包含電子商務(wù)實務(wù)、網(wǎng)絡(luò)營銷等內(nèi)容，擁有綜合性、實踐性等多種特征[4]。目前在國外的電子商務(wù)遠(yuǎn)程教學(xué)中，均側(cè)重電子商務(wù)管理方面，且學(xué)時較短，對學(xué)生學(xué)習(xí)內(nèi)容的鞏固效果不佳。在我國很多教師還是采用灌輸式教學(xué)策略實施電子商務(wù)課程教學(xué)，這不但降低了學(xué)生的學(xué)習(xí)積極性，也讓電子商務(wù)教學(xué)改革之路愈發(fā)艱巨。

針對以上教學(xué)中出現(xiàn)的實際問題，融合計算機(jī)網(wǎng)絡(luò)，提出了一種基于馬爾科夫模型的電子商務(wù)課程遠(yuǎn)程教學(xué)方法，運用馬爾科夫模型完成遠(yuǎn)程教學(xué)語音識別處理，提升教師傳遞教學(xué)內(nèi)容準(zhǔn)確性，采用統(tǒng)一建模語言，并利用ASP.NET技術(shù)，組建電子商務(wù)課程遠(yuǎn)程教學(xué)平臺，通過實例分析表明所提方法可靠性。

1 基于馬爾科夫模型的遠(yuǎn)程教學(xué)語音識別

遠(yuǎn)程教學(xué)模式無法讓師生面對面進(jìn)行課程交流，為此本文設(shè)計基于馬爾科夫模型的電子商務(wù)課程遠(yuǎn)程教學(xué)語音識別方法，通過語音識別處理，讓遠(yuǎn)程教學(xué)內(nèi)容表述更加清晰明確，提升教學(xué)質(zhì)量。

預(yù)處理語音信號主要包含以下內(nèi)容：預(yù)加重是一個極其關(guān)鍵的前處理技術(shù)，語音信號頻譜高頻區(qū)域能量較低，極易受到干擾現(xiàn)象的影響，解析語音信號之前，運用數(shù)字傳輸函數(shù)來增強(qiáng)高頻范圍，過程為

H(z)=1-0.95×z-1

(1)

式中，H(z)是數(shù)字z的傳輸函數(shù)。

語音信號呈現(xiàn)出短時穩(wěn)定的形態(tài)特征，分段處理持續(xù)的語音信號。為確保特征向量系數(shù)平滑性，幀和幀之間會有某些樣本被重復(fù)利用。與此同時，為減少語音幀截斷效用，加窗處理語音數(shù)據(jù)，這里使用海明窗算法完成計算，得到：

w(n)=0.54-0.46×cos(2π/(N-1))

(2)

其中，w(n)表示加窗處理后的語音數(shù)據(jù)，N表示語音數(shù)據(jù)總量。

短時能量均值是語音信號在此幀內(nèi)的能量平均值[5]，具有分割無聲有聲之間的邊界、連字間的邊界等作用，記作：

(3)

使用馬爾科夫模型實現(xiàn)電子商務(wù)課程遠(yuǎn)程教學(xué)語音識別。馬爾科夫模型為一個五元組(S,A,V,B,π)，S表示狀態(tài)數(shù)據(jù)集，V表示符號輸出集，π為一個原始形態(tài)概率分布，A代表形態(tài)轉(zhuǎn)移概率分布矩陣，B是形態(tài)符號發(fā)射的概率分布矩陣。

通過馬爾科夫模型相關(guān)定理可知，該模型就是一個雙重隨機(jī)流程。馬爾科夫族模型是馬爾科夫模型中的一種表達(dá)形式，設(shè)定X={X1,X2,…,Xm}代表m維隨機(jī)矢量，分量Xi與有限狀態(tài)集合數(shù)量相同。馬爾可夫族模型需要符合如下約束條件。

第一，各個分量Xi均為一個ni階馬爾科夫鏈，記作：

P(xi,t|xi,1,…,xt-1)=P(xi,t|xi,t-ni+1,…,xi,t-1)

(4)

第二，分量處于時段t時產(chǎn)生某個狀態(tài)的概率僅和此分量在時段t過往狀態(tài)及時段t其余分量的實時狀態(tài)有關(guān)，描述成：

P(xi,t|x1,1,…,x1,t,…,xi,1,…,xi-1,…,xm,1,…,xm,t)=

P(xi,t|xi,t-ni+1,…,x1,t-1|x1,t)·P(x1,t|xi,t)…P(xm,t|xi,t)

(5)

第三，需要滿足條件獨立性原則：

P(xi,t-ni+1,…,xi,t-1,x1,t…,xi-1,t,xi+1,t,…,xm,t|xi,t)=

P(xi,t-ni+1,…,xi,t-1|x1,t)·P(x1,t|xi,t)…P(xm,t|xi,t)

(6)

第一個約束條件證明馬爾科夫族模型是一種多種隨機(jī)流程；第二個約束條件可以明確馬爾科夫族模型多重隨機(jī)流程之間的耦合關(guān)聯(lián)，運用此特征可以化簡模型運算復(fù)雜度;第三個約束條件表明某個分量處于時段t時，此變量在時段t之前的ni-1個值和其余分量在時段t之前的值為互相獨立的，也就是馬爾科夫族模型使用條件獨立性假設(shè)替代了馬爾科夫模型內(nèi)的獨立性假設(shè)。立足統(tǒng)計學(xué)理論，相對條件獨立假設(shè)與獨立性假設(shè)是過度假設(shè)，和語音相關(guān)內(nèi)容不太貼切。所以本文使用馬爾科夫族模型來模擬真實的語言物理過程。

在持續(xù)不斷的電子商務(wù)課程遠(yuǎn)程教學(xué)中，不同教師處于不同語言環(huán)境下講話語速差別較大，和正常語速差別較多通常會造成語音識別錯誤，較快的語速會大幅增長語音識別錯誤率，較慢的語速會導(dǎo)致插入錯誤。當(dāng)前對語音識別問題的分析關(guān)鍵是根據(jù)某個策略獲得識別語音的語速權(quán)衡原則，再憑借語速快慢更新轉(zhuǎn)換幾率，在語速較慢的情況下增加形態(tài)自轉(zhuǎn)變的幾率，調(diào)節(jié)各個語音單元的連續(xù)時長，適應(yīng)教師授課的不同語速。

段長表述語音的時間長度，構(gòu)建一個基于段長分布的馬爾科夫族模型，挑選不同的語音段長度，授課時的講話速率改變情況即為段長的變化幅度起伏情況，與此同時，語速改變對段長的影響是共同增多與共同減少的，也就是語速較慢時，上個語音單元要大于段長均值，下一個語音單元段長大于上個語音單元。同時，處于很短的時段，教師的說話速率會較為平穩(wěn)，也就是一個短的時間中此種語速對段長的影響是大致相等的，這樣就利用上一個語音單元段長的平均值誤差來評估下一個語音單元段長的改變走向。

語音識別模型一般將音子當(dāng)作識別單位，倘若音子模型具備的形態(tài)有L個類型，描述成sl，在時段n時的形態(tài)為xn，yn是形態(tài)xn的觀測特征，在形態(tài)xn持續(xù)停留的段長為τn，將語音識別相關(guān)概率記作：

al=asl=P(xn=sl)

ai,j=asi,sj=P(xn+1=sj|xn=si)

bl(yn)=bsl(yn)=P(yn|xn=sl)

(7)

(8)

語音識別就是通過觀測序列計算最優(yōu)的形態(tài)序列S，獲得最優(yōu)的詞序列，也就是識別過程中最有可能出現(xiàn)的詞序列，詞序列計算過程為

(9)

假設(shè)Γ是相對于詞序列W可能形態(tài)序列S的數(shù)據(jù)集，得到如下公式：

(10)

倘若T1、Ti,1均為段長分割點，同時O表示一個M階馬爾科夫鏈，則擁有下列不等式關(guān)系：

(11)

條件概率P(τn+1=τi,j|τn=τi,j-1,wi)的推導(dǎo)過程使用鄰近2個語音單元之間的段長數(shù)據(jù)，這樣就能得到馬爾科夫族模型的段長二元概率[6]。也可以采用鄰近的r個語音單元之間的段長數(shù)據(jù)，對應(yīng)獲取的結(jié)果就是段長r元概率。

因為語音數(shù)據(jù)的稀疏特性，條件概率P(τn+1=τi,j|τn=τi,j-1,wi)可以取趨近值P(τn+1=τi,j|τn=τi,j-1)或利用平滑計算模式得到，將條件概率表述成：

P(τn+1=τi,j|τn=τi,j-1,wi)≈(1-λwi)·

P(τn+1=τi,j|τn=τi,j-1i)+λwiP(τn+1=τi,j|τn=τi,j-1,wi)

(12)

式中，λw表示平滑參變量，0<λw<1，τi,j是形態(tài)段長，也可以當(dāng)作半音節(jié)及音節(jié)的時間長度。在本文方法中，形態(tài)i的停留概率ai,j是一個常數(shù)，模型處于形態(tài)i后在此形態(tài)持續(xù)停留的時長τ要順從幾何分布規(guī)律，如式(13)所示，以此得到更加優(yōu)秀的語音識別精度。

(13)

2 基于統(tǒng)一建模語言的電子商務(wù)課程遠(yuǎn)程教學(xué)平臺開發(fā)

2.1 平臺設(shè)計思路

面向電子商務(wù)課程遠(yuǎn)程教學(xué)的核心需求，設(shè)計一個基于統(tǒng)一建模語言的電子商務(wù)課程遠(yuǎn)程教學(xué)平臺。本文平臺創(chuàng)建理念滿足電子商務(wù)課程教學(xué)規(guī)律，以心理學(xué)相關(guān)內(nèi)容為基礎(chǔ)，充分分析學(xué)生認(rèn)知水平及特點[7]，提高學(xué)生學(xué)習(xí)積極性。平臺設(shè)計風(fēng)格簡潔明了，在操作實用性方面得到極大提升。

通過上述設(shè)計思路分析，劃分系統(tǒng)內(nèi)包含如下角色：平臺管理員、學(xué)習(xí)人員。用戶經(jīng)過功能選擇，可以找到不同的功能頁面，平臺設(shè)計主要順序如圖1所示。

圖1 平臺設(shè)計順序

即便用戶類型較多，且不同的用戶具備自身的功能權(quán)限與事務(wù)，但訓(xùn)練平臺軟件類目標(biāo)的構(gòu)成可以分成用戶頁面包、事務(wù)處理包和后臺信息處理包，將三者的關(guān)聯(lián)表示為圖2。

圖2 軟件包之間的關(guān)聯(lián)

統(tǒng)一建模語言處于編碼階段時，運用Visual Studio.Net當(dāng)作前端研發(fā)工具[8]，SQL Server是平臺數(shù)據(jù)庫完成編程任務(wù)。編碼過程中，會挖掘出平臺的潛在缺陷與隱患，使用Rational Rose逆向工程的功能來修正平臺不足。

測試的根本目標(biāo)是明確平臺研發(fā)的錯誤。測試工作使用例描述作為基礎(chǔ)，查看平臺是否實現(xiàn)最初的設(shè)計需求，平臺配置為真實的交付系統(tǒng)，包含文檔與模型等子系統(tǒng)，測試、配置與統(tǒng)一建模語言之間的關(guān)聯(lián)可參見圖3。

圖3 測試、配置與統(tǒng)一建模語言之間的關(guān)聯(lián)示意圖

2.2 電子商務(wù)課程遠(yuǎn)程教學(xué)平臺實現(xiàn)

遠(yuǎn)程教學(xué)平臺架構(gòu)包含服務(wù)器/客戶機(jī)(Client-Server，C/S)與瀏覽器/服務(wù)器(Browser/Server，B/S)兩種架構(gòu)。C/S架構(gòu)在平臺集成維護(hù)、操作頁面一致性、平臺拓展性、安全性等方面擁有顯著局限性，而B/S為三層結(jié)構(gòu)包含界面層、事務(wù)層與數(shù)據(jù)庫層。數(shù)據(jù)庫無法直接給各個客戶機(jī)提供操作服務(wù)，而是運用Web服務(wù)器實現(xiàn)交互，完成對用戶數(shù)據(jù)服務(wù)的即時性與動態(tài)性，在用戶機(jī)內(nèi)無需設(shè)置應(yīng)用程序，將應(yīng)用程序架設(shè)于事務(wù)層所處的計算機(jī)內(nèi)，信息均儲存于數(shù)據(jù)庫服務(wù)器內(nèi)，這樣的結(jié)構(gòu)設(shè)計更具安全性。本文平臺構(gòu)建于Web架構(gòu)中，采用ASP.NET開發(fā)技術(shù)，將ASP.NET開發(fā)技術(shù)的編譯流程記作圖4。

圖4 ASP.NET開發(fā)技術(shù)編譯流程

平臺設(shè)計包含軟件與硬件兩個平臺。硬件包含網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)連接與局域網(wǎng)至廣域網(wǎng)的接入，軟件包含網(wǎng)絡(luò)協(xié)議、操作子系統(tǒng)、平臺制作工具與數(shù)據(jù)庫軟件，這里采用Windows NT的軟硬件開發(fā)工具。

統(tǒng)一建模語言對平臺的環(huán)境支撐應(yīng)當(dāng)擁有如下功能：畫圖、目標(biāo)存儲、產(chǎn)生代碼、導(dǎo)航、集成及模型互換。基于以上開發(fā)環(huán)境建設(shè)，將電子商務(wù)課程遠(yuǎn)程教學(xué)平臺整體結(jié)構(gòu)表示成圖5。

圖5 遠(yuǎn)程教學(xué)平臺結(jié)構(gòu)

管理板塊中，平臺可以自動管理全部用戶資料，同時追蹤用戶對遠(yuǎn)程教學(xué)資料的使用狀況，組織在線考試與疑難問題解答，利用成績管理子板塊明確學(xué)生的真實學(xué)習(xí)狀態(tài)，給學(xué)生正確的學(xué)習(xí)指導(dǎo)，完成學(xué)生對電子商務(wù)課程的自主學(xué)習(xí)。

教學(xué)板塊包含電子商務(wù)實驗教學(xué)、電子教案和實驗軟件模擬教學(xué)3個子版塊，很好地彌補(bǔ)了傳統(tǒng)教學(xué)方式不足，讓學(xué)生身臨其境地感受電子商務(wù)的真實交互狀態(tài)，增強(qiáng)學(xué)生的課程掌握能力。

學(xué)生學(xué)習(xí)板塊使用選擇題與問答題對學(xué)生進(jìn)行知識檢測，利用評分體系快速明確學(xué)生成績，讓學(xué)生自行規(guī)劃學(xué)習(xí)進(jìn)度，并提供對應(yīng)的教程資源，拓寬學(xué)生視野。

術(shù)語查找板塊讓學(xué)生運用搜索功能實現(xiàn)準(zhǔn)確的電子商務(wù)術(shù)語查找，還能利用模糊查找快速有效地查看生僻術(shù)語，提升自身學(xué)習(xí)速率。

系統(tǒng)演示功能板塊可以使用Flash技術(shù)對教學(xué)、學(xué)生學(xué)習(xí)與名詞術(shù)語查找進(jìn)行生動演示，可以提高系統(tǒng)全局教學(xué)質(zhì)量，讓師生更加快速地了解平臺的操作步驟與技巧，完成電子商務(wù)遠(yuǎn)程教學(xué)預(yù)期目標(biāo)。

3 實驗結(jié)果與分析

為了證明所提方法的有效性，選擇某高校電子商務(wù)專業(yè)的35名學(xué)生作為實驗?zāi)繕?biāo)，進(jìn)行為期一個月的遠(yuǎn)程教學(xué)，列舉若干因素與課程問題，對學(xué)生進(jìn)行電子商務(wù)課程遠(yuǎn)程教學(xué)問卷調(diào)查，將學(xué)生問卷評估指標(biāo)分為良、優(yōu)、差，計算出相應(yīng)分?jǐn)?shù)。研究采集的數(shù)據(jù)使用SPSS 12.0 for windows與statistics完成統(tǒng)計處理，將問卷調(diào)查后的結(jié)果表示為表1。

表1 電子商務(wù)課程遠(yuǎn)程教學(xué)問卷調(diào)查結(jié)果

從表1可知，電子商務(wù)專業(yè)學(xué)生對本文方法的教學(xué)效果擁有極高的評價，證明所提方法能夠根據(jù)電子商務(wù)專業(yè)的學(xué)生特點與需求制定極具針對性的教學(xué)內(nèi)容，并且本文采用了馬爾科夫模型的電子商務(wù)課程遠(yuǎn)程教學(xué)語音識別方法，可以保證授課教師所講內(nèi)容有效地傳遞給學(xué)生，讓學(xué)生得到更好的交互體驗同時，也培養(yǎng)了學(xué)生的自主學(xué)習(xí)能力。

為了更進(jìn)一步地展現(xiàn)方法的可靠性，對比傳統(tǒng)教學(xué)與遠(yuǎn)程教學(xué)模式，從出勤率、小測成績、月考成績、小組討論積極性等幾方面進(jìn)行仿真實驗，每5天為一個周期，實驗結(jié)果如圖6～圖8所示。

由圖6～圖8可知，與電子商務(wù)課程傳統(tǒng)教學(xué)模式相比，本文方法的遠(yuǎn)程教學(xué)模式獲得了更加優(yōu)秀的學(xué)習(xí)效果，顯著提升了學(xué)生的考核成績，與問卷調(diào)查結(jié)果基本相同，表明本文方法擁有優(yōu)秀的實用性，為電子商務(wù)課程教學(xué)的深入改革發(fā)揮重要作用。

圖6 出勤率情況對比

圖7 小測成績與月考成績的教學(xué)情況對比

圖8 小組討論積極性對比

4 總結(jié)

針對傳統(tǒng)電子商務(wù)課程灌輸式教學(xué)弊端，提出基于馬爾科夫模型的電子商務(wù)課程遠(yuǎn)程教學(xué)方法。所提方法能夠從根本上扭轉(zhuǎn)學(xué)生對電子商務(wù)課程的刻板印象，加強(qiáng)師生間的互動性，有效提升學(xué)生考核成績。接下來會在方法上引入更細(xì)致的多媒體文件分類查找業(yè)務(wù)，進(jìn)一步提高平臺用戶體驗感。