基于协同过滤算法的移动英语学习平台研究与设计

摘要：移动学习以海量的数字资源作为载体，突破了传统学习模式中资源匮乏、时空限制等不足。但其资源丰富性也带来了一些信息过载现象，极大地影响了学习效率。基于协同过滤算法的移动英语学习平台不仅充分发挥了移动学习的优势，同时能够根据不同的学习者推荐满足其学习需求的学习资源，较大程度上节省了学习者的时间与精力投入，具有一定的现实意义。

关键词：移动学习；协同过滤算法；信息化教育；推荐系统

中图分类号：TP319

文献标识码：A

文章编号：16727800（2017）004012702

0引言

近年来，随着”互联网+”及大稻菔贝的到来，如何丰富教育资源、优化教学过程，成为教育发展领域中的一个研究热点。新的教学模式应以现代电子信息技术，特别是网络技术为支撑，使教学可以在一定程度上不受时间和地点的限制，朝着个性化和自主学习的方向发展。因此，传统教育模式的信息化、数字化以及智能化成为未来教育改革道路上的必然发展趋势。 移动学习是一种将移动技术与数字化学习技术相结合的新型数字化学习形式，它主要依托于无线移动技术、国际互联网络技术以及多媒体技术等[1]。移动学习以丰富的数字资源作为载体，突破了传统教学模式中的时空局限性，受到了国内外学者的广泛关注。自2001年起，不少学者对移动学习项目进行了深入研究，国际远程教育学家爱尔兰学者德斯蒙德・基更博士[23]主持“从数字化学习到移动学习”的移动学习研究项目，对移动学习技术的可行性、移动学习的优势与不足进行了分析。杨丽芳[4]基于Paivio的双重编码等记忆理论，将移动学习应用在大学英语词汇学习中，提出的移动交流社区能有效刺激学生记忆单词。王萍[5]对基于移动学习的艺术设计课程教学进行了探讨。秦艳菲[6]设计开发了基于Andriod的移动学习平台，通过移动智能终端拓宽学习者的学习途径，使学习者能够高效快捷地学习。 〖JP2〗在基于移动学习的教育平台中，在强调其资源丰富性的同时也带来了诸多问题。例如，在不同的教育背景下，学习者对学习资源的需求往往具有差异性。然而，在海量学习资源中，学习者想要获得感兴趣的学习资料极其困难，学习者需要自己判断资源类别并且手动查找、过滤信息。作为一种信息过滤技术，个性化推荐系统通过对用户的历史行为数据进行分析，在建立用户兴趣偏好模型的基础上，为用户主动推荐满足他们兴趣和需求的资源，较好地解决了信息过载问题[7]。个性化推荐系统最初应用于电子商务领域，通过分析用户的历史购买，推断用户的偏好特征，从而更好地为用户服务。常见的个性化推荐技术主要有协同过滤推荐、基于内容的推荐、混合推荐以及关联推荐等[811]，根据不同场景的需要，这些个性化推荐算法被优化、总结，并作为内核算法镶嵌在各种实际推荐系统中[12]。 随着视频点播技术的日益成熟和移动学习的广泛应用，无论是高校还是中小学，都将移动端视频学习作为校园网建设的一个重要组成部分，并将其应用到英语教学过程中。为了能够智能地推荐满足不同层次学生学习需求的学习内容，帮助学生不断提高英语水平，重点研究了基于协同过滤推荐算法的英语自主学习平台，建设语音视频资源库及语义库，整合碎片化时间，从听说读译等多维度充分发挥学生学习的主动性。

1问题描述

1.1移动英语自主学习理念

在本文设计的英语学习平台中，学生既是英语视频资源点播者，也可成为视频上架的参与者。在教师的指导下，由学生精选英文视频片断的主题，其内容可以是网络上公开的优秀资源，这样不仅能够从听说读等多角度训练学生的英语技能，还能够调动学生学习的积极性与主动性。

1.2协同过滤推荐系统

协同过滤推荐算法是目前个性化推荐系统中应用最为广泛的技术之一，其最大优势在于能够处理视频、音乐等各种非文本结构对象。协同过滤推荐系统主要分为两类：基于记忆的协同过滤算法和基于模型的协同过滤算法[1314]。基于记忆的协同过滤算法流程可分为以下几个步骤：①计算各用户之间的相似度；②选取与目标用户兴趣接近的部分用户作为其邻居用户；③通过邻居用户的评分计算出目标用户对项目的评分；④将步骤③预测出的评分最高的前k个项目推荐给目标用户。本文设计开发的“3分钟英语”学习平台采用基于记忆的协同过滤算法。

2基于协同过滤算法的移动英语学习平台

基于协同过滤算法的移动英语学习平台主要包含5个功能模块，分别为视频学习、视频搜索、个人中心及个性化推荐4个部分。其中，在视频学习模块中，学习者能够在正式学习之前完成课前预习、整个句子的学习、英语听力的学习，以及课后练习。视频在播放过程中可以通过点击单词来了解单词的释义，并且获得单词的读音。在视频搜索功能模块中，平台支持关键词搜索和高级搜索两种搜索模式。在个人中心功能模块中，除了最基本的个人资料查询与修改外，还可查看个人的播放历史记录、视频收藏记录等。在个性化推荐模块中，平台能够主动地收集并分析学习者的特征，推荐学习者感兴趣的视频资料，实现个性化服务。 在本文设计的移动英语学习平台中，个性化推荐模块为核心模块。该模块的难点在于采用何种方式、何种规则向学习者推荐感兴趣的资料。为了能够较为精确地向学习者推荐符合个人偏好的英语视频资料。本文设计出一种基于协同过滤算法的移动英语学习平台。

其中，k表示学习者x的最近邻居个数。Step 4：对gx，m进行降序排序，将评分最高的前K个视频资料推荐给学习者x。

3结语

移动学习打破了传统教学模式的时空性限制，被广泛应用于当前教育领域中。确保移动学习平台质量的关键在于学习资源的丰富性、高质量性，而学习资源的快速筛选、精准推送是提高学习效率的有效途径。 本文以移动学习为契机，设计了移动英语自主学习平台，采用协同过滤算法用以解决信息过载现象，提出了一种基于协同过滤算法的移动英语学习平台，该平台在充分发挥移动学习模式的便捷性、资源丰富性以及资源高度分享性的同时，也较好地解决了资源查找过程中的信息迷航现象。 在实际的学习资源推送过程中，随着视频数量的不断增加，该学习平台的推荐性能将受到极大影响。因此，如何对推荐算法加以优化是未来要进一步解决的问题。

参考文献：[1]郭绍青，黄建军，袁庆飞.国外移动学习应用发展综述[J].电化教育研究，2011（5）：105109.

[2]DESMOND KEEGAN，徐辉富.远距离教育：国际终身教育的第一选择[J].开放教育研究，1998（2）：912.

[3]丁兴富，DESMOND KEEGAN.从远程学习到电子学习再到移动学习[J].开放教育研，2000，27（5）：610.

[4]杨丽芳.移动学习在大学英语词汇学习中的应用[J].外语电化教学，2012（146）：5458.

[5]王萍.基于移动学习的艺术设计课程教学探讨[J].浙江万里学院学报，2015，28（6）：100103.

[6]秦艳菲，魏慧琴.基于Andriod的高级程序设计语言移动学习平台设计与实现[J].开发案例，2015.

[7]张志军.社交网络中个性化推荐模型及算法研究[D].济南：山东师范大学，2015.

[8]李聪.电子商务推荐系统中协同过滤瓶颈问题研究[D].合肥：合肥工业大学，2009.

[9]BAEZAYATES R，RIHEIRONETO B.Modern information retrieval[J].New York，USA：ACM Press，1997.

[10]S海玲，吴潇，李晓东.互联网推荐系统比较研究[J].软件学报，2009，20（2）：350362.

[11]苏新宁，杨建林，邓三鸿.数据挖掘理论与技术[M].北京：科学技术文献出版社，2003.

[12]KANTOR P B，ROKACH L，RICCI F.Recommender systems handbook[M].Springer US，2011：132.

[13]BREESE J S，HECKERMAN D，KADIE C.Empirical analysis of predictive algorithms for collaborative filtering[C].Processing 14th Conference Uncertainty in Artificial Intelligence Madison，1998：4352.

[14]BILLSUS D，PAZZANI M.User modeling for adaptive news access[J].User Modeling and User Adapted Interaction，2000，10（2）：147180.