云的环境下智能学习服务推荐的方法的研究.docVIP

云的环境下智能学习服务推荐的方法的研究 　　摘要摘要：伴随着云服务的商业化发展，人们对智能学习云服务的需求日渐增加，教育界也在逐步探索如何采用云服务解决学生学习的问题。首先分析了智能学习和智能学习云服务的特点，结合当前云服务的推荐方法，探讨智能学习云服务的推荐方法。 　　关键词关键词：云环境；智能学习；云服务 　　DOIDOI：10.11907/rjdk.151974 　　中图分类号：TP302 　　文献标识码：A文章编号文章编号2016）001003102 　　0引言 　　随着云计算热度的升高，智慧教育的声音越来越响。智慧教育是我国教育信息化实现十年规划目标的必然发展阶段。智慧教育要得到发展，离不开学生学习能力的提高，在当前云环境下为学生提供智能的学习服务是一个必不可少的方法。在云服务时代，如何高效地向学生提供学习服务，让学生快速地找到所需服务，智能学习服务推荐便能很好地解决此问题。 　　本文研究了云服务的多种推荐方法，并结合云服务和学生的学习特点，提出了智能学习服务的推荐方法。 　　1智能学习云服务 　　所谓智能学习，是指以先进的学习科学、学习环境设计理论、知识管理和人因工程[1]等理论和思想为指导，采用恰当的IT技术、学习工具[1]，以学习活动与学习资源为支撑，能够全面感知学习者的历史学习信息、环境信息和设备信息，并对其进行数据分析和数据挖掘，能够全面识别学习者的学习信息，灵活地生成最合适的学习任务和活动[1]。它让计算机完成简单记忆、简单操作等挑战性低的任务，让学习者集中精力完成复杂操作、挑战性高的任务，有效促进智能学习能力的发展。 　　所谓智能学习云服务，是指采用虚拟化、负载均衡和分布式存储[2]等多种技术，构建一个智能的、开放的云平台，高度整合并集成各种平台、资源[2]和应用，根据学习者需要租赁或者免费服务，满足学习者学习需求，实现学习资源获取、学习服务应用、学习方法推荐等系列活动，学习者不用担心计算机性能、软件环境、数据安全、存储备份[2]等问题，可随时随地使用服务提供商提供的学习服务。 　　一个真正意义上的智能学习云服务应该具有以下几个基本特征： 　　①能够全方位感知学习者的学习情境、学习位置和社会关系； 　　②能够提供多种智能型的学习活动，提高知识应用比重，提供高质量的、丰富的数字化学习资源； 　　③能够对学习者的历史学习数据进行数据挖掘，并深入分析，根据学习者的学习能力、学习风格、学习兴趣等提供个性化的学习建议和学习服务[1]； 　　④能够提供远程协作、思维导图、知识构建等多种学习工具； 　　⑤具有云服务按需计费、随时随地访问、独立资源池[2]、快速弹性等特点。 　　2云服务推荐方法 　　推荐是一种特殊的信息过滤，云服务推荐是采用分析用户的情境信息和兴趣爱好信息的方法，在相应云服务空间计算出用户现在或者将来可能喜欢和使用的云服务，从而主动向用户提供相应的云服务。云服务的推荐方法大致可以分为3类，即基于内容过滤的推荐、协同过滤推荐和混合推荐。 　　基于内容过滤的推荐方法起源于信息检索技术，使用了大量信息检索的成果。该方法假设用户对内容上相似的项目是感兴趣的，从内容的角度去挖掘与用户兴趣相关联的信息。在此方法中，先定义一个效用函数[3]和一个用户兴趣模型，通过计算用户兴趣模型与相应云服务模型的相似度来预测用户对云服务的评分，只有内容上和用户兴趣模型相似度高的云服务才会推荐给用户。用户兴趣可以通过问卷调查得到，也可以通过挖掘用户的日志得到。该方法多用于包含文本信息的云服务，比如新闻、电子书籍、网页等。 　　协同过滤推荐方法延伸和发展了传统的信息过滤技术，也被称为社会推荐。该方法与基于内容过滤的推荐策略完全不同，它的假设是兴趣和爱好相似的用户对同一云服务也有相似的评价，即将与用户兴趣相似的邻居用户感兴趣的云服务推荐给该用户，其又分为基于用户的协同过滤推荐和基于项目的协同过滤推荐。基于用户的协同过滤推荐是指依据对多个云服务相似评价来查找相似用户，根据相似用户对同一云服务的评分[4]来预测当前用户对该云服务的评分。基于项目的协同过滤推荐则不计算用户相似度，而是计算云服务相似度，依据相似云服务的评分[4]预测当前用户对该云服务的评分。 　　以上介绍的两种推荐方法各有优缺点，基于内容过滤的推荐只要获得了基于内容的用户信息便可实现推荐，即使有新的云服务也没有关系，但无法对用户的潜在需求进行联想推荐[3]，而协同过滤推荐通过用户对项目的评分可以进行联想推荐，但对新的云服务难以推荐。因此，结合两种推荐方法的优点，可以将两种方法进行组合应用，构成一种新的推荐方法―混合推荐。混合推荐方法可以分别实现基于内容的推荐和协同过滤推荐，然后再合并推荐结果，也可以将基于内容的推