基于大數(shù)據(jù)的3D 虛擬學(xué)習(xí)環(huán)境個(gè)性化推薦系統(tǒng)的研究

唐曉鳳

（永州職業(yè)技術(shù)學(xué)院，永州 425000）

1 大數(shù)據(jù)與推薦系統(tǒng)

隨著網(wǎng)絡(luò)環(huán)境下在線(xiàn)教育的不斷發(fā)展，在線(xiàn)教育大數(shù)據(jù)不斷產(chǎn)生。教育大數(shù)據(jù)具備大數(shù)據(jù)的顯著特征，包括數(shù)據(jù)規(guī)模巨大、數(shù)據(jù)流轉(zhuǎn)高速、數(shù)據(jù)類(lèi)型多樣化、數(shù)據(jù)價(jià)值密度低以及數(shù)據(jù)真實(shí)性五大特征。網(wǎng)絡(luò)環(huán)境下的在線(xiàn)教育留下學(xué)習(xí)者大量的學(xué)習(xí)痕跡，大量的教育大數(shù)據(jù)給在線(xiàn)教育的快速發(fā)展提供了參考。但教育大數(shù)據(jù)的產(chǎn)生也帶來(lái)諸多問(wèn)題，包括數(shù)據(jù)規(guī)模巨大帶來(lái)的數(shù)據(jù)實(shí)時(shí)性問(wèn)題、數(shù)據(jù)流轉(zhuǎn)高速帶來(lái)的系統(tǒng)穩(wěn)定可靠的問(wèn)題、數(shù)據(jù)類(lèi)型多樣化帶來(lái)的推薦引擎的問(wèn)題、數(shù)據(jù)價(jià)值密度低帶來(lái)的數(shù)據(jù)稀疏性問(wèn)題、數(shù)據(jù)真實(shí)性帶來(lái)的數(shù)據(jù)真?zhèn)蔚膯?wèn)題等。從教育大數(shù)據(jù)存在的問(wèn)題出發(fā)，解決教育大數(shù)據(jù)信息過(guò)載問(wèn)題，其主要的方法有搜索引擎和推薦系統(tǒng)。搜索引擎學(xué)習(xí)者在尋找所需學(xué)習(xí)資源時(shí)與計(jì)算機(jī)進(jìn)行交互的一種行為[1]，適用于對(duì)學(xué)習(xí)資源有明確需求的學(xué)習(xí)者，學(xué)習(xí)者可通過(guò)搜索引擎來(lái)獲取自己所需的學(xué)習(xí)資源。推薦系統(tǒng)通常稱(chēng)個(gè)性化推薦系統(tǒng)，是根絕學(xué)習(xí)者的興趣愛(ài)好向?qū)W習(xí)者推薦符合學(xué)習(xí)者需求的學(xué)習(xí)資源，適用于對(duì)學(xué)習(xí)資源并沒(méi)有明確需求的學(xué)習(xí)者，系統(tǒng)可通過(guò)學(xué)習(xí)者的歷史行為為學(xué)習(xí)者主動(dòng)推薦學(xué)習(xí)資源[2]。為發(fā)展智慧課堂，實(shí)現(xiàn)個(gè)性化教學(xué)，個(gè)性化推薦系統(tǒng)已廣泛應(yīng)用于在線(xiàn)課程，個(gè)性化推薦系統(tǒng)的研究已成為研究重點(diǎn)。

2 個(gè)性化推薦系統(tǒng)算法

個(gè)性化推薦系統(tǒng)是互聯(lián)網(wǎng)技術(shù)發(fā)展的產(chǎn)物，其主要目的是為使用者發(fā)現(xiàn)感興趣、有價(jià)值的資源，廣泛應(yīng)用于電子商務(wù)、生活?yuàn)蕵?lè)及學(xué)習(xí)等各個(gè)方面。達(dá)觀數(shù)據(jù)[3]顯示個(gè)性化推薦系統(tǒng)廣泛應(yīng)用于電商亞馬遜、YouTube、Linkedin、淘寶等，為電商創(chuàng)造高利潤(rùn)、高收入。個(gè)性化推薦系統(tǒng)的使用可以方便用戶(hù)篩選信息，為用戶(hù)提供參考意見(jiàn)等。

個(gè)性化推薦系統(tǒng)算法種類(lèi)繁多，應(yīng)用于在線(xiàn)課程的個(gè)性推薦系統(tǒng)算法主要有基于內(nèi)容的推薦算法、基于協(xié)同過(guò)濾的推薦算法和基于SVD 的推薦算法等?；趦?nèi)容的推薦算法[4]是以學(xué)習(xí)資源的描述信息以及特征為基礎(chǔ)，以聚類(lèi)分析等方法為技術(shù)，結(jié)合用戶(hù)的使用行為數(shù)據(jù)，為用戶(hù)推薦用戶(hù)感興趣的學(xué)習(xí)資源；基于協(xié)同過(guò)濾的推薦算法[5]以群體學(xué)習(xí)行為未基礎(chǔ)，比較學(xué)習(xí)者之間的相似度再為學(xué)習(xí)者推薦；基于SVD 的推薦算法主要以學(xué)習(xí)者的評(píng)價(jià)為基礎(chǔ)，為用戶(hù)進(jìn)行推薦。為實(shí)現(xiàn)3D 虛擬學(xué)習(xí)環(huán)境學(xué)習(xí)者個(gè)性化推薦，將基于內(nèi)容、協(xié)同過(guò)濾和SVD 推薦算法進(jìn)行綜合，采用混合推薦技術(shù)，以期為學(xué)習(xí)者推薦有效的學(xué)習(xí)資源。

3 基于大數(shù)據(jù)的3D 虛擬學(xué)習(xí)環(huán)境個(gè)性化推薦系統(tǒng)的設(shè)計(jì)

3.1 基于大數(shù)據(jù)的3D 虛擬學(xué)習(xí)環(huán)境個(gè)性化推薦系統(tǒng)特點(diǎn)

3D 虛擬學(xué)習(xí)環(huán)境是利用計(jì)算機(jī)模擬現(xiàn)實(shí)進(jìn)行學(xué)習(xí)，因其具備情境性、體驗(yàn)性和沉浸性的特征而深受高職學(xué)生的喜愛(ài)，特別在實(shí)訓(xùn)實(shí)驗(yàn)課程上。3D 虛擬學(xué)習(xí)環(huán)境中的學(xué)習(xí)資源除文本、評(píng)價(jià)以外，產(chǎn)生的大部分?jǐn)?shù)據(jù)都來(lái)源于學(xué)生的模擬操作。其特征的提取難度遠(yuǎn)遠(yuǎn)大于文本，推薦難度也加大。因此基于大數(shù)據(jù)的3D 虛擬學(xué)習(xí)環(huán)境個(gè)性化推薦系統(tǒng)算法需采用基于內(nèi)容、協(xié)同過(guò)濾和SVD 混合推薦算法。

3.2 基于大數(shù)據(jù)的3D 虛擬學(xué)習(xí)環(huán)境個(gè)性化推薦系統(tǒng)總體設(shè)計(jì)

基于大數(shù)據(jù)的3D 虛擬學(xué)習(xí)環(huán)境個(gè)性化推薦系統(tǒng)包括基礎(chǔ)平臺(tái)層、數(shù)據(jù)和用戶(hù)建模層、推薦引擎組層以及用戶(hù)交互界面層，如圖1所示。其中基礎(chǔ)平臺(tái)層主要包括數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)運(yùn)算以及數(shù)據(jù)傳輸平臺(tái)。建模層包括數(shù)據(jù)建模和用戶(hù)建模，數(shù)據(jù)建模主要是對(duì)3D 虛擬學(xué)習(xí)環(huán)境下學(xué)習(xí)資源數(shù)據(jù)進(jìn)行收集、表示和建模等；用戶(hù)建模是對(duì)3D 虛擬學(xué)習(xí)環(huán)境下學(xué)習(xí)者的基本特征以及學(xué)習(xí)的學(xué)習(xí)痕跡數(shù)據(jù)進(jìn)行收集、分析和建模等。推薦引擎組主要采用基于內(nèi)容、協(xié)同過(guò)濾和SVD 推薦算法等混合推薦，其中基于內(nèi)容的推薦算法主要以學(xué)習(xí)者以往的學(xué)習(xí)數(shù)據(jù)為基礎(chǔ)，推薦學(xué)習(xí)者喜歡的教學(xué)資源；基于協(xié)同過(guò)濾推薦算法主要以以往學(xué)習(xí)者的學(xué)習(xí)行為為基礎(chǔ)，以群體行為為參照對(duì)象，推薦群體喜愛(ài)的學(xué)習(xí)資源而學(xué)習(xí)者未學(xué)習(xí)的資源給學(xué)習(xí)者?；赟VD 的矩陣分解推薦算法以學(xué)習(xí)者的評(píng)價(jià)信息為基礎(chǔ)，為學(xué)習(xí)者尋找喜愛(ài)的學(xué)習(xí)資源并為學(xué)習(xí)者推薦學(xué)習(xí)資源。

圖1 基于大數(shù)據(jù)的3D虛擬學(xué)習(xí)環(huán)境個(gè)性化推薦系統(tǒng)總體架構(gòu)

4 結(jié)束語(yǔ)

基于3D 虛擬學(xué)習(xí)環(huán)境下學(xué)習(xí)者的學(xué)習(xí)行為，利用學(xué)習(xí)行為產(chǎn)生的海量3D 虛擬學(xué)習(xí)環(huán)境下的大數(shù)據(jù)，為學(xué)習(xí)者推薦有效的學(xué)習(xí)資源，提高學(xué)習(xí)資源推薦的精準(zhǔn)度，提升3D 虛擬學(xué)習(xí)環(huán)境下學(xué)習(xí)資源使用的活躍度，實(shí)現(xiàn)個(gè)性化教學(xué)。