秦川

摘 要:教學資源網絡共享平臺的檢索需要高效、準確的算法來進行優化,該文嘗試運用當前大量應用于計算機預測檢索方面的BP神經網絡算法這一技術手段來對教學資源網絡共享平臺的檢索進行優化,以達到提高教學資源網絡共享平臺的用戶體驗這一目的。
關鍵詞:教學資源網絡共享平臺 BP神經網絡 資源檢索 優化算法
中圖分類號:G642 文獻標識碼:A 文章編號:1672-3791(2015)05(b)-0149-01
在信息化大潮的今天,高校教學資源已步入了數字化信息化時代網絡化的時代。在教育部的主導下現在各大高校已經建設起了上萬門的精品課程;現在又大力開展精品資源共享課的建設,計劃在“十二五”期間支持建設5000門國家級精品資源共享課。如此多的優質教學資源就意味著必須有一個優質高效的教學資源網絡共享平臺才能發揮這些資源最大的教學效能。其中這種類型的平臺要解決的第一個問題就是資源檢索的優化問題,以期解決在大規模訪問時支撐教學資源網絡共享平臺的服務器能同時對多個使用者快速準確的完成檢索并返回檢索的結果。
為什么我們把優化檢索效率放在首要解決的問題上呢?我們對教學資源網絡共享平臺的使用對廣西中醫藥大學的大三學生進行了相關問卷調查。其中一項的的調查為在什么情況下會放棄使用該平臺,四個選項中檢索速度慢和檢索結果不精確這兩個選項分別占據了38%和32%。由此可以得出結論:在現在的現實應用中我們已經有了很多優質的教學視頻資源,由此對于一個教學資源網絡共享平臺而言現在最為重要的就是要解決檢索的速度、效率、和準確度的問題了。因此我們把對高校優質教學資源網絡共享平臺的信息檢索的優化作為首要解決的問題。
神經網絡的基本特征在數據檢索上的應用具有以下四點。
(1)非線性:非線性現象大量的存在于現實世界中。大腦的神經網絡活動就是屬于這種現象。神經網絡的基本單元神經元一般具有兩種形態:激活或關閉,在數學上該行為表現為一種離散特性而教學資源網絡共享平臺信息檢索所產生的指令數據就是典型的離散信息。這些神經元在一定的閩值控制下進行激活或關閉,由此它們所構成的網絡具有更好的容錯性。
(2)非局限性:由網絡化結構來組成的大量神經元網絡可以模擬出大腦的非局限性,這種局限性可以限制對整個系統的無限制遍歷,可以更精確的先行定位搜索的范圍。單個神經元的特性并不能決定一個系統的整體行為,而神經元之間的相互作用、相互連接卻能夠決定一個系統的整體行為。
(3)非常定性:在處理檢索信息的時候,如果引用神經網絡,其本身具有自適應、自組織自學習能力,可以使其處理各種變化的輸入信息,且在處理信息的同時,非線性動力系統也通過迭代過程不斷的變化,就可以適應一段時間內檢索內容的變化多寡而改變針對某個檢索內容的檢索效率。
(4)非凸性:由于非凸性可以讓檢索信息在神經網絡中擁有自組織學習的過程,可以達到多個較穩定的平衡狀態,這可以解釋為數學原理,某個特定的狀態函數在一定的條件下將會決定一個系統所進化的方向。例如檢索變量函數的極值對應于系統的結果輸出的穩定狀態。而非凸性指的是該檢索變量函數可以達到的多個極值,所以系統有多個穩定的檢索結果,因此這就使系統檢索結果具有變化的多樣性。神經網絡算法有多重類型由于檢索的信息需要有反饋所以該文使用有反饋的前向網絡即BP神經網絡。
神經網絡一般是輸入層檢索目標對輸出層的檢索結果有反饋信息,使得輸出層輸出相應的檢索結果,而這種類型的網絡中對輸入層存在反饋信息,用于存儲某種模式序列,典型的神經認知機和回歸BP網絡就屬于這種網絡類型。
(1)在多級的神經網絡中,同級的神經元節點是獨立的,它們之間沒有聯系。
(2)通過相互的權值各級層神經元之間互聯,前一層的輸入要查詢的檢索信息是后一層的輸出結果。
(3)檢索信息從前一層逐層向后一層傳遞,并沒有反向連接信號。
在該文中作為實際輸出,通過對上述公式的計算就可以不斷的檢索出實際的檢索目標對應的字段標志參數,完成分類、模式識別或者函數逼近和模擬的任務,最終不斷的逼近最優化的值,形成最快捷的檢索通路。通過上述方法我們可以BP算法在檢索信息時的訓練過程總結(如圖1所示)。
通過上述內容可以初步得到高校優質教學資源網絡共享平臺信息檢索的優化采用BP神經網絡算法是可行的,在檢索優化的過程中在檢索效率和準確度上由于神經網絡具有的自我學習能力使之具備較好的檢索性能。
參考文獻
[1] 陳國良.并行算法的設計與分析[M].北京:高等教育出版社,2005:76-80.
[2] 蔣宗禮.人工神經網絡導論[M].北京:高等教育出版社,2005:34-78.
[3] 文繼軍,王珊.SEEKER:基于關鍵詞的關系數據庫信息檢索[J].軟件學報,2005,16(7):1270-1281.
[4] 肖科.基于BP神經網絡的Web服務選擇算法[D].北京:北京郵電大學,2014:15-20.