混合式教學中線上短文本聚類算法研究

摘 要：本文的目的是實現在基于混合式課堂中，學生通過線上學習而產生的短消息文本的聚類算法比較。首先通過手機QQ聊天記錄的收集獲得我們需要的短消息文本；然后使用最經典的k-means算法對我們的短消息文本進行聚類，通過對聚類結果的分析了解到學生對本節內容的疑惑，對小組中學生活躍的程度比較，以及學生的情感變化等研究。通過對文本的聚類可以大大的提高了教師的工作效率，減輕了教師的負擔，更能夠有的放矢的針對某組的具體問題進行因材施教的教學。

關鍵詞：k-means算法；混合式教學；短消息文本

DOI：10.16640/j.cnki.37-1222/t.2017.01.194

1 引言

華南師范大學的李克東教授認為，混合式學習是我們教學中多種形式的混合：線上線下的混合，過程性評價和終結性評價的混合，學生與學生共同探討的混合。[1]隨著信息時代的到來，以及我們線上學習的推廣，產生了大量的數據，這些數據的增長之快，數量之大是難以想象的。這些數據蘊含的信息也是我們所不能想象的，對文本的處理以及有很多年的歷史了，是相對比較成熟的了，但把它有效的應用到我們混合式學習中是本文檔一個創新點。隨著學生線上學習而產生了大量的短消息文本數據，對這些數據進行聚類從而發現學生的問題及不足，教師通過整理可以大大增加課堂的效率，而且可以通過學生的問題有的放矢的整理出適合本班的教輔材料。

2 短消息文本的介紹

由于我們使用的語料是學生的聊天記錄，它屬于短消息文本，其具有字數少，表達不明確，書寫不規范的特點。然而從這些語言表達少，又不規范的的短消息文本中識別其語義還是有一定難度的。其次由于短消息文本是學生們討論的過程，所以其口語化十分嚴重，例如現在網絡中使用較廣泛的“債見”；“好咩”；“歐克”；“鴨梨”等。

（1）不規范性：短消息文本由于是截取學生的聊天記錄，聊天的過程是在一種輕松愉悅的情況下進行的，然而書寫出來并沒有正式郵件那么規范，會出現錯誤的編寫，用語不規范等特點。如不規范縮略語（圍脖一微博）（曬一share）等。

（2）不確定性：由于聊天是大家彼此交流互動的過程，不同于以往的信件存在固定的主題，圍繞一個話題展開的，我們短信息文本存在話題的不確定性。

通過以上介紹我們可以了解到短消息的不規范性、不確定性口語化等特點都給我們聚類帶來了一定的困難。如何不依賴以往詞庫排除不規范性帶來的干擾而更好的挖掘最新的，有用的信息。如何利用短消息文本自身的特點提高聚類質量。如何在海量數據聚類中保證算法執行的效率等都是值得研究的問題。

3 文本的預處理

收集到的預料是同學們使用自然語言描述的，計算機無法直接識別它的意思，因此要將TXT格式轉換成計算機能夠識別的數據格式。

（1）文本的去噪：收集到的文本已TXT形式進行保存，從文本中去除與內容無關的的標記，主要為后面分詞做準備。

（2）文本分詞：對文本進行分詞，本文只有使用的是中科院的分詞系統，基于字符串匹配的分詞技術。

（3）文本的表示：文本進行分詞后再把它表示為計算機可以識別的格式，本文采用的文本模型：向量空間模型。

（4）文本特征提取：按照一定的規則從原來的文本特征集合中選出一部分最有效的特征。

4 使用K-Means進行聚類

本文之所以選用k-means算法，是由于該算法是一個應用比較廣泛而且較為成熟的聚類算法了它是由MacQueen提出的一種非監督實時聚類算法，能夠處理大量的數據，而且相對于其他算法來說比較簡單易行。該算法的特別之處在于算法運行前必須先指定聚類數目K及初始聚類中心和收斂條件或者迭代次數。[2]根據一定的相似性度量標準，將每一條數據分配到最近的聚類中心，形成新的類，然后以每一類的平均矢量作為這一類的新的聚類中心，將數據重新分配，反復迭代直到類收斂或達到最大的迭代次數。

K一Means算法描述[3]：輸入數據：聚類簇的個數為K，其中包含了n個數據對象樣本集。輸出結果：滿足目標函數K的聚類才能才能結束。

（1）初始聚類中心是由已知的n個數據對象中隨機選取的k個。

（2）將剩余的樣本點依次計算它與聚類中心的相似度，（在不同的應用中可選擇不同的距離函數來衡量其相似度）將其相似度最近的分為一類。（3）要計算各個聚類的Mean值，可由步驟（2）得到的新的聚類集合計算。（4）重復步驟（2）（3）直到所有聚類的Mean值不再改變，聚類結束。

K-Means聚類算法最大的優點是運算比較交單，并且算法簡單快速。對于處理大數據有很強的伸縮性，時間復雜度近于線性。

K-means主要的缺點如下：（1）運行速度。雖然通常情況下，k-means執行的循環次數要少于數據對象的個數。但是對于不好的情況，它的時間復雜度將是超級多項式的。（2）K值的選取。在k-means中對于K值的選取是十分關鍵的，因為在程序運行前要先給定K的大小。K值選取的不同，劃分的結果就不相同。（3）初始化K個中心點。它的的初始選取對于劃分結果亦非常關鍵。K-means對于數據不同的維度“一視同仁”，缺乏輕重之分。

5 算法的評價

聚類技術是沒有預先設定或者定義類別情況下進行的一種無監督的學習方法。因此，對聚類結果進行客觀、有效的評價一直都是比較困難的。根據評價標準不同一般分為兩類：①基于人工進行判定；②利用目標函數進行判定。本文以人工進行判定，其評定方法主要有F值、平均準確率、熵等。

6 總結

本文通過使用K一Means算法對在混合式教學中學生線上產生的短消息文本進行聚類，可以把學生一些不懂的問題聚類出來，可以大大減少教師工作量，提高工作效率。教師可以通過仔細研究聚類結果并且進行總結，在下一次上課時候有的放矢的給學生們進行講解。

參考文獻：

[1]王元彬.混合式學習的設計與應用研究[D].山東：山東師范大學教育技術系，2006：p10.

[2]Jean-Francois Aujol，Antonin Chambolle. Dual Norms and Image Decomposition Models[J]. International Journal of Computer Vision ， 2005 .

[3]王樂.短語消息聚類相關技術研究[D].國防科學技術大學，2008.

基金項目：云南師范大學研究生科研創新基金項目“基于PMVS的三維重建點云模型修復研究”（YJS201663）

作者簡介：周赟（1989-），女，山東蓬萊人，碩士研究生，研究方向：混合式教學。