基于知識圖譜的個性化學習資源推薦研究

摘 要：學習者在使用網絡學習資源過程中存在著“信息過載”及“知識迷途”的問題，無法實現學習資源的個性化需求。針對問題與現狀，本文分析了學習者個性化學習資源需求特征，指出了知識圖譜管理學習資源的優點，分析了基于知識圖譜的方法技術生成學習路徑圖的推薦技術研究，提出基于知識圖譜的個性化學習資源推薦系統架構。為建立個性化學習資源推薦系統提供一種技術方案。

關鍵詞：知識圖譜；個性化學習資源；推薦系統

中圖分類號：TP399 文獻標識碼：A

Abstract：In the process of using online learning resources，learners have the problems of information overload and knowledge trek，which cannot meet the personalized needs of learning resources.In view of the problems and current situation，this paper analyzes the characteristics of learners' personalized learning resource needs，points out the advantages of knowledge graph in managing learning resources，analyzes the recommendation technology of learning road map generation based on the method and technology of knowledge graph，and proposes the architecture of personalized learning resource recommendation system based on knowledge graph.The study provides a technical scheme for establishing personalized learning resource recommendation system.

Keywords：knowledge graph；personalized learning resources；recommendation system

1 引言（Introduction）

隨著互聯網的發展，教育教學環境發生了巨大變化，推動了我國的教學形態改革，混合教育學習、在線自主學習、翻轉教學等各種形態的學習模式深入發展。發展過程中重要的推動力是網絡教學資源的建設，經過多年的建設，我國的網絡教學資源已經非常豐富，各種網絡平臺推出形式多樣的教學資源，為教師、學習者提供了極大的便利，學習變得泛在化和移動化，已然是“人人皆學、處處能學、時時可學”的新形態。

有研究發現，在使用網絡資源學習過程中學習者容易產生信息過載與知識迷途的現象[1]。在面對海量的學習資源的選取中，檢索出來的資源會包含大量類似內容，學習產生信息過載，同時也面臨著面對海量的學習資源，不知道資源的學習順序，產生學習知識迷途。

針對網絡學習資源使用過程中的信息過載及知識迷途問題，本文提出基于知識圖譜對從學習目標開始到學習路徑圖生成技術的研究，以解決學習者在學習過程中產生的信息過載與知識迷途問題。

2 相關概念（Related terms）

2.1 個性化學習資源

在校學生的學習路徑都是由教學計劃規范好，然后按部就班的分階段傳授給學生。學生按照這種邏輯嚴密的教學方案學習是能夠基本滿足專業發展的最低水平的。但是每個學習者都存在個體差異（如專業背景、認知水平等），在學習的過程中對按部就班的教學會有跟不上進度的，也會有不滿足既定學習目標的等各種情況，普適性的教育資源不能滿足所有用戶的個性化學習需求，這個時候學習者就需要滿足自己特定需求的學習資源。

專業的能力發展落實到職業崗位能力需求會產生各種不一樣的學習路徑。如同樣是計算機專業的學生，如落實到java工程師、前端工程師等不同的崗位，對學習內容的取舍，知識點的廣度和深度各不相同，這樣就會造就不同的學習路徑，需要不同的學習資源。

綜合來說，學習者的個體差異、專業發展、興趣愛好諸多因素導致對學習資源產生不同的需求，需要推薦恰當的學習資源內容。

2.2 知識圖譜

知識圖譜是由一條條知識組成，每條知識表示為一個實體、實體屬性、實體關系三元組知識體系，所有數據被組織成一張有向圖[2]。它的基本思想來源于五六十年代所提出的一種知識表示形式——語義網絡，近年來在搜索領域的熱門話題。在學習資源檢索領域引入知識圖譜，可以把專業領域內容所有的知識點組織成一個專業知識圖譜，圖譜中的每個節點都表示一個知識單元，單元與單元之間通過有向邊指出知識單元間的邏輯關系，這樣的知識圖譜具有具有明晰知識結構，預測知識前沿，揭示知識關系等特性關系。

利用專業知識圖譜指導學習者學習具有全局性、引領性的優勢，它可以使得學習者從一個全局的高度全面了解專業的知識體系、課程之間的關聯性，它就像一張課程內容的地圖，每個知識點都有地圖中的位置，學習者可以根據知識在地圖中的位置，查找知識地圖的路線指引，結合自己目前的知識狀況及自己的個人需求，來確定下一步的學習計劃。

2.3 推薦系統

海量的資源伴隨著個性化需求，產生了信息過載及知識迷途，為了緩解這些問題大量的研究人員在研究如何恰當的推薦信息問題，如同商場的優秀的導購員，能夠非常熟悉所導航商品的特性，還能記住顧客的特征及了解顧客的潛在需求，為顧客推薦最合適的商品。推薦系統的實質就是在海量的信息中，找到用戶感興趣的資源，并生成個性化推薦結果，為用戶提供差異性的搜索服務。

推薦系統主要技術是依靠推薦算法來實現資源的查找推薦，主要的推薦算法包括協同過濾算法、基于內容的推薦算法和混合推薦算法。協同過濾算法主要對用戶行為數據進行度量和打分，根據得分的數據確認用戶的偏好，同時查找一組類似的用戶組集合，然后找出該集合中的用戶組偏好度高但目標用戶還沒有涉及到的資源推薦給目標用戶[3]。基于內容的推薦算法是建立項目資源的特征庫，分析對比候選資源的特征與用戶的興趣特征，為用戶推薦相關的資源。混合推薦算法是一種將多種基本推薦算法混合在一起的推薦算法。在數字化學習資源推薦技術中，最常用的是協同過濾推薦，其次為混合推薦。

3 個性化學習資源推薦系統（Personalized learning resource recommendation system）

利用知識圖譜構建的個性化學習資源推薦系統分四個步驟構成，建立專業知識圖譜、學科資源本體模型、生成專業發展學習線路，建立個性化學習資源推薦系統。

3.1 建立專業知識圖譜

學科專業知識圖譜的基本結構由媒體資源層、邏輯關系層和節點顯示層構成，媒體資源層鏈接到具體的各種學習資源，邏輯關系層把資源整合形成學科知識本體模型，節點顯示層把學科知識關系用圖譜的形式可視化地展示給用戶。

媒體資源層、邏輯關系層和節點顯示層三個層完成了資源整合到圖譜呈現的過程[4]。媒體資源層接受來自本地資源、scrom資源包、網絡中的結構化與半結構化數據進行標簽、關鍵字提取操作，經數據加工后實現學科資源的數據預處理。邏輯關系層對預處理后的媒體數據進行邏輯定義、關系描述、標簽標注等操作，建構學科的專業本體庫，同時進一步對各學科本體庫進行加工整合和合并，形成學科資源本體模型。節點顯示層把學科本體模型，各學科本體間的語義關聯映射到知識圖譜中，以網狀結構呈現學科知識節點間的關聯，把學科知識關系用圖譜的形式可視化地展示給用戶，實現學科知識圖譜的全局關系網絡呈現。

3.2 學科資源本體模型

在學科資源本體模型中采用知識點作為資源描述的基本單位，每個知識點對應多個相關的學習資源，包括word、PPT、音視頻等。若干個相關性較大的知識點組合成一個專題，而若干個專題組合成一個課程內容，各課程內容之間的關系按課程內容之間的相關性等參數來記錄的。每個知識識點包括一系列的屬性標簽，如媒體呈現方式（word、PPT、音視頻等）、知識點要求的掌握程度（了解、理解、掌握）等。

知識點與知識點之間也包含各種關系屬性，主要是相關性與先導性。相關性指知識點A與知識點B有某方面的關聯，這種關聯能使得在學習過程中增加新舊知識的聯系，更容易理解。先導性是指，知識點A與知識點B的邏輯關系，若知識點A是建立在知識點B的基礎上，稱知識B為知識A的預備知識，要學習知識點A，須先學習預備知識點B；反之則是知識點A為知識點B的預備知識。

3.3 生成專業發展學習線路

協同過濾推薦系統使用算法通過對用戶行為數據的挖掘找出用戶的偏好特性，基于不同的偏好對用戶進行群組劃分，對用戶推薦用戶群組偏好相似的資源列表[5]。協同過濾推薦的實現流程包含四個關鍵步驟：獲取及表示用戶信息、匹配學習資源、形成鄰居和產生推薦。

下面我們通過具體的步驟與算法來說明基于協同過濾算法的個性化推薦技術的實現[6，7]。

第一步：將獲取的數據以學習者一資源評分矩陣的形式表示。如表 1 所示，水平方向向Res_n表示學習資源的個數， 垂直方向User_1表示學習者的個數； 第i行第j列的元素R代表第i個學習者對第j個資源的評分，Rij的值表示學習者對資源的喜愛程度。

第二步： 通過計算矩陣稀疏度來匹配學習資源。首先設定一個最小值α，稀疏度計算公式為： Sparsity=En/Un×Rn，其中En指學習者評價資源的數量，Un指學習者的數量，Rn是學習資源的數量。只有當Sparsity>α時，才能和學習者特征進行匹配從而為其推薦相應的學習資源，否則說明在線學習資源庫評價矩陣過于稀疏，不能和學習者特征進行匹配。

第三步： 尋找相似的學習者，形成鄰居。計算學習者i和學習者j共同評分過的所有資源集合Rij=Ri∪Rj，之后使用相似性度量方法計算學習者之間的相似性。基本思路是通過篩選得到學習者i和學習者j共同評分的所有資源集合，然后通過修正的余弦相似性度量方法計算兩個用戶之間的相似性。

第四步： 生成推薦。計算鄰居集中學習者i對學習資源s的預測評分值Ri，s，取Ri，s值最大的前N個資源推薦給學習者。

3.4 基于知識圖譜的個性化學習資源推薦系統架構

所構建的基于知識圖譜的個性化學習資源推薦系統架構主要提供個性化學習推薦和資源管理兩個功能模塊，總體架構如圖3所示[8]。學習單元測評用于診斷學習者當前的認知水平，主要借助習題測試、調查問卷來實現；學習者信息數據記錄主要包括學習者學習記錄、學習策略，以及學習路徑等用戶的特征信息。協同過濾推薦模塊獲取學習者當前的認知水平信息，與鄰居用戶群中提取學習記錄集，結合知識圖譜的知識邏輯關系，產生個性化資源推薦列表，并將資源推薦通過可視化的接口推送到用戶頁面。管理員或教師用戶登錄系統后，通過管理功能實時更新學習資源信息，如上傳和編輯資源、修改學習資源的策略關系等。

4 結論（Conclusion）

隨著網絡學習資源的不斷建設，幫助學習者選擇合適的學習資源越來越重要，個性化學習資源的推薦工作值得教育工作者深入研究。本文從知識圖譜的應用角度，利用協同過濾技術構造了一個基于知識圖譜的個性化學習資源推薦系統，使得學習者能直觀的了解學習的途徑，有效的解決學習者的“信息過載”與“知識迷途”的問題。今后需要繼續在知識圖譜的建構技術及推薦算法的準確度方面深入研究，以實現更準確的個性化資源推薦方案。

參考文獻（References）

[1] 黃華升.運用MindManager解決網絡用戶導航迷失的方法探究[J].電腦知識與技術，2014，10（20）：4676-4677.

[2] 吳強強，陳昊鵬，趙子濠，等.基于MOOC平臺數據和知識圖譜的學習路徑推薦——以軟件工程專業為例[J].工業和信息化教育，2017（11）：33-38.

[3] 丁強.基于學習路徑圖的習題推薦算法研究[D].西北大學，2016.

[4] 石磊.基于語義Web的學科知識地圖的建構研究[J].現代教育技術，2011，21（07）：110-113.

[5] 王永固，邱飛岳，趙建龍，等.基于協同過濾技術的學習資源個性化推薦研究[J].遠程教育雜志，2011，29（03）：66-71.

[6] 張小雪，張立國.在線學習資源個性化推薦服務模型的構建[J].中國醫學教育技術，2017，31（02）：172-176.

[7] 郭青，孫健.基于專家系統的個性化推薦系統的設計與實現[J].軟件工程，2016，19（06）：22-27.

[8] 趙學孔，徐曉東，龍世榮.協同推薦：一種個性化學習路徑生成的新視角[J].中國遠程教育，2017（05）：24-34.

作者簡介：

黃華升（1978-），男，碩士，高級工程師.研究領域：軟件開發.