基于標簽的在線學習資源推薦算法

文 謐，朱木清

（1 廣州應用科技學院 廣州，511370；2 廣東工業大學華立學院，廣州 511325）

0 引言

在線學習為人們提供了一個靈活、便捷的學習方式，是傳統課堂學習之外獲取知識的最重要途徑。在線學習平臺可以給用戶提供優質的教育資源，滿足用戶個性化學習的需求，深受廣大學習者歡迎。然而，隨著在線學習課程資源的不斷豐富，互聯網學習資源信息過載問題，導致用戶從在線學習平臺的大量資源中找到需要的、滿意的學習資源非常困難。

目前，使用搜索引擎可以解決部分信息過載需求，但搜索結果較局限、無區別化。推薦系統通過分析和計算用戶的興趣模型，發現用戶難以表達的需求，更好滿足用戶全面的需求。可較好地解決如何準確提供在線學習資源的問題。

用戶可以用標簽標注自己感興趣、關注或需求的學習資源［1］。這些標簽作為用戶的元數據，為個性化推薦系統提供了十分重要的數據基礎。

1 基于標簽的資源推薦算法

用戶與學習資源通過標簽建立強聯系，基于標簽的推薦可以更加個性化［2］。同時，針對推薦結果僅考慮相似性問題，提供結合知識圖譜技術進一步拓展推薦結果，以滿足進階等學習特點。

1.1 推薦算法基本思想

基于標簽的學習資源推薦算法分為5 個環節：

（1）根據用戶標簽建立用戶模型，計算用戶間學習偏好相似性并修正，找到最近的用戶鄰居。

（2）將最近鄰居的標簽和用戶的標簽對比，通過計算獲得與最近鄰居相關度大并且與用戶相關度小的價值標簽。

（3）計算被價值標簽標注的權重高且與用戶暫無相關的資源，得到第一階段推薦結果。

（4）采用基于內容的過濾方法，根據用戶學習偏好標簽，對第一階段推薦結果進行再次過濾，過濾掉無價值的學習資源，得到第二階段推薦結果。

（5）根據知識圖譜的關系，計算與第二階段推薦結果最相關的知識資源，兩者混合作為最終推薦結果。

推薦模型如圖1 所示。

圖1 基于標簽的推薦系統模型Fig.1 Recommendation system model based on tags

1.2 用戶建模

在線學習資源推薦系統，要能夠向用戶提供個性化、準確和高效的推薦結果，首先要獲取用戶全面的資源標注信息，建立一個準確的用戶模型。用戶模型的準確性主要包括兩方面：準確描述用戶需求偏好和區分用戶［3］。推薦系統將根據用戶模型，更好地完成推薦任務。

標簽是用戶附加在資源上的關鍵詞，利用TFIDF 度量每個標簽，再進行用戶相似性計算，可以平衡熱門標簽的權重，提高推薦結果的新穎性。

標簽T對用戶U的權重用W（T，U）表示，采用TF－IDF 平衡熱門標簽的權重。

其中，ni，j是標簽Ti在用戶Uj中的使用次數，分母則是在用戶Uj中所有標簽的使用次數和。計算每個標簽對用戶的權重可以得到用戶與標簽的權重數據。

1.3 推薦對象建模模塊

標簽是用來描述信息的關鍵詞，其特點為無層次結構。學習資源等對象模型和用戶的需求偏好模型都可以采用標簽的向量空間表示進行描述。標簽對學習資源的重要性也采用TF－IDF 表示，相應模型如下所示。

1.4 推薦算法模塊

1.4.1 協同過濾推薦

完成用戶建模和推薦資源建模后，就可以對用戶間的相似程度，以及學習資源間的相似程度進行計算。采取與用戶對推薦對象的標簽平均權重差值方法，可以在一定程度上解決原方法中不同用戶可能有不同的標簽權重問題。用Ii，j表示用戶i和用戶j共同使用的標簽集合。Ii表示用戶i使用的標簽集合，Ij表示用戶j使用的標簽集合，則用戶i和用戶j之間的相似程度sim(i，j) 如式（6）所示：

其中，Wt，i表示用戶i使用的標簽權重，分別表表示用戶i與用戶j使用的標簽平均權重。

通過相似度度量方法計算出用戶之間的相似性后，可從用戶的鄰居中選擇與用戶相似性最高的那些鄰居。設用戶u的最近鄰居集合U?，記為：

1.4.2 基于內容的推薦

根據用戶學習偏好標簽，采用基于內容的推薦方法，對第一階段推薦結果進行過濾，過濾掉用戶不感興趣的學習資源，得到中間推薦結果。

過濾用戶不需要的學習資源方法，是在建模基礎上，計算中間推薦資源與用戶學習標簽向量的相似性，得到第二階段推薦結果。計算公式如下：

其中，sim（i，j）是計算中間推薦結果的標簽向量與用戶的興趣資源標簽向量相似性的函數，而R?則是基于相似性的推薦結果。

1.4.3 混合推薦策略

在相似性推薦結果的基礎上，根據學科領域知識圖譜的邊權重大小，計算與相似性推薦結果資源最相關的知識資源，混合兩者作為最終推薦結果。例如：計算機學科課程知識圖譜的示意如圖2所示［4］。

圖2 計算機領域知識圖譜實例Fig.2 Examples of knowledge graphs in the computer domain

在圖2 中，“數據結構”與“算法基礎”的邊權重相比“軟件工程”與“數據結構”的邊權重大，說明“數據結構”與“算法基礎”的相關度更高。對“數據結構”學習資源感興趣的用戶，很可能也需要最相關的“算法基礎”學習資源。因此，將最相關的資源和R?混合推薦給用戶，使得推薦結果既有相似性又有擴展性，更好滿足用戶需求。

2 實驗結果與分析

2.1 實驗數據

本文實驗采用的數據集為Goodbooks－10k 和Delicious。首先，對于數據集的噪聲數據進行預處理，刪除數據不完全的記錄和標簽數較少的用戶數據，保證實驗數據的合理性。

2.2 實驗設計

基于以上實驗數據，驗證本文提出的基于標簽的混合推薦算法是否更有效，結果對比協同過濾推薦算法。通過平均絕對誤差、平均平方誤差和標準平均誤差等典型指標對準確度進行衡量［5］。

推薦資源對象列表中，用戶需要的標簽與系統中用戶標注的所有標簽的比例，計算方法如式（10）所示。

推薦資源對象列表中，用戶需要的標簽和所有被推薦標簽的比例，計算方法如式（11）所示。

基于上述兩項計算，進而計算推薦效率.計算方法如式（12）所示。

其中，Nrs為推薦列表中用戶需要的標簽個數；Nr為用戶標注的所有標簽的個數；Ns為所有被推薦標簽的個數。

2.3 實驗結果分析

對兩個推薦算法進行了運算，并計算其準確率以及推薦效率。采用本文提出的方法，基于標簽進行系列計算后，再根據知識圖譜的關系計算與相似性推薦結果最相關的知識資源，混合兩者作為最終推薦結果。兩個推薦算法的準確率和推薦效率見表1，數據對應曲線分別如圖3、圖4 所示。

圖4 推薦算法recall 比較Fig.4 Comparison of recommended algorithms recall

表1 不同推薦列表長度的數據參數Tab.1 Data parameters of different recommended list lengths

圖3 推薦算法的precision 比較Fig.3 Comparison of precision of recommended algorithms

由實驗結果可以看出，基于標簽的混合推薦算法具有較高的準確率和召回率。由于進行了平衡權重并修正，且結合知識圖譜完善推薦資源，使得計算結果更加準確和全面。

3 結束語

推薦系統已經成為有效解決信息嚴重過載問題的工具，而每種推薦方法各有優缺點，將多種方法綜合起來使用，是推薦在線學習資源的一條有效的途徑。本文提出了一種基于標簽內容的推薦算法，采用TF－IDF 平衡熱門標簽的權重，采用修正的余弦函數的弦相似性計算用戶與用戶之間的相似性、資源與資源之間的相似性，結合知識圖譜技術讓推薦結果在相似的基礎上增加擴展性，滿足進階學習特點，使其在準確率和推薦效率上優于傳統的協同過濾推薦算法，為解決同類問題提供了較強的參考意義。復雜網絡理論同協同推薦存在契合點，利用復雜網絡理論進行推薦也是進一步研究的方向。