基于多源數(shù)據(jù)處理技術(shù)的智能學(xué)習(xí)質(zhì)量分析方法研究

朱琪

（西安航空職業(yè)技術(shù)學(xué)院，陜西西安 710089）

近年來，大數(shù)據(jù)理論與人工智能技術(shù)的興起推動了教育領(lǐng)域的不斷革新，教育信息化逐漸成為新的發(fā)展趨勢。而大學(xué)慕課等在線學(xué)習(xí)平臺的興起與發(fā)展，也產(chǎn)生了海量的相關(guān)學(xué)習(xí)數(shù)據(jù)。如何對這類數(shù)據(jù)進(jìn)行挖掘及處理，進(jìn)而依據(jù)這些數(shù)據(jù)對學(xué)生的在線學(xué)習(xí)質(zhì)量情況實現(xiàn)分析和研究，是一個需要深入研究的課題[1-3]。

現(xiàn)階段常見的在線學(xué)習(xí)質(zhì)量分析方法主要有三個研究方向：基于傳統(tǒng)概率的分析、基于機(jī)器學(xué)習(xí)技術(shù)（Machine Learning，ML）的分析與基于深度學(xué)習(xí)技術(shù)（Deep Learning，DL）的分析[4-6]。文中基于深度學(xué)習(xí)框架，使用TextRank 對線上平臺的多源數(shù)據(jù)集進(jìn)行文本處理，再將得到的詞向量輸入至CNN-BiGRU模型中進(jìn)行行為數(shù)據(jù)分析，最終實現(xiàn)對學(xué)習(xí)質(zhì)量的預(yù)測。

1 算法設(shè)計

1.1 改進(jìn)的TextRank文本處理模型

TextRank[7]由PageRank 算法[8]發(fā)展而來，是一種基于圖排序的文本處理模型。該算法的核心思想是將文本和圖進(jìn)行轉(zhuǎn)換，使文本與圖論中的節(jié)點相對應(yīng)。若對應(yīng)的兩個文本數(shù)據(jù)相似度較高，則認(rèn)為這兩個節(jié)點間有一條無向線段，且線段的權(quán)值即為句子的相似度。最終將所得到的句子相似度權(quán)重進(jìn)行排序，從而得到關(guān)鍵詞。

對于在線學(xué)習(xí)質(zhì)量評估而言，學(xué)習(xí)者發(fā)表的評論、提出的問題等均為關(guān)鍵指標(biāo)，而這些關(guān)鍵指標(biāo)都是通過文本來實現(xiàn)的。因此使用TextRank 模型對文本進(jìn)行關(guān)鍵字處理，能夠更好地幫助后續(xù)模型完成特征學(xué)習(xí)。

但原始TextRank 算法并未考慮到文本之間的聯(lián)系，而文段中的文本有其自身的邏輯。因此若將句子的特征與詞語進(jìn)行合理地融合，訓(xùn)練結(jié)果便會更加全面、準(zhǔn)確。改進(jìn)后的TextRank 算法流程如圖1所示。

圖1 改進(jìn)的TextRank算法流程

TextRank 算法關(guān)鍵處理過程如下所示：

1）相似語句合并去重

首先對文本中的語句進(jìn)行詞向量整理，可將文本看做為詞向量集合W={s1,s2,…,si,sj}，而si和sj表示文本中的語句。語句相似度可表示為：

式中，wk為語句中的詞向量。當(dāng)Sim(si,sj)＞1 時，表明si、sj的相似度高；而當(dāng)Sim(si,sj)≤1 時，則表明si、sj的相似度較低。

根據(jù)上式可對相似語句進(jìn)行合并，則相似度α的計算公式為：

2）文本語義處理

在中文文本中，詞語或句子語義的不同可表現(xiàn)在詞出現(xiàn)的位置、標(biāo)題含義及特殊文本等。通常文本的首句詞語更具有重要性，且總結(jié)性的話語也較為關(guān)鍵。因此，需賦予這類重點數(shù)據(jù)更高的權(quán)重。

3）文本權(quán)重值計算

使用圖論（Graph Theory）方法計算句子權(quán)重值。假設(shè)圖中的兩頂點關(guān)系用w表示，頂點為Vi，指向該頂點的向量用Vi(in)表示，而該頂點指出的向量使用Vi(out)表示，則權(quán)重的計算如下所示：

其中，d為概率系數(shù)。

4）文本摘要向量獲取

根據(jù)式（3）獲取詞向量的權(quán)重，作為后續(xù)模型的輸入數(shù)據(jù)。

1.2 基于CNN-BiGRU的學(xué)習(xí)行為特征提取模型

門控循環(huán)單元結(jié)構(gòu)（Gate Recurrent Unit，GRU）模型[9-10]是一種基于門結(jié)構(gòu)的時間序列數(shù)據(jù)訓(xùn)練模型。在工作過程中其能夠?qū)?shù)進(jìn)行持續(xù)遞歸，并將所有時刻隱藏狀態(tài)的輸出數(shù)據(jù)全部反饋至數(shù)據(jù)輸入端，從而完成不斷的學(xué)習(xí)。GRU 單元的結(jié)構(gòu)如圖2 所示。該單元由更新門zt、重置門rt、相關(guān)的記憶單元及隱藏層組成。

圖2 GRU單元結(jié)構(gòu)示意圖

GRU單元結(jié)構(gòu)相關(guān)運算過程如式（4）-（7）所示：

式（4）為重置門rt的輸出函數(shù)。可見，重置門能對t-1 時刻的隱藏層輸出進(jìn)行控制。其中，Wr和br為函數(shù)系數(shù)。式（5）表示狀態(tài)函數(shù)，可對記憶單元的狀態(tài)進(jìn)行描述。而式（6）為更新門zt的輸出函數(shù)，且Wz和bz為函數(shù)系數(shù)。式（7）為最終隱藏層的輸出狀態(tài)。

原始GRU 模型和其他同類型RNN 模型[11-12]相同，均為單向模型。而在學(xué)習(xí)行為特征提取模型中，除了要了解當(dāng)前的行為外，還需對過去與后期的行為加以分析。因此，文中使用了雙向GRU（BiGRU）模型，其模型結(jié)構(gòu)如圖3 所示。

圖3 雙向GRU模型結(jié)構(gòu)

由圖3 可知，該模型是將兩層GRU 模型進(jìn)行結(jié)合，并分別處理前向與后向的時間數(shù)據(jù)。

BiGRU 模型可對行為數(shù)據(jù)加以分析，但學(xué)生的行為數(shù)據(jù)較為復(fù)雜，且受多種情況影響，因此需對各特征賦予權(quán)重，再進(jìn)行關(guān)鍵特征分析，而注意力機(jī)制（ATT）能較好地復(fù)制特征權(quán)重。文中將TextRank模型處理完畢的節(jié)點特征數(shù)據(jù)使用fa與fb來表示，eab表示節(jié)點數(shù)據(jù)之間的關(guān)聯(lián)性，βab表示注意力參數(shù)，W為權(quán)重系數(shù)，則節(jié)點數(shù)據(jù)間關(guān)聯(lián)性的計算可表示為：

而βab的值可由分類器得到，具體計算公式如下：

上文中的TextRank 模型分析了關(guān)鍵性的短語，但GRU 模型的全局性較強(qiáng)，局部特性卻較弱。因此，還需加入CNN[13-14]補(bǔ)齊模型的局部特征，同時也可減少注意力機(jī)制[15-16]所引入的全局噪音。

CNN 能夠利用大小可選的卷積學(xué)習(xí)詞向量的局部特征，而文中采用了臨近策略的CNN 模型。其通過計算目標(biāo)詞周圍關(guān)鍵詞的位置，以增強(qiáng)模型學(xué)習(xí)的準(zhǔn)確性。首先計算關(guān)鍵詞的相關(guān)性ri，則有：

式中，m為詞向量長度，M為預(yù)設(shè)閾值，i為詞向量序號，l為詞向量的索引值。最終的特征提取模型如圖4 所示。

圖4 特征提取模型

1.3 基于行為分析的學(xué)習(xí)質(zhì)量預(yù)測模型

該文的整體系統(tǒng)架構(gòu)如圖5 所示。首先，對線上平臺學(xué)習(xí)者的學(xué)習(xí)行為及發(fā)表的文本信息進(jìn)行統(tǒng)計；然后，通過模型進(jìn)行數(shù)據(jù)分析；最終，便可得到學(xué)習(xí)者的學(xué)習(xí)質(zhì)量預(yù)測結(jié)果。

圖5 整體系統(tǒng)架構(gòu)

該模型共有三層結(jié)構(gòu)：1）數(shù)據(jù)輸入模型，在線學(xué)習(xí)平臺獲得的信息通過TextRank 模型分解為具有權(quán)重值的詞向量，該向量值即可作為模型的輸入部分；2）行為分析模塊，數(shù)據(jù)輸入至CNN 且?guī)в凶⒁饬C(jī)制的BiGRU 模型中進(jìn)行訓(xùn)練，以得到行為特征數(shù)據(jù)；3）學(xué)習(xí)質(zhì)量預(yù)測模型，訓(xùn)練完畢的數(shù)據(jù)進(jìn)入Softmax模型中完成評分，最終即可獲得學(xué)習(xí)質(zhì)量的評估值。

2 算法測試與結(jié)果分析

2.1 實驗條件

該文選擇某線上教育平臺的學(xué)習(xí)者行為信息作為數(shù)據(jù)集，并分為理科、工科及文科數(shù)據(jù)，且在所有課程中均設(shè)有討論區(qū)和作業(yè)回答區(qū)。通過將這些文本進(jìn)行整理，得到的實驗環(huán)境與數(shù)據(jù)集參數(shù)如表1所示。

表1 實驗環(huán)境與數(shù)據(jù)集參數(shù)

2.2 分詞性能測試

完成帶有情感分析的TextRank 分詞算法后，對分詞效果進(jìn)行性能評估。評估指標(biāo)為雙語評估替補(bǔ)（Bilingual Evaluation Understudy，BLEU），該指標(biāo)可對分詞的質(zhì)量加以評估，且其值越接近1 越好。對比算法則使用詞頻-逆向文件頻率（Term Frequency-Inverse Document Frequency，TF-IDF）、TextCNN 及TextRank 原始算法。各算法所得結(jié)果如表2 所示。

由表2 可知，原始TextRank 算法在分詞性能上稍遜于其他對比算法。而該文算法由于增加了情感分析與上下文分析算法（Context Analysis），因此其性能有所提高，且相較TextRank 原始算法提升了約0.05，在對比算法中為最優(yōu)。

2.3 算法性能測試

性能測試首先需進(jìn)行消融實驗，以驗證算法改進(jìn)后的效果。對比算法使用了GRU、BiGRU 和BiGRUATT，同時采用了與上文一致的數(shù)據(jù)集及運行環(huán)境，測試指標(biāo)則選擇了精確率及F1 值。實驗結(jié)果如表3所示。

從表3 中可以看到，該文提出的CNN-BiGRU 模型在數(shù)據(jù)集的訓(xùn)練中取得了最佳的效果。其在BiGRU-ATT 算法的基礎(chǔ)上精確率提升約0.024，F(xiàn)1值提升約0.03。這表明，該文算法使用CNN 進(jìn)行文本情感分析能夠提升算法的整體性能。

此外，還與其他同類型算法進(jìn)行性能對比，對比算法選擇了雙向長短時記憶網(wǎng)絡(luò)（Bi-directional Long Short-Term Memory，BiLSTM）、隨機(jī)存取存儲器（Random Access Memory，RAM）及SynATT（Syn-Attention）算法。各類算法的精確率及F1 值結(jié)果如表4 所示。

表4 同類算法對比實驗結(jié)果

由表4 可知，該文算法的精確率與F1 值均較優(yōu)。雖然精確率低于RAM 算法，但RAM 算法的網(wǎng)絡(luò)層數(shù)較多且結(jié)構(gòu)復(fù)雜，故其訓(xùn)練速度過慢，F(xiàn)1 值也相對較差。因此總體而言，該文算法具有較大優(yōu)勢。

3 結(jié)束語

相比線下教學(xué)，線上教學(xué)難以有效把握學(xué)生的學(xué)習(xí)質(zhì)量。基于此，文中對線上教學(xué)平臺的學(xué)習(xí)者行為數(shù)據(jù)加以分析，并建立深度學(xué)習(xí)模型對數(shù)據(jù)進(jìn)行訓(xùn)練，最后實現(xiàn)對學(xué)習(xí)者學(xué)習(xí)質(zhì)量的評估。實驗結(jié)果表明，所提分詞模型的性能良好，且特征提取模型的精確率及F1 值兩項指標(biāo)在對比算法中均為最優(yōu)。