高校数字图书馆嵌入式移动学习模型构建_汤松梅.pdf

第 卷 第 期 年 月北华大学学报（社会科学版）（）.高校数字图书馆嵌入式移动学习模型构建汤松梅摘 要 移动学习作为一种新型学习方式，与高校数字图书馆相结合，可为学生带来更为高效、智能的学习，也是智能学习领域重点研究内容。现阶段的高校数字图书馆嵌入式移动学习存在智能化不足、信息获取速度慢等问题，为了解决移动学习中存在的问题，构建了高校数字图书馆嵌入式移动学习模型。首先，构建基于文本概念的文本表示模型，解决向量空间模型的同义词的识别问题，并结合 算法，计算标签之间的相似性，降低文本的相似程度，提高学生的学习效率。其次，利用 算法降维获取的高校用户数据；通过改正正则化估计方法提取高校用户数据特征，完成用户相似度的计算，最后，基于协同过滤技术完成嵌入式移动学习模型的构建。实验结果表明，高校数字图书馆嵌入式移动学习模型推送效果与学生需求更匹配、性能更好，具有较高的实际应用价值。关键词 高校数字图书馆；嵌入式移动学习；数据降维；数据特征提取；智能学习中图分类号 文献标识码 文章编号（）收稿日期 .作者简介 汤松梅，长春大学图书馆副研究馆员，主要从事图书馆学研究。（长春）引 言目前，全球大数据呈现爆发式增长，已经渗透到各个行业及业务领域。在数字图书馆的建设中，急剧膨胀的资源建设和日益多元的信息服务引起图书馆对大数据问题的思考与探究。互联网的飞速发展逐渐改变了人们的学习和生活方式，计算机技术的发展为人们提供了新式学习的可能，基于此，数字化学习方式逐渐兴起。其实早在 年，奥地利学者 就提出了移动学习模型的概念，扩展了数字学习方式，将其与高校数字化图书馆结合，可为学生带来更方便、高效的学习。目前嵌入式移动学习模型尚处于开发阶段，移动学习模型不能很好地满足学习者的学习需求，智能化程度低，因此需要研究更为先进的嵌入式移动学习模型。该方法的研究有望为数字化学习领域带来新的发展与生机，并以此改变人们学习方式，具有重要现实意义。张琳捷等人分析了移动学习的适用条件及因素，研究了移动学习模型的适应机制和应用策略；最后完成了移动学习模型的构建。该方法存在智能性不佳的问题。童宇轩等人分析了学生对于移动学习平台的需求，设计了移动学习平台架构，完成学生移动学习模型的构建。该方法存在学习推送效果不佳，不与学生需求相匹配的问题。于岩等人基于高校学生学习特点阐述了移动学习的交互需求，获取了用户数据特征，完成移动学习模型的构建。该方法存在交互性能不佳，资料推送不及时等问题。为了解决上述方法中存在的问题，本文拟构建更为科学的高校数字图书馆嵌入式移动学习模型。一、移动学习与个性化推荐关系近年来，我国高校图书馆的信息化建设步伐加快，尤其是随着“互联网”行动计划的实施，高校网络环境建设得到了长足发展。在这样的背景下，如何充分发挥高校图书馆在现代信息技术应用中的重要作用、利用现代技术手段提高其服务质量已经成为广大高校教师和学生们共同关注的热点问题。移动学习是一种借助移动设备或其他终端开展的远程教学、学习活动，它是由两个以上的教育资源提供者将学习内容提供给学习者，利用碎片化时间通过手机或其他手持设备开展以学习为目的的在线、离线、混合学习活动。移动学习模式将用户视为教学内容的一部分，学生通过移动设备进行自主预习、课堂听课、互动交流等。在移动学习环境下，人们需要借助各种信息处理终端、移动设备（如手机和平板电脑）来进行信息的获取和处理，实现自主学习。目前大部分的高校均在图书馆中开展了移动学习服务，其学习主要分为三种模式：一是以手机为终端的 端式移动学习；二是以 为终端的在线网络教育培训；三是以 为终端的便携式教育。以 为依托开展教学培训、远程互动交流等在线教育活动，是高校图书馆开展移动学习服务的主要方式。对于我国高校图书馆而言，移动学习已经成为其开展图书馆服务的一种重要手段。但由于移动学习方式在资源、技术及服务等方面存在着诸多不足，导致其很难成为高校图书馆信息化建设的核心，无法真正发挥其在信息化建设中的重要作用。而个性化推荐是根据用户的兴趣爱好、行为模式、搜索记录等多个方面，为用户提供符合其需求的内容，将其应用在图书馆移动学习服务中，可根据用户对内容的关注程度和浏览习惯等，将相似度较高的图书推荐给该用户。目前最常见的个性化推荐方式包括三种：基于兴趣分类的推荐、基于内容主题分类的推荐、基于情感态度分类的推送。通过将个性化推荐算法引入高校图书馆移动学习之中可进一步提升图书馆的信息化水平，为校内师生等用户群体提供高质量的信息服务。二、图书馆文本特征相似度分析本文通过构建基于文本概念的文本表示模型，解决向量空间模型的同义词的识别问题，其具体构建步骤如图 所示：图 基于文本概念的文本表示模型流程图如图 所示，构建基于文本概念的文本表示模型主要分三个步骤。首先对文本进行预处理，包括文本分词、提取文本特征词以及对文本向量进行向量化表示，后将词语位置记录下来。其次，通过概念计算文本之间的相似度，将文本词语转换成文本概念词，可以通过语义角度对其进行内容搜索，将具有相同意义的词语进行总结和简化，从而提高计算机读。最后，对概念进行处理，根据语境选择该词语对应的概念。一般通过以下几种方法进行处理：从词语搭配规则的角度确定该词语对应的概念；从机器处理相关概念的角度理解语境并处理；从相似度的角度计算词语对应的概念。一般距离越近，表示相似度越高，对应的程度也越高。可以得出距离越近，文章的相似度越高。具体计算步骤如下：汤松梅 高校数字图书馆嵌入式移动学习模型构建通过计算文本概念特征计算文本相似度，首先需要对文本的语义距离进行计算，公式如下所示：（，）（，）（，）（）式中：、表示两个不同的文本，、分别表示两个文本包含的概念，、分别表示概念、在文本、中出现的次数；、表示两个文本中含有的概念个数。由于在计算过程中存在结果过大的情况，所以可以利用 进行归一化处理，计算公式如下：（）（）（）表示两个文本中存在的概念距离的个数。通过上述公式对语义距离进行归一化处理，能有效避免文中包含的概念过多，导致概念距离过大的问题。基于此，可以得出文本相似度的计算公式如下所示：（，）（，）（）由公式（）可知，语义距离越小，文本相似度越大。语义距离越大，文本相似度越小。本文基于本体节点相似性的计算主要是考虑构建的本体包含的语义特征。在描述本体节点特征的过程中，通常会采用语义化标签的方式对其进行描述。而在语义化标签中包含了少量的字符串，所以可以利用该字符串计算本体节点的相似程度。由于字符串较短，因此，可以采用基于编辑距离的字符串计算方法，又可以称为 方法对其进行计算。这种方法是通过统计两个字符串之间的添加、修改和删除等操作的次数来判断二者之间的距离。操作的次数越少，距离就越近。在这里，距离函数表示了每个字符串之间的差异程度，字符串的相似程度越高，字符串之间的距离就越小，反之，相似度越低，字符串之间的距离越大。可以利用 算法，处理字符串的缩写问题。该算法可以比较不同个字符串之间相同的字符的数量以及排列次序。因此，算法也可以用来计算标签之间的相似性。算法可以迅速对短字符进行定位和比较，但是对于长字符出的处理能力一般。在描述本体相关信息的时候，使用的标签例如：等对于 算法来说处理效率并不算太高，这样该方法也不是计算本体节点相似性的最好方法。为了更好地计算节点相似性，可以采用向量空间模型。在该模型中，计算的是不同文本之间出现的同一个关键词词频，权重向量为词汇特征，所有的文本都被映射到同一个向量空间中。这样可以采用基于余弦的相似度计算方法，计算节点之间的相似性。三、用户特征相似度分析（一）用户数据降维处理对采集到的用户数据通过 算法实行降维处理，减少冗余信息的误差，提高学习模型分配精准度。设定高维数据集为 ，根据自低维流形计算低维数据集为 ，。北华大学学报（社会科学版）年第 期设多维数据集有 个分类，求第 类数据样本内数据的平均距离 为：（）（）（）（）（）其中，表示数据样本的中心，（）表示数据样本的数量，为数据样本。计算第 类样本与中心样本的距离 为：（）（）（）其中，表示数据样本中点值。根据式（）和式（）重新计算数据样本的近似重构系数，其公式如下：（）其中，表示样本点，表示样本点的类别。采用 算法在此基础上实行改进，为得到最小的数据样本重建误差，优化数据样本的局部重建权值（），其公式如下：（）（）（）其中：表示数据样本的局部重建权值，表示协方差矩阵，表示重建误差。引入拉朗格日乘子计算约束问题（），其公式如下：（）（）令 ，可以计算出重建误差。将式（）和式（）代入式（），得到低维空间，其公式如下：（）.|（）利用近似重构系数约束重构误差，在低维空间 上重构多维数据集，。基于此，完成数据降维处理。（二）用户数据特征提取对降维后的用户数据，基于正则化估计方法完成数据特征提取。特征提取是分析学生学习主题的关键步骤，传统的变量选择方法具有计算量巨大、缺乏稳定性、存在误差等缺点，因此选用针对回归系数的正则化估计方法。线性回归模型 公式表达如下：，（）其中，表示常数项，表示模型误差值，表示回归系数，表示解释变量。可适应正则化的估计方法公式表达如下：汤松梅 高校数字图书馆嵌入式移动学习模型构建 （）（）其中，表示权值，表示惩罚因子。考虑误差方差，在原始正则化估计中增加最小误差方差的估计，得到修正后正则化估计公式表达如下：，（，；，）（）其中，表示对数似然函数。通过可适应惩罚，可进一步推导出公式表达如下：，（）（）其中，表示惩罚因子。为克服因函数为非凸带来的算法稳定性差及复杂度高的问题，优化估计方法，其公式表达如下：，（）（）引入新参数、，其公式表达如下：|（）最终得到优化后正则估计公式表达如下：，（）（）基于此，完成学生主题数据的特征提取。（三）用户相似度计算在获取用户主体数据的特征之后，将每个用户的特征信息用 ，进行表示，然后利用海明公式完成用户之间相似度的计算，其可表示如下：（，）（）（）（）式中，（，）代表两用户之间的距离，当两用户之间的距离越短时，代表其之间的相似度越大；代表所有用户差距之间的最大值。由于各个用户之间均具有独立性，所以还可应用下式完成用户相似度的计算：，()（，）（）式中，代表特征权重。北华大学学报（社会科学版）年第 期在应用图书馆中移动学习模型中，由于时间维度的描述是数值型的描述，不需要采取文本化的描述，所以需要重新定义时间维度上相似性，其计算公式如下所示：（，）（）（）如上式（）可知，其值越大，那么用户在时间上更为接近，可为其数据推送提供参考。四、移动学习模型建立完成学习资料特征提取后，引入协同过滤技术完成高校数字图书馆嵌入式移动学习模型的构建。高校数字图书馆嵌入式移动学习模型分为移动用户层、服务技术平台层、服务内容平台层、服务资源平台层，其架构如图 （）所示；步骤如图 （）所示；协同过滤技术是根据与邻近用户分析推荐目标用户的学习资源。即当两个用户兴趣度相似，则其中一个用户感兴趣的内容另一个用户也感兴趣，其步骤如图 （）所示。图 移动学习模块分别用，和，表示用户集和主题词集，用表示第个用户的第 个主题词的评分，当没有对某个用户的主题集实行评分时，该值为零，。用户主题集矩阵 公式表达如下：|（）使用相似性计算的方式寻找与当前用户兴趣一致的用户群。修正余弦相似度（，）公式表达如下：汤松梅 高校数字图书馆嵌入式移动学习模型构建（，）（，?）（，?）（，?）（，?）（）其中，表示两个用户共同评分关键词合集，表示用户 对主题词 的评分，?表示用户对主题词的平均权值，其公式表达如下：?，（）邻居用户选取与当前用户相似性最大的 个，根据用户决定其个数。根据邻居评分结果修正当前用户评分，其修正，公式表达如下：，?（）（，）（，?）（）（，）（）其中，（）表示用户的 个邻居，据此完成用户的权重修正，并根据其为用户推荐学习内容。基于此，完成高校数字图书馆嵌入式移动学习模型的构建。五、实验与分析（一）实验环境图 服务评价流程由于现阶段的高校数字图书馆嵌入式移动学习存在智能化不足、信息获取速度慢等问题，为了解决方法中存在的问题，应构建高校数字图书馆嵌入式移动学习模型。以高校数字图书馆嵌入式移动学习模型为研究对象，首先，选取 名从事多年图书馆管理工作的人员和 位图书情报档案专业的专家组成评价团队对所研究的移动学习模型进行评估评价。其次，在使用高校数字图书馆嵌入式学习模型的高校中随机选取 名学生，分别对比使用高校数字图书馆嵌入式学习模型前后学生成绩数据。最后，通过性能对比分析，分别从三种方法构建的学习模型的使用时长及数据进行分析，由此可以得出本文构建的模型更加具有准确率和分配能力。（二）功能测试分析为验证本次研究构建高校数字图书馆嵌入式移动学习模型的整体有效性，先对其功能进行检验，利用专家评分法对其进行评价，其评估流程图如图 所示。如图 所示，其评估主要分为四个部分，先对复杂的评估问题进行分解，然后根据其相关关系进行分类，这样就可建立起一套完整的评估体系。选取评估要素，并按重要性对各要素进行比较，由此得出结论，利用矩阵的特征值和特征矢量来确定其重要性。本次研究选取 名从事多年图书馆管理工作的人员和 北华大学学报（社会科学版）年第 期位图书情报档案专业的专家组成评价团队对所研究的移动学习模型进行评估。评估人员均拥有丰富的移动图书馆应用经验，评估流程就是邀请了评价专家来进行移动图书馆的使用，并记录其一眼。依据有关评分标准，由专家评分，并应用李克特级评分法对评分结果进行评定。通过对系统的权重，得出移动图书馆的个性化服务评分，其结果如表、表 所示。表 专家评价结果指标专家 专家 专家 专家 专家 主观性客观性移动性感知性实用性再组织标准化个性化综合评价表 图书馆管理人员评价结果果指标管理人员 管理人员 管理人员 管理人员 管理人员 主观性客观性移动性感知性实用性再组织标准化个性化综合评价结合上表 和表 可知，专家及图书馆管理人员对其评价较高，证明其具有移动图书馆的功能，具有一定应用价值。故可以此为基础，开展对比测试分析。（三）对比使用前后效果分析通过在参加实验测试的学生中随机选取 人，进行调查与统计，对比使用高校数字图书馆嵌入式学习模型前后的及格人数、优秀人数。其使用学习模型后的成绩与使用前的成绩对比优秀及及格人数增加的越多，证明其使用效果越好。表 使用高校数字图书馆嵌入式学习模型前后学生成绩数据对比成绩人数使用前使用后变化量优秀（分以上）良好（分）不及格（分以下）总数 由表 可知，使用高校数字图书馆嵌入式学习模型后，学生成绩获得优秀的人数明显增高，汤松梅 高校数字图书馆嵌入式移动学习模型构建由原来的 人增加到了 人，增加了 人。学习成绩获得良好的人数从原来的 人增加到了 人，增加了 人。不及格的人数从原来的 人下降到了 人，共下降了 人。因此，可以得出本文研究的高校数字图书馆嵌入式学习模型，可以有效提高学生的学习积极性，从而使学生的成绩有所提高。（四）对比性能分析邀请某高校全体学生参加高校数字图书馆嵌入式移动学习模型构建的实验测试，时间以三个月为期。选取所提方法、文献 方法和文献 方法作为对比方法开展对比实验，其结果如下所示。.使用时长高校数字图书馆嵌入式学习模型的性能可与学生使用时间成正比，时间越长，学生感兴趣程度越高，其效果越好。采用所提方法、文献 方法和文献 方法完成高校数字图书馆嵌入式学习模型构建，随机选取学生，记录其每天平均使用时长，结果如图 所示：图 三种方法的使用时长分析图 可知，所提方法的 名学生平均每天使用时间明显高于文献 方法和文献 方法，表明所提方法的模型构建性能更好，学生感兴趣程度越高。.结构模型分析引入国际通行模型拟合度指标，采用.软件时，获得结果如下表 所示。其中 表示模型拟合度指标；表示拟合良好性指标；表示标准化残差均方根指标；北华大学学报（社会科学版）年第 期表示数据与定义模型拟合指标，表示常规拟合指标；表示省俭性指标，表示比较拟合指标。表 三种方法性能对比指标标准值文献方法文献方法所提方法 分析表 可知，文献 方法的、指标均不在标准范围内，文献 方法的、指标均不在标准范围内，而所提方法的指标均在标准范围内，表明所提方法的模型更符合国际标准，性能更好。通过上述实验可知，本文所提方法首先通过数据降维方式，获取了学生用户数据，提高了学习模型系统分配的准确率；其次，通过协同过滤技术的嵌入式移动学习模型构建，准备分析了学生的学习兴趣及需求，提高了模型分配能力，从而获得了更好的嵌入式移动学习模型构建性能。结 语随着 时代的到来及智能设备的普及，移动学习作为新兴学习方式被广泛关注，为未来教育提供了新的方式。首先，构建基于文本概念的文本表示模型，解决向量空间模型的同义词的识别问题，并 算法，来计算标签之间的相似性降低文本的相似程度，提高学生的学习效率。然后，通过 算法降维获取的高校用户数据；通过改正正则化估计方法提取高校用户数据特征；最后，基于协同过滤技术完成嵌入式移动学习模型的构建。本次研究对传统方法中存在的问题有较大改进，具有重要现实应用意义。参考文献 郭继荣，周峻移动外语学习的效能评估概念模型与计量方法西北师大学报（社会科学版），（）：杨金龙，胡广伟，王锰移动学习采纳动因及其组态效应图书馆论坛，（）：张琳捷，罗雯，刘博，等学习云空间中基于情境感知的移动学习自适应模型及其应用研究电化教育研究，（）：童宇轩，田泽安，邓辉球基于 的大学物理移动学习平台设计及应用研究大学物理，（）：，于岩，朱鹏威“互联网”环境下基于手机终端的高校移动学习模式研究情报科学，（）：，汤松梅 高校数字图书馆嵌入式移动学习模型构建 魏世超，李歆，张宜弛，等基于 的混合属性数据降维可视化方法计算机工程与应用，（）：郭方方，吕宏武，任威霖，等基于有监督判别投影的网络安全数据降维算法通信学报，（）：李世波，林辉，葛淼东洞庭湖湿地植被高光谱数据降维与分类中南林业科技大学学报，（）：李松，胡晏铭，郝晓红，等基于维度分组降维的高维数据近似 近邻查询计算机研究与发展，（）：石娟娟，熊向团时间反向热传导问题的拟逆正则化方法及误差估计江西师范大学学报（自然科学版），（）：李晓璐，周亚同，何静飞，等全变分正则化非局部均值地震数据降噪计算机工程与科学，（）：田玉柱，田茂再贝叶斯 正则加权复合分位回归及其应用（英文）应用概率统计，（）：任永功，石佳鑫，张志鹏融合关系挖掘与协同过滤的物品冷启动推荐算法模式识别与人工智能，（）：张晨，肖君儒，周丽基于矩阵填充的混合协同过滤推荐算法研究数学的实践与认识，（）：任敏，许玲，王峰，等基于知识推荐的校园百科平台研究中国科学技术大学学报，（）：叶兰高校图书馆科学数据管理服务能力成熟度模型构建与应用研究图书情报工作，（）：史磊，张婷，曹思思，等“双一流”建设高校图书馆线上服务调查与思考中华医学图书情报杂志，（）：张艳一种数字图书馆资源聚合质量推荐模型信息技术，（）：李颖，孔泳欣基于信息生态链的数字图书馆知识服务能力模型构建与解析研究图书馆学研究，（）：林鑫，宋吉面向高校智慧图书馆的统一用户管理系统构建研究数字图书馆论坛，（）：冯龄萱，魏群义高校移动图书馆流失用户画像模型构建国家图书馆学刊，（）：朱白，李寅基于区块链技术的数字图书馆场景化分层应用模型湖北农业科学，（）：朱蕊基于数据挖掘的高校图书馆室内空气污染评价模型构建研究环境科学与管理，（）：杨思思，王琢玉基于大数据的数字图书馆流量预测算法现代电子技术，（）：韩秋萍基于用户画像的图书馆个性化推荐体系构建策略研究河南图书馆学刊，（）：，袁瑰霞协同过滤算法在高校图书馆个性化推荐中的应用研究无线互联科技，（）：王秀慧，赵治军基于用户偏好行为数据的数字图书馆资源推荐方法研究软件，（）：，黄宇星，卢锋基于情境感知的学习资源个性化推荐机制研究计算机时代，（）：李玲面向图书馆基于用户画像的个性化推荐研究软件导刊，（）：赵杨，杨彬，董姝仪，等多源大数据驱动的移动图书馆个性化推荐系统设计与实现图书馆学研究，（）：孙红莺，徐贤得高校图书馆嵌入式数字学术的构建与服务模式研究图书馆理论与实践，（）：赵振兴大数据视域下高校图书馆嵌入式服务创新模式文化产业，（）：郭惠基于大数据分析技术的数字图书馆信息检索模型设计电子技术与软件工程，（）：【责任编辑 车菲菲】北华大学学报（社会科学版）年第 期 ，：；（）：，：；