周建東

（麗水學(xué)院 工學(xué)院計(jì)算機(jī)學(xué)系，浙江 麗水 323000）

基于本體的大學(xué)英語(yǔ)移動(dòng)學(xué)習(xí)個(gè)性化研究

周建東

（麗水學(xué)院 工學(xué)院計(jì)算機(jī)學(xué)系，浙江 麗水 323000）

隨著移動(dòng)終端的普及和無線網(wǎng)絡(luò)的飛速發(fā)展，移動(dòng)學(xué)習(xí)成為一個(gè)研究熱點(diǎn)。針對(duì)傳統(tǒng)學(xué)習(xí)資源利用率低、用戶針對(duì)性不強(qiáng)、個(gè)性化學(xué)習(xí)不夠突出等問題，提出了改進(jìn)大學(xué)英語(yǔ)移動(dòng)學(xué)習(xí)的方案。該方案充分利用4G網(wǎng)絡(luò)環(huán)境下的學(xué)習(xí)資源，實(shí)現(xiàn)隨時(shí)隨地高效率、個(gè)性化的學(xué)習(xí)。將云技術(shù)應(yīng)用到4G移動(dòng)學(xué)習(xí)中，利用本體論，設(shè)計(jì)用戶的興趣模型，滿足大學(xué)生英語(yǔ)學(xué)習(xí)的個(gè)性化需求。結(jié)合本體理論，研究本體類層次結(jié)構(gòu)和語(yǔ)義推理的理論方法，設(shè)計(jì)專家本體用戶興趣模型。

移動(dòng)學(xué)習(xí)；本體論；個(gè)性化學(xué)習(xí)

一、基于4G和云計(jì)算的移動(dòng)學(xué)習(xí)

隨著2013年年底，工信部4G牌照的發(fā)放，最為重要的高速網(wǎng)絡(luò)通信問題獲得了解決。而云技術(shù)的出現(xiàn)解決了資源合理配置的難題。所以4G網(wǎng)絡(luò)技術(shù)與云技術(shù)結(jié)合起來提供移動(dòng)學(xué)習(xí)將是一種頗具前景的技術(shù)解決方案。隨著4G技術(shù)的逐漸成熟、基站站點(diǎn)布局更加合理、商業(yè)化進(jìn)程的進(jìn)一步加快，用戶將可以享受到更穩(wěn)定的速率和更高的服務(wù)質(zhì)量。云計(jì)算是一種基于互聯(lián)網(wǎng)的超級(jí)計(jì)算模式，即將存儲(chǔ)在互聯(lián)網(wǎng)上的各個(gè)節(jié)點(diǎn)和設(shè)備上的大量數(shù)據(jù)信息和硬件資源集中在一起，以提供硬件平臺(tái)服務(wù)或數(shù)據(jù)信息服務(wù)。它將計(jì)算任務(wù)分布在大量計(jì)算機(jī)構(gòu)成的資源池上，通過網(wǎng)絡(luò)以按需、易擴(kuò)展的方式獲取服務(wù)。最近幾年，云計(jì)算憑借它動(dòng)態(tài)、可伸展、形式靈活和聚散自由等優(yōu)點(diǎn)，并能為用戶提供海量信息和彈性服務(wù)，已經(jīng)勢(shì)不可擋地來到我們身邊。隨著它的發(fā)展和普及，學(xué)校的各種教學(xué)信息和資源都將逐步遷移到“云”上，這對(duì)在大學(xué)開展移動(dòng)學(xué)習(xí)的教學(xué)模式的改革，提供了一個(gè)很好的契機(jī)。

二、本體論

在計(jì)算機(jī)科學(xué)與技術(shù)科學(xué)領(lǐng)域，本體是指一種“形式化的，對(duì)于共享概念體系的明確而又詳細(xì)的說明”。本體提供的是一種共享詞表，也就是特定領(lǐng)域之中那些存在著的對(duì)象類型或概念及其屬性和相互關(guān)系；在本文的本體用戶興趣模型中，就是數(shù)據(jù)庫(kù)中存在的各種實(shí)體，例如生詞表、文章表和用戶訂閱表等。本體也是對(duì)特定領(lǐng)域之中實(shí)體概念及各實(shí)體之間相互關(guān)系的形式化表達(dá)。本體是人們以自己興趣領(lǐng)域的知識(shí)為素材，運(yùn)用信息科學(xué)的本體論原理而編寫出來的作品。利用云計(jì)算整合各種網(wǎng)上的英語(yǔ)資源，根據(jù)自己的興趣愛好，利用專家本體用戶興趣模型，有選擇的選取材料進(jìn)行學(xué)習(xí)。同時(shí)根據(jù)用戶的生詞表進(jìn)行各種學(xué)習(xí)素材的整合，為用戶提供不同的學(xué)習(xí)文章。

三、個(gè)性化學(xué)習(xí)

當(dāng)前大學(xué)，學(xué)生都很有個(gè)性，學(xué)習(xí)目的和興趣各不相同。同樣在英語(yǔ)學(xué)習(xí)過程中，每個(gè)人也不一樣，有的學(xué)生喜歡參與討論或?qū)υ?；有的學(xué)生愿意將重點(diǎn)放在語(yǔ)法分析和詞匯練習(xí)上；有的學(xué)生喜歡獨(dú)立思考，喜歡合作學(xué)習(xí)；有的學(xué)生喜歡人情內(nèi)容、社會(huì)內(nèi)容、充滿幻想和幽默的學(xué)習(xí)材料。在英語(yǔ)學(xué)習(xí)材料的選擇上也很不一樣，有些人喜歡VOA，有些人喜歡新概念英語(yǔ)，而采用相同的大學(xué)英語(yǔ)教材已經(jīng)不能滿足現(xiàn)代大學(xué)生。這些現(xiàn)象表明：不同的學(xué)生，他的學(xué)習(xí)風(fēng)格和方法、學(xué)習(xí)的材料和內(nèi)容以及他的學(xué)習(xí)策略多有所不同。因此，大學(xué)英語(yǔ)的學(xué)習(xí)和教學(xué)要朝著滿足大學(xué)生個(gè)性化學(xué)習(xí)、自主學(xué)習(xí)方向發(fā)展。利用4G移動(dòng)網(wǎng)絡(luò)和云計(jì)算，構(gòu)建一個(gè)移動(dòng)英語(yǔ)學(xué)習(xí)平臺(tái)，要求充分體現(xiàn)個(gè)性化，考慮不同起點(diǎn)的學(xué)生，根據(jù)自身的學(xué)習(xí)情況制訂學(xué)習(xí)目標(biāo)。從海量的網(wǎng)絡(luò)數(shù)據(jù)中，高效的獲取有用的、適合自己個(gè)性的知識(shí)，從迅速爆炸的信息中獲得自己感興趣的最新消息，使學(xué)生可以在設(shè)計(jì)的特定環(huán)境下得到適合的學(xué)習(xí)資源，進(jìn)行有效的學(xué)習(xí)。

四、專家本體用戶興趣模型

學(xué)生經(jīng)過個(gè)性化訂閱，獲取適合自己興趣的存在云上的各種類別的英語(yǔ)文章和音頻，在學(xué)習(xí)過程中記錄生詞。然后專家系統(tǒng)根據(jù)生詞出現(xiàn)的頻率，自動(dòng)推薦生詞頻率最高的文章。學(xué)生在推薦的文章學(xué)習(xí)中如果沒有再次對(duì)生詞進(jìn)行記錄和標(biāo)注，則相應(yīng)的減少在生詞庫(kù)中該詞的頻率。依次類推，直到在生詞庫(kù)中該生詞不再出現(xiàn)。在上述的系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)過程中，專家系統(tǒng)根據(jù)專家提供的知識(shí)和經(jīng)驗(yàn)，結(jié)合本體用戶興趣模型進(jìn)行推理和判斷，模擬人類專家的決策過程為學(xué)生推薦適合的能進(jìn)一步強(qiáng)化生詞記憶的文章。在設(shè)計(jì)專家系統(tǒng)過程中，需要進(jìn)行專家信息本體設(shè)計(jì)和用戶興趣模型構(gòu)建，對(duì)本體信息進(jìn)行研究，設(shè)計(jì)出相關(guān)本體信息類，根據(jù)各類的特點(diǎn)設(shè)計(jì)出相應(yīng)的數(shù)據(jù)屬性和對(duì)象屬性，并確定屬性的取值范圍。根據(jù)這些要求構(gòu)建本體用戶興趣模型：實(shí)驗(yàn)E的樣本空間為S，A為E的事件，B1，B2，…，Bn為S的一個(gè)劃分，且P（A）＞0，P（Bi）＞0（i=1，2，…，是在一篇文章中的某一生詞，它被推薦學(xué)習(xí)的概率。P（Bi）是任意給定的一篇文章在所有可能被推薦的文章中的整體概率。P（A|Bi）是某一生詞出現(xiàn)在被推薦文章中的概率。P（Bj）是任意給定的一篇文章它不被推薦的整體概率。P（A|Bj）是某一生詞出現(xiàn)在不被推薦文章中的概率。

根據(jù)以上原理陳述生成推薦文章的過程：根據(jù)學(xué)生的訂閱收集大量的英語(yǔ)文章。在學(xué)生對(duì)英語(yǔ)文章的學(xué)習(xí)過程中，提取不認(rèn)識(shí)的生詞作為TOKEN串，并統(tǒng)計(jì)提取它的TOKEN串出現(xiàn)的次數(shù)，即字頻。每一篇文章對(duì)應(yīng)一個(gè)哈希表，設(shè) hashtable_Recommend對(duì)應(yīng)被推薦文章集，而hashtable_NotRecommend對(duì)應(yīng)不被推薦文章集。表中存儲(chǔ)TOKEN串到字頻的映射關(guān)系。計(jì)算每個(gè)哈希表中TOKEN串出現(xiàn)的概率P=（某個(gè)TOKEN串的字頻）/（對(duì)應(yīng)哈希表的長(zhǎng) 度 ）。 綜 合 考 慮 hashtable_Recommend 和hashtable_NotRecommend，推斷出某個(gè)生詞在文章中出現(xiàn)，該文章被推薦的概率。建立新的哈希表hashtable_probability存儲(chǔ)TOKEN串Bi到P（Bi/A）的映射。此時(shí)被推薦文章和不被推薦文件的學(xué)習(xí)過程結(jié)束。根據(jù)建立的hashtable_probability推薦學(xué)生應(yīng)該加強(qiáng)學(xué)習(xí)的文章。

基于以上的推薦文章生成專家系統(tǒng)，為每個(gè)學(xué)生建立了屬于自己的訂閱文章和生詞集合，再通過分析學(xué)生檢索請(qǐng)求及跟蹤用戶學(xué)習(xí)行為，獲得學(xué)生在英語(yǔ)學(xué)習(xí)過程中的興趣特征，從而對(duì)學(xué)生學(xué)習(xí)興趣進(jìn)行建模，并對(duì)專家系統(tǒng)的興趣模型不斷更新，將學(xué)生興趣特征和資源特征的描述擴(kuò)展到一定的層次上，將用戶興趣與資源在專家級(jí)層次上進(jìn)行匹配，最終構(gòu)建專家本體用戶興趣模型。

基于本體的大學(xué)英語(yǔ)移動(dòng)學(xué)習(xí)個(gè)性化研究，本質(zhì)就是專家本體用戶興趣模型構(gòu)建，也就是一種組織或類別意義上的決策行為。專家系統(tǒng)的知識(shí)行為是與語(yǔ)境相關(guān)且獨(dú)立構(gòu)建的，功能強(qiáng)大但難免比較片面，因此很難構(gòu)建一個(gè)可以滿足所有成員使用需求的本體。對(duì)某些領(lǐng)域內(nèi)專家行為的研究也說明了這一點(diǎn)，甚至在一些良好構(gòu)架的領(lǐng)域中，也很難達(dá)成一致的意見。本文針對(duì)的是大學(xué)英語(yǔ)移動(dòng)學(xué)習(xí)專家本體用戶興趣模型的探索，以期實(shí)現(xiàn)新技術(shù)與先進(jìn)學(xué)習(xí)理念的結(jié)合，滿足當(dāng)前大學(xué)生都能在隨時(shí)隨地、自由化、個(gè)性化、多元化的移動(dòng)下學(xué)習(xí)。同時(shí)提供了一個(gè)新的研究視角，使得大學(xué)英語(yǔ)學(xué)習(xí)改革創(chuàng)新落到實(shí)處。

G642.0

A

1674-9324（2014）29-0245-02