在线MOOC课程资源移动推荐系统设计与实现

朱先远

(安徽商贸职业技术学院 电子信息工程系，安徽 芜湖 241000)



在线MOOC课程资源移动推荐系统设计与实现

朱先远

(安徽商贸职业技术学院 电子信息工程系，安徽 芜湖 241000)

设计一种面向移动终端的在线MOOC课程资源推荐系统，系统构建了一种用户兴趣采集模型，实现了根据用户兴趣进行MOOC课程资源推荐.在移动终端与服务器终端间的数据交换上，进行了异构终端间MOCC资源的轻量级数据交互技术研究.运行实例表明该系统有很好的使用效果.

推荐系统；移动终端；轻量级数据传输

目前，随着教育信息化、现代化程度不断加深和移动互联网技术的快速发展，大型开放式网络课程(即MOOC)[1]已成为各国乃至全球教育改革和发展的趋势.MOOC模式的主要特点[2]是大规模(Massive)、在线(online)和开放(Open).今天学习者采用移动设备查询、收听MOOC资源，以及进行学习交流活动也成为一种形势.然而，各种MOOC视频资源如雨后春笋般迅速涌现，网络中的MOOC资源的日益增长将逐渐超出人们所能接受的范围，加之移动设备的界面显示、终端处理、输入/输出等能力有限，为移动用户带来沉重的“移动信息过载”问题[3].

edX、Udacity、Coursera等国内外MOOC平台和中国大学MOOC、MOOC学院、MOOC中国、学堂在线等国内MOOC平台层出不穷，每个平台MOOC资源少说也有100万件，如此多的信息资源,学习者想查找一个理想学习资源需在各个平台目录中依次翻看，本来与学习者知识背景强关联的课程资源查找变得繁琐起来.互联网中缺少一个整合平台将当前主流的平台资源进行整合，并使用推荐技术将这些具有系统性、层次性的课程资源.MOOC平台需要借鉴当前淘宝、Amazon等商城系统，各种数字图书馆，以及万花筒、电视猫、泰捷等视频聚合平台的个性化推荐算法与技术，匹配和推荐一些可能需要看的课程资源.

本文给出了在线MOOC课程资源移动推荐系统设计与实现，实现了MOOC课程资源的个性化推荐和课程资源的检索阅读等功能.用户在一部联网的智能终端就可以不受时空限制，快速学习系统推送给自己的感兴趣的课程资源.

1　系统设计

如图1所示，该系统架构包括4个层次：

(1)移动终端接入层.该层实现在多样化和异构性的轻量级终端上的虚拟个人工作台，以接纳用户的个性化需求配置、服务信息、资源信息等，以及实现终端与服务平台之间的交互表现应用服务结果等.

(2)终端自适应普适接入服务层.该层实现终端与MOOC课程资源平台的接入和互操作，解决移动端的身份认证和登录，MOOC课程资源服务平台资源的检索匹配管理、MOOC课程资源服务平台资源并发管理、MOOC课程资源服务平台资源下载断点管理等技术.

(3)易部署、易迁移的应用服务层.该层基于面向服务的体系结构(SOA)技术，整合现有MOOC平台资源，为终端用户提供统一的虚拟入口，供终端用户使用.

(4)高效、可伸缩、可信的服务环境支撑层.该层为应用服务层的各种应用提供相应的支撑环境，以满足终端用户的应用需求.包括数据传输管理、应用服务状态管理、数据管理、安全可信保障等技术.

系统主要功能模块如图2所示，有MOOC课程资源检索、MOOC课程资源推荐和MOOC课程资源下载、学习阅读等模块.MOOC课程资源推荐主要根据用户的注册信息、搜索关键词的历史记录、评价、用户对自己感兴趣的资源进行个性化管理，以及已阅读课程资源等信息，进行推荐的课程资源列表排行榜.我的收藏，帮助用户收藏资源，让用户下次访问时能快速找到自己所收藏保存的资源.

课程资源下载，对于需要离线阅读的资源，系统提供下载功能，让会员快速下载自己感兴趣的书目资源.资源上传，对于具有上传权限的会员，系统允许其上传，上传后经过审核让其他会员查看浏览下载.

2　系统实现的关键技术

2.1服务端数据并发处理技术

在线MOCC系统由于资源多为大尺寸的视频资源，集中观看时其并发处理任务相当大.针对这一问题在系统服务端引入了网络请求处理模块和视频处理模块.网络请求处理模块程序是基于XML元数据交互的网络接口程序，一方面实时接收来自移动终端的Socket请求，并为其分配对应处理线程.视频处理模块由3个逻辑单元组成，分别完成MOOC资源压缩、解压存储和索引管理，以及缓存单元.如图3所示，在网络请求处理模块中采用了IOCP技术对移动终端的客户端请求作好并发处理，采用链表队列机制对客户端请求进行依次响应，对连接成功的客户端在创建线程并插入到视频响应链表队列中.这种模式下建立的连接互不干扰，不必因为等待客户端数据而阻塞当前线程屏蔽了客户端请求.

图2　用户中心功能模块图

图3　服务端数据并发处理模型图

系统服务端中针对MOOC学习者中打开资源后长时间没有任何操作的用户，系统采用了辅助清理策略，对服务端中的视频资源响应线程池进行清理，停止对这类用户的响应.线程池辅助清理策略基于内存使用表C[4]，将在规定时间内不进行任何操作的视频响应线程强制关闭，回收其所占用的内存资源.

2.2轻量级的数据交换

在线MOOC课程资源平台属于胖服务端、瘦客户端系统，而且课程资源使用是个长期消化过程，重复访问代价是必须考虑的因素，所以服务端和客户端的数据传输是平台需要处理的一个重点问题.系统设计时遵循客户端与平台之间多增加元数据传输，少大尺寸的数据传输原则，移动终端在传前先接收响应资源的元数据，以判断资源是否为需求资源，做到事前取舍，减少不必要的传输损失.

减少传输损失需要处理好以下问题：避免视频资源列表在每次浏览时候重复下载；视频资源所下即所需，下载后一段时间内再学习不作重复下载.因此，本文在移动终端为大尺寸的视频资源建立服务端资源记录表和资源学习历史记录表，服务资源记录表用于记录用户查看平台的课程资源列表，资源学习历史记录表用于在每次学习结束后记录该MOOC资源的学习进度、已完成的资源下载断点等数据.平台与移动终端的交互流程如图4所示，移动终端每次查询时均先查询Sqlite，获取历史资源列表元数据，然后组织发送请求体向平台发出请求.服务端根据移动端请求元数据中的已下载资源列表记录标识进行对比查询，把尚未下载的最新资源列表返回给移动终端.对于用户学习的每一个资源，移动端的MOOC资源学习历史记录表记录用户每次学习的断点和资源下载断点，规避下次再学习时候重新下载该资源.其中资源学习历史表需要记录本次学习资源文件大小、平台对资源分段情况和本次学习时各段的下载完成情况，下次学习时候如果学习的为已下载资源则直接在资源学习历史记录表中查询已下载资源位置，本地学习，不进行重复下载.

2.3个性化推荐技术

为了给用户推荐其感兴趣的MOOC资源，系统中设计1个用户兴趣采集模块，通过此模块采集用户兴趣，建立用户兴趣库，以完成系统推荐时涉及的MOOC资源的对用户兴趣吻合度[5].用户兴趣采集模型如图5所示，系统在用户注册后，根据用户的注册的专业背景等信息，以及用户的个性化设置(如用户订阅信息)构建一个兴趣库；在用户后期使用时，系统根据初始阶段推荐给用户的MOOC课程资源用户的阅读行为、用户的点评反馈进行用户兴趣库的再更新.用户的兴趣采集库是个迭代过程，系统中添加用户兴趣采集模块可以更有效适应用户兴趣的随着其知识结构变化而作动态变化的特征.

图4　移动终端与平台间数据交互流程图

图5　用户兴趣采集模型图

目前，推荐算法有基于内容推荐(CBR,Content-Based Recommendation)算法、协同过滤推荐(CFR,Collaborative Filtering Recommendation)算法以及组合推荐(HR,Hybrid Recommendation)算法等[6].由于MOOC资源专业相关性较强，相同专业的学习者有着需求，因此本文采用混合过滤推荐算法如下：

(1)纵向上，根据MOOC平台中每个课程资源的关键词和当前请求用户个人的兴趣库，计算当前MOOC资源对当前用户的用户兴趣吻合度，资源的兴趣吻合度大于阈值(是一经验值)则纳入当前推荐集合R1.通过此种方式可以在MOOC课程资源中循环计算出用户兴趣高的N篇MOOC资源作为待推荐课程.

(2)横向上，根据系统中学习者的资源使用行为的相似度，计算出与当前请求用户相似度较高的用户集合U，再将U集合中已阅读过的MOOC资源作为待推荐资源集合R2.

(3)集合R1与R2为系统推荐给当前用户的MOOC课程资源集合.

3　系统运行实例

如图6所示，其为在线MOOC课程资源移动推荐系统移动端界面.用户通过登录界面登录系统后，系统自动推荐若干用户感兴趣的课程资源给用户，用户也可根据关键词检索课程.检索到课程后，点击即可进行学习.

MOOC课程资源的订阅界面如图7所示.在“我的订阅”界面，用户可对系统课程资源隶属的关键词进行定制.当用户定制某个关键词后，平台同步修改该用户兴趣库.课程订阅模块是实现MOOC课程资源个性化推荐的一个基础模块，用户做好定制后，平台会对移动终端的“我的推荐”模块作更准确的推荐，用户可以更方便、更快速地在海量MOOC课程资源中快速找到自己需要的资源.

图6　课程检索界面

图7　课程订阅设置页面

4　结语

结合移动终端便捷性特点设计并实现了面向移动终端的MOOC课程资源推荐系统.相比于传统Web MOOC课程资源系统，本系统结合移动终端用户的注册、检索阅读等个性化特点，增加了个性化推荐模块，方便用户可以快速发现感兴趣的学习资源.此外，由于移动终端的便捷性，平台的用户可以不受时空限制，做到随时随地观看MOOC资源，增强了MOOC学习平台的资源使用便捷性.系统中用户兴趣库的计算粒度过大，今后需结合移动终端的时间和空间属性作进一步研究.

[1]王文礼.MOOC的发展及其对高等教育的影响[J].江苏高教,2013(2):53-57.

[2]王颖,张金磊,张宝辉.大规模网络开放课程(MOOC)典型项目特征分析及启示[J].远程教育杂志,2013(4):67-75.

[3]罗军舟,邓爱林,朱扬勇,等.基于项目评分预测的协同过滤推荐算法[J].软件学报,2003,14(9):1621-1628.

[4]朱先远,殷西祥.面向移动终端的数字图书推荐系统设计与实现[J].新乡学院学报,2014(6):33-35.

[5]PINTO M A G,TANSCHEIT R,VELLASCO M.Hybrid Recommendation System based on Collaborative Filtering and Fuzzy Numbers[C].IEEE International Conference on Fuzzy Systems,2012:1-6.

[6]李默,梁永全.基于标签和关联规则挖掘的图书组合推荐系统模型研究[J].计算机应用研究，2014,31(7)：1930-1933.

[7]廖轶宸.基于移动网络的混合型信息推送系统的研究[J].计算机工程与设计,2012(8):3268-3272,3281.

[责任编辑马云彤]

Design and Implementation of the Mobile Recommendation Systemfor Online MOOC Course Resources

ZHU Xian-yuan

(Department of Electronic Engineering, Anhui Business College of Vocational Technology, Wuhu 241000, China)

In this paper, aiming at the MOOC resource recommendation problem on the mobile terminal, a recommendation system is designed for MOOC course resource. A model is constructed for collecting user interest. In the system, the MOOC resource can be recommended according to the user interest. In the data exchange between mobile terminal and server terminal, research on a lightweight data exchange technology of MOCC resources among heterogeneous terminals is conducted. The running example shows that the system has a good use effect.

recommendation system; mobile terminal; lightweight data transmission

1008-5564(2016)03-0060-05

2016-02-29

安徽省特色专业项目(2015tszy070)；安徽省专业综合改革试点项目(2015zy118)；安徽商贸职业技术学院自然科学研究项目(2015KYZ02)

朱先远(1981—)，男，安徽六安人,安徽商贸职业技术学院电子信息工程系助教，硕士，主要从事移动计算和服务计算研究.

TP393.03

A