基于多元混合准则模糊算法的高校教育信息推荐系统设计

李麟霞

摘  要： 伴随教育信息化工作逐渐深入，网络教学信息出现爆炸性增长，如何在大量教育资源中准确提取用户所需教育信息是教与学过程中亟待解决的问题。文中设计基于多元混合准则模糊算法的高校教育信息推荐系统，系统核心功能模块分为检索模块、数据库模块以及推荐显示模块。用户在检索模块输入检索信息后，检索模块将用户检索指令传输至数据库模块，数据库模块通过多元混合准则模糊决策模型按照用户偏好提取推荐度最高的教育信息传输至推荐显示模块，推荐显示模块在推荐资源列表将推荐信息反馈至用户。应用结果显示，该系统可根据用户偏好向用户推荐教育信息，且用户发现准确度和推荐召回率都较高。

关键词： 高校教育; 教育信息推荐; 多元混合准则; 用户偏好; 数据传输; 应用测试

中图分类号： TN911.2?34; TP315                文献标识码： A                       文章编号： 1004?373X（2020）04?0097?03

Design on college education information recommendation system based on fuzzy algorithm of multivariate mixed criteria

LI Linxia

（Chengdu University， Chengdu 610106， China）

Abstract： With the gradual deepening of educational informationalization， an explosive growth of information appears in online teaching. How to accurately extract the educational information required by users from a large number of educational resources is a problem that needs to be solved urgently in the teaching and learning process. The college education information recommendation system based on the fuzzy algorithm of multivariate mixed criteria is designed. The core function modules of the system are divided into retrieval module， database module and recommendation display module. Users input the retrieval information into the retrieval module， and then the retrieval module transmits the users′ retrieval instructions to the database module. The database module extracts the educational information with the highest recommendation level according to the user preference by means of the fuzzy decision model of multivariate mixed criteria， and transmits it to the recommendation display module. In its resource recommendation list， the recommendation display module feeds the recommendation information back to the users. The application results show that the system can recommend educational information to the users according to their preferences， and the detection accuracy and recall rate of the system are high.

Keywords： college education; education information recommendation; multivariate mixed criteria; user preference; data transmission; application test

0  引  言

隨着互联网的发展，网络中海量教育资源可为广大教育学子提供多样化、全面化、系统性教育信息资源应用[1]。成熟网络技术与多样化网络教育资源能够解决以往教学环境中教育资源匮乏问题[2]。

但在复杂的网络环境下，教育信息检索精度低，且耗费时间较多[3]。为此，高校教育信息推荐系统成为当下教育领域急需研发的教育资源挖掘工具。

传统教育信息推荐系统大多以教育信息群之间相似度为判断依据，采用聚类或者关联挖掘实现信息推荐，对用户偏好分析较少。本文设计基于多元混合准则模糊算法的高校教育信息推荐系统，分析用户偏好性，提取推荐度最高的教育信息反馈给用户。

1  高校教育信息推荐系统设计

1.1  系统模块设计

基于多元混合准则模糊算法的高校教育信息推荐系统是具有检索引擎的教育信息推荐系统[4]。该系统由检索模块、数据库模块以及推荐显示模块构成。Web检索引擎设定在检索模块，用于教育信息检索与教育数据高效传输[5]。组成框图如图1所示。

教育信息推荐系统组成框图

1） 检索模块：用户登录系统进入检索模块后，按照自己所会语种选取相应语言。检索模块支持蒙古语、中文、英文三种语言，用户使用三种语言在检索界面输入教育资源种类、关键词以及学科信息检索教育信息[6]。

2） 数据库模块：该模块不仅对教育信息有多种管理方式，对系统与用户信息也存在相应管理，用户分为注册用户、普通用户、管理用户三种身份。注册用户可检索教育信息进行浏览，普通用户可检索教育信息和下载教育信息，管理用户对数据库整体功能均有管理权力[7]。

3） 推荐显示模块：推荐显示模块主要向用户呈现与用户输入检索信息推荐度最高的教育信息。推荐显示模块存在三个主要面板：一是学习资源列表;二是推荐资源列表;三是邻居列表。单击推荐显示模块面板中各个列表名称，便会激活相应功能。学习资源列表显示用户下载过的学习资源;推荐资源列表显示数据库模块根据用户检索信息提取具有最高推荐度的教育信息;邻居列表列出与用户检索信息相似的全部教育信息。

1.2  多元混合准则模糊决策模型

在数据库模块构建多元混合准则模糊决策模型分析用户偏好，根据用户偏好提取推荐度最高的教育信息给用户[8]。

1） 教育信息权重

将高校教育信息集设成[Y=Y1，Y2，…，Ym]，并按照不一样的信息种类，设定不同权重。

2） 模糊兴趣集构建[9]

数据库管理模块选择教育信息推荐给用户之前，先按照用户偏好，设定理想准则、不满意准则两类准则，在两类准则间设置多个折衷准则，则决策准则集是[A=Ajj=1，2，…，J]。实际应用时，用户对教育信息的选择准则与教育信息因素具有交叉性。

为了构建模糊模型，导入模糊用户偏好集定义。用户偏好集[B=Bkk=1，2，…，5]，其中偏好函数设成[Bku]，[B1]代表满意，[B1u=u];[B2]表示很满意，[B2u=u32] ;[B3]表示尤其满意，[B3u=u2];[B4]代表理想，[B4u=1，u=10，u≠1];[B5]代表不满意，[B5u=1-u]。当其中[u∈U]，[U=uee=1，2，…，11=0，0.1，0.2，…，0.9，1]，U表示教育信息推荐备选集，u表示教育信息推荐备选因子，e与k均表示数量词。

3） 推荐度表达式构建

① 模拟关系矩阵

设系统推荐的候选教育信息整体为论域[V=Vmm=1，2，…，M]，按照用户个人价值观和感知对V中每类教育信息实行单因素评价。评价结果是Y至V的模拟关系矩阵：

[Q=qm=Q1Q2?Q5]               （1）

模拟关系矩阵[Q]中，根据决策准则实行模糊似然推理，可获取论域V中决策准则模糊子集[Aj]。

② 模糊决策矩阵

通过模糊子集[Aj]能够获取自V至U的模糊關系矩阵：

[Ej=ejm，e]         （2）

式中：[ej]代表教育信息模糊决策因子;m为数量词。模糊关系矩阵[ejm，e]代表每类候选教育信息与决策准则模糊子集[Aj]的似然距离。

为了一次性计算m个候选教育信息推荐度，则设定截集均值[10]为：

[GFc，m=1Mcm-1McHmc]         （3）

式中：c为截集程度，截集程度也可理解为数理统计中的置信水平;[Fc，m]为教育信息有限集F截集程度;[Hmc]为截集因子;[Mc]为有限集F的势。

2  应用效果测试

将本文系统应用在某学校图书馆中，应用时间为70天。实验用户设为该校1 300名师生员工，采用本文系统进行图书查询。本文系统检索模块界面如图2所示。

当用户在本文系统教育信息检索界面输入“古籍”检索关键词后。本文系统推荐界面示意图如图3所示。

按照图3所示，本文系统可以按照用户检索词推荐相关书籍，且推荐书籍推荐度为99%。说明本文系统可根据用户偏好按照最优推荐度实现书籍推荐。

为深度测试本文系统应用效果，以用户发现准确度、推荐召回率为测试指标，采用本文系统、个性化教育信息推荐系统以及基于ElasticSearch的教育信息推荐系统进行性能比较实验。

1） 用户发现准确度

用户发现准确度：用户选用系统推荐教育信息数量与推荐总量之比。

在该校1 300名师生员工中随机提取500名师生员工作为用户，当用户数目不断增长时，测试三种系统用户发现准确度，结果如表1所示。通过表1数据可得，随着用户数量不断增多，三种系统用户发现准确度均开始减小，但本文系统用户发现准确度减小幅度较小，减小速度较慢，当用户数量从400名上升至500名时，本文系统用户发现准确度稳定在0.95。另外两种系统用户发现准确度减小幅度较大，当用户数量从400名上升至500名时，两种系统用户发现准确度均小于0.84。

2） 推荐召回率

推荐召回率：用户选用系统推荐教育信息数量与用户应用教育信息总量之比。

基于上述实验设定，测试三种系统推荐召回率，对比结果如图4所示。

对比图4中三种系统推荐召回率波动趋势可知，本文系统推荐召回率峰值大于0.9，优势显著，伴随用户数目增多，始终位列另外两种系统之上，波动幅度极小;另外两种系统推荐召回率最低值跌破0.8。则本文系统推荐教育信息大多都被用户采用。

3  结  论

本文所设计基于多元混合准则模糊算法的高校教育信息推荐系统中各功能模块各司其职，系统内容覆盖面广。经验证，当用户数量从400名上升至500名时，本文系统用户发现准确度稳定在0.95，推荐召回率大于0.9，教育信息推荐效果较好。

参考文献

[1] 潘梅勇，宋伟奇.基于大数据的高职院校信息资源库建设[J].职业技术教育，2016，37（5）：24?26.

[2] 刘淇，陈恩红，朱天宇，等.面向在线智慧学习的教育数据挖掘技术研究[J].模式识别与人工智能，2018，31（1）：77?90.

[3] 刘凯，张立民，周立军.深度学习在信息推荐系统的应用综述[J].小型微型计算机系统，2019，40（4）：738?743.

[4] 陈丽君.情境利用与资源获取：生态系统视角下职校专家型教师专长分析[J].职业技术教育，2016，37（31）：55?59.

[5] 任剑，王坚強，成鹏飞，等.混合型广义犹豫模糊语言多准则群决策方法[J].计算机集成制造系统，2018，24（9）：239?248.

[6] 冯静，张福泉.图书信息检索中读者兴趣偏好挖掘模型的建立仿真[J].沈阳工业大学学报，2017，39（2）：188?192.

[7] 李爽，陈瑞瑞，林楠.面向大数据挖掘的Hadoop框架K均值聚类算法[J].计算机工程与设计，2018，39（12）：142?146.

[8] 徐汉青，滕广青，王东艳，等.基于模块化聚类的标签弹性推荐[J].现代情报，2018，38（4）：58?64.

[9] 温子潇，包飞龙，高光来，等.蒙古文信息检索系统的设计与实现[J].中文信息学报，2018，32（7）：49?56.

[10] 马杨，刘梦赤.分布式信息网数据库管理系统的动态数据划分研究[J].计算机工程，2017，43（9）：34?38.