基于协同过滤推荐的国防教育资源管理系统设计

于 凡，刁 莹

（哈尔滨工程大学，黑龙江 哈尔滨 150001）

0 引 言

随着我国国防建设的不断发展与完善，国防安全教育成为国防建设中重要的组成部分。国防人才的培养能够为国防建设提供更新、更强、源源不断的有生力量。随着国防系统的完善，国防教育资源愈加丰富。基于互联网技术的发展与广泛应用，国防教育资源的管理向着智能化、一体化发展。国防教育资源为各大院校的国防教育教学提供了数据资源。国防教育资源管理系统为资源的存储、调取、下载、修正、检索提供了便利。数字化系统平台的不断发展为资源数据的管理提供了一种新的模式。

随着国防教育资源管理系统资源检索量的不断增加，系统架构与交互方式反映出了一系列问题。在云计算技术与大数据技术背景下[1⁃3]，现有资源管理系统最为突出的问题主要集中在资源推荐的关键词关联匹配机制方面[4⁃6]。系统底层架构与硬件结构决定了现有系统的检索特性。在信息资源类型复杂的网络信息时代，单一的关键词信息与简单主体关联的方式已无法满足国防教育资源推荐检索对关键词的关联处理要求。现有国防教育资源管理系统推荐资源匹配度的降低，反映出国防教育资源信息之间的关联正逐步变强[7]，信息资源边界化逐步衰弱[8]，多信息特征检索[9]、协同过滤推荐成为资源管理系统更新发展的必然趋势。

1 基于协同过滤推荐的国防教育资源管理系统硬件设计

在提出的系统设计中，硬件部分的设计主要针对管理资源推荐的数据交互、分析、转换平台支持等方面。因此，硬件框架主要由数据采集阵列、数据传输单元、嵌入式中央逻辑主控区、数据存储单元、供电管理单元五部分构成。

1.1 数据采集阵列

通过CD4060BM96 二进制逻辑IC 的第1，3，6，8 针脚与6ES7288⁃1ST20⁃0AA0 数据采集模块第1，2，4，7 针脚相连接，完成对系统管理过程中数据载入接口与数据输出接口的数据资源的采集。阵列中的逻辑IC 的第2，5 针脚与采集模块第3，6 针脚为供电针脚，阵列逻辑IC的第4，7 针脚与采集模块的5，8 针脚为通信针脚。

1.2 数据传输单元

通过CWM900 通信模块与BC26NC⁃04⁃STD 通信驱动IC 建立数据交互信道，通过内建射频协议与中央控制核心区对接，为资源信息推荐分析处理提供高速交互信道。

1.3 嵌入式中央逻辑主控区

采用SN74LVC8T245 逻辑主控作为核心MUC，通过射频信道的数据对接，完成对推荐数据关键词信息的交互、处理，并通过次信道与数据采集单元对接。

1.4 数据存储单元

采用TPIC6B595N DIP20 信号移位寄存器接收MUC 推荐处理资源输出信号，并将信号解析存储；解析后的数据存储于24C04 存储器空间中，并通过逻辑IC 与通信传输单元保持通信。

1.5 供电管理单元

采用SG⁃ANL100⁃S24 电源管理模块，支持双向宽电压控制管理，通过独有的稳压控制技术与多频域调节技术，保证多场景下设计硬件供电的稳定。定制64 针脚，集成28 组正向供电针脚、28 组反向供电针脚、4 组通信针脚、4 组状态监测针脚。30 组正、反向供电针脚分别分为4 组与上述设计硬件单元相连接，每个单元分配正、反向供电针脚7 枚，其中包含保险针脚1 枚。

框架各功能单元详细配置与功能如图1 所示。

图1 基于协同过滤推荐的国防教育资源管理系统硬件框架

2 基于协同过滤推荐的国防教育资源管理系统软件设计

2.1 面向外围数据链资源的协同过滤推荐机制（G1机制）

面向外围数据链资源主要具备以下特征：

1）检索关键词对应的教育资源数据为一个泛资源[10]数据包，其中包含多个关联性资源数据个体；

2）检索推荐资源链辐射面广泛，且具有一定的挖掘空间；

3）推荐关键词仅对一种数据进行延伸关联，且关联资源具有相同主题属性。其中包含特殊推荐场景，例如国防历史资源、国防数据编研资源、国防对外展示等。

针对此种推荐场景，系统在软件推荐机制中引入模拟变量的概念，将一系列外围资源链对应条件视为一个模拟变量，通过模拟变量对应模拟用户需求，将一些列外围资源链的推荐检索列为一次模拟量，并将其记作OR1。例如，一个关键词需要反复多次对应一个主题进行检索推荐，此过程可记作OR1，将其视为一个模拟用户，OR1下包含多组与关键词相关的资源信息可供推荐；若一个关键词改变了对应检索推荐的目标信息，则将其对应的新目标记作OR2，同理，将其视为一个新的模拟用户，OR2下同样含多组与关键词相关的资源信息可供推荐。对于重叠关键词与多维度关键词信息，可将信息内容进行主题特征划分，通过划分关键词信息使其对应多个模拟用户，通过对不同的多个模拟用户对应资源的交叉调用，实现协同过滤效果。协同过滤矩阵的构成包含上述一系列关键词信息下的模拟用户OR与对应模拟用户下的推荐资源信息，即根据面向外围资源链的推荐特征生成协同过滤矩阵。

基于上述协同过滤场景，对面向外围数据链资源的协同过滤推荐机制进行流程编译。

对全局推荐目标资源对应的模拟用户OY进行如下操作：

1）载入目标模拟用户OY资源信息数据，建立推荐资源信息向量。将被推荐过的资源信息数据参量设定为0，未被推荐的资源信息数据参量设定为1。

2）调用协同过滤矩阵，对其中目标模拟用户OY和推荐模拟用户ORn进行匹配度计算。计算规则根据Tanimoto 匹配精度[11]进行，可得到：

式中：IYR代表目标模拟用户OY与推荐模拟用户ORn之间的相同资源总量；IY代表目标模拟用户OY所对应被推荐的资源信息总量；IR代表推荐模拟用户ORn所对应被推荐的资源信息总量，即二者间相同资源信息的匹配系数。

1）抽取与推荐模拟用户OY匹配程度最佳的I个模拟用户ORn，并将其定义为推荐目标模拟用户最佳匹配系数的相邻合集。

2）根据推荐模拟用户OY最佳匹配相邻合集ORn被推荐资源信息的推荐状态，生成关于OY的资源推荐信息合集TN，其函数计算公式定义为：

式中：NRn代表最佳匹配相邻合集中模拟用户ORn所对应被推荐资源的合集；NY代表目标模拟用户OY所对应被推荐资源的合集；n表示资源值；I代表最佳匹配相邻合集包含的资源总量。

2.2 面向内部资源链的协同过滤推荐机制（G2 机制）

面向内部资源链的机制主要具备以下特征：

1）推荐资源数据与提供词条信息数据的关联辐射层级大于3 个层级以上；

2）推荐资源的主题覆盖面相对稳定，推荐资源系数呈现刚性；

3）关键词用户对应的推荐资源信息数据形态具有不确定性，个体与集合之间根据推荐场景而变化。

因此，根据上述设定，同理引入模拟用户概念，即一条关于内部资源链任务通过模拟用户对其对应的一组推荐资源进行一次关于内部资源链的推荐，并将其过程定义为OS。例如，一次关于国防认证资源的管理信息需要对其资源进行推荐，可将此次推荐记作OS1；当此操作的推荐目标转变为另一新的内部资源推荐信息时，将其过程记为OS2，同样将其视为一个新的模拟用户。循环往复构成以内部资源链为推荐模拟用户的协同过滤。再次协同过滤中，包含一系列模拟用户OS，根据面向内部资源链推荐资源特征构建协同过滤矩阵。

为了保证软件设计机制的统一，此层面上的矩阵依旧采用二进制标识方式，即通过1 和0 对模拟用户推荐资源状态进行标记。

与“模拟用户推荐任务”矩阵配合，建立“模拟用户内部资源链虚拟用户内部资源链推荐任务”推荐判定矩阵，建立矩阵行对应量为模拟用户OS，纵向参量对应资源管理信息库。将矩阵纵向参量范围设定为资源信息库资源推荐值的适应值，利用1，0 分别对模拟用户推荐资源与未被推荐资源进行标记。

将上述机制按照操作顺序进行流程编译：任意一个目标模拟用户OY的操作如下：

1）载入目标模拟用户OY资源，利用关键词关联特征与目标模拟用户OY信息特征。

2）在“模拟用户内部资源链虚拟用户内部资源链推荐任务”矩阵中，对目标模拟用户OY和其他模拟用户OSn进行匹配度计算。

式中：n代表目标模拟用户OY所对应的内部资源链推荐信息的向量；k代表模拟用户OSn推荐内部资源链的向量。

1）抽取sim( )OY,OSn值，并将大于初始阈值的取值对应模拟用户OSn设定为目标模拟用户OY的最佳匹配邻值。

2）由最佳匹配邻值对应的OSn在“模拟用户内部资源链虚拟用户内部资源链推荐任务”矩阵中，得到其对应资源向量B，并计算得到OSn，通过OSn获得其对应推荐资源在内部资源链的位置，将目标模拟用户OY特征信息与资源向量B进行融合，得到最佳的内部资源链推荐资源信息结果。

2.3 面向特殊资源链的协同过滤推荐机制（G3 机制）

完成上述软件部分两组推荐机制单量设计后，对两种机制单量外的特殊资源链进行推荐机制编译。编译原理与机制特点同上，这里不再过多累述。面向特殊资源链的协同过滤机制，主要用于国防教育资源管理系统中缺失资源，或需要外部引入资源的推荐场景的应用。次协同过滤推荐机制成立的必要条件是必须满足推荐用户对应的目标资源，或需要引入完善的资源无法通过正常关键词完成检索推荐[12⁃14]，且检索推荐的目标资源必须存在。

对面向特殊资源链的协同过滤推荐机制流程进行编译，任意一个目标模拟用户OY的操作如下：

1）在推荐检索关键词为空的状态下，载入推荐检索关键词合集LY。

2）在目标模拟用户OY推荐资源协同过滤未完成的状态下[15]，按照以下顺序进行操作：

①载入目标模拟用户OY，将其对应的检索推荐资源关键词信息进行定义，记作Ln。

②组建关于目标模拟用户OY的推荐资源关键词信息合集LY=LY⋃{Ln}。

③对协同矩阵进行映射，抽取将LY的映射资源，再将抽取结果推荐给目标模拟用户OY。

3）若目标模拟用户OY检索资源满足推荐资源TY，则将TY与LY分别导入协同过滤矩阵的行参量与纵向参量，并将所得的推荐结果进行二进制标记，标记值为0。

至此，设计系统的软件部分推荐机制设计完毕。

3 基于协同过滤推荐的国防教育资源管理系统性能测试

3.1 仿真测试场景配置

将仿真测试基础数据通过仿真测试工具，配置生成测试场景，场景具体配置如下：

建立SQL 仿真测试数据库，通过欧特克仿真软件与数据控对接，在仿真测试工具下属配置文件中，定义DHRF.NET 数据库文件。在文件中定义测试逻辑场景场次、测试环境动量、仿真数据释放种群数量、个体动量变化幅度与时间变量发展逻辑动态链系数。通过SJDE.APS 数据接口完成配置数据、测试数据库与仿真测试工具三者间的数据对接与资源调度。通过创建指令将配置数据生成虚拟仿真测试场景，将设计系统载入场景，完成仿真测试场景的配置。

3.2 测试项目设计

在创建的仿真场景中，对设计系统资源管理推荐性能进行测试。测试项目数据如表1 所示。

3.3 对比样本数据提取

根据表1 配置的仿真测试项目，抽取传统国防教育资源管理系统对应数据结果及其对应性能数据，如表2所示。

表1 测试项目与传统样本对比数据参数

表2 传统国防教育资源管理系统仿真测试量对应数据及其性能数据

3.4 测试结果与分析

在创建的仿真场景中对测试系统进行对应测试项目的测试，相同测试项目下，设计系统的对应结果如表3 所示。

表3 基于协同过滤推荐的国防教育资源管理系统仿真测试结果

3.5 测试结果与样本结果数据对比与分析

将表2 与表3 数据进行提取整合，得到测试结果与样本结果对比数据见表4，对表4 数据的对比结果进行分析，并得出测试结论。

表4 测试结果与样本结果对比数据

对比表4 中系统推荐资源处理用时，发现基础关键词检索资源（匹配资源）推荐资源一系列处理操作的用时，设计系统相较样本系统节省用时365 ms，特殊场景下长字串、多主题的推荐资源用时，设计系统相较样本系统节省1 257 ms，在处理时间上设计系统满足设计要求。在整个测试过程中，设计系统在推荐资源匹配度上基本能够保持在98%以上，资源推荐的匹配精度明显优于样本系统，符合实际系统应用需求。

4 结 语

国防教育是爱国教育体系中的重要组成部分，国防教育资源随着我国国防建设的不断发展，资源量逐步增加，由此带来的国防资源种类、资源更新速度、历史数据存储成为国防教育资源管理难题。依托数字化网络技术，国防教育资源管理系统解决了这一难题。针对国防教育资源管理系统，资源推荐精度不高这一问题，通过采用硬件架构设计与协同过滤推荐软件机制相结合的方式，利用编程技术对国防教育资源管理系统进行了重新设计，解决了推荐精度的问题，提升了推荐资源处理速度。但是，在大数据背景下依然存在海量数据的处理能力不足、推荐引擎智能化不高的问题，在日后的研究中有待进一步提升。