基于多目标优化的英语移动学习资源导航方法

2023-12-13齐迹

微型电脑应用 2023年11期

齐迹

(陕西铁路工程职业技术学院,基础课部, 陕西, 渭南 714000)

0 引言

随着移动学习平台中开设的课程逐渐增多,在网络技术和通信技术的支持下,平台中存储的学习资源数量和种类也随之增加[1],为学生获取所需的学习资源带来了较大困难,尤其体现在多学习资源同时查询的情况下,进而对学生的学习积极性产生负面影响。目前对于英语移动学习资源的导航方法研究较少,现有较为成熟的资源导航方法包括基于概念网的导航方法、基于知识组织的导航方法以及基于知识地图的导航系统。然而上述方法在实际的运行过程中,若初始输入的查询目标较多,极易出现导航拥堵的现象,进而导致导航速度慢、导航结果错误等问题,为此引入多目标优化算法。多目标优化算法的运行目标是保证目标在给定区域内同时达到相对最优的状态,且最终得出的解是一组均衡解。将多目标优化算法[2]应用到英语移动学习资源导航方法的优化设计工作中,以期能够在提高导航精准度的同时,降低导航运行程序的响应时间。

1 英语移动学习资源导航方法设计

1.1 英语移动学习资源处理与整合

收集线上移动学习平台中的所有资源,并通过分词、无效词去除等步骤完成初始资源的预处理[3]。学习资源分为中文分词和英文分词2个部分,中文分词采用统计分词的方法,即统计语料中相邻共现个别字的组合频率,计算其互信息,其计算公式如下:

(1)

式中,p(XY)为英语移动学习资源X和Y的相邻共现概率,p(X)为X在学习资源中出现的概率,p(Y)表述Y在学习资源中出现的概率[4]。如果式(1)的计算结果大于设置的阈值λ0,可以认为该中文字组可以组成一个单词,无须进行分词处理,则跳过该字节进行下一个英语移动学习资源内容的分词判断,直到所有中文资源完成分词处理为止。为了确保导航效果,英文资源分词程序也做了词性标注。分词结果中可能会出现一些无意义的词语,如“的”“啦”等,这些词对查询信息的语义性几乎没有帮助,可把存在于停用词表中的词语去掉,以减少分析量,降低分析偏差[5-6]。

将预处理完成的不同格式的英语移动学习资源进行整合处理,定义任意2个英语移动学习资源为X和Y,则其合成结果可以表示为

H=ω(X,Y){X,Y}

(2)

式中,ω(X,Y)为2个融合学习资源的融合权重系数,其表达式如下:

(3)

式中,Sim(X,Y)为2个学习资源内容的相似度,d为待整合的英语移动学习资源数量。将式(3)的计算结果代入式(2),并按照学习资源预处理的先后顺序得到学习资源的整合处理结果。

1.2 确定目标资源存储位置

为满足用户的多资源目标导航任务,目标资源存储位置的定位采用并行搜索方式[7],其定位过程如图1所示。

图1 目标资源存储定位示意图

按照图1定位流程,根据学习资源内容确定其存储位置。首先构建学习资源R的语义向量,可以表示为

(4)

式中,tfik和dfk分别为tk词语在学习资源出现的频率及其所在的文档数量,N为学习资源的总数量。在此基础上根据用户输入的检索关键词信息构建相应的检索向量,记为Tterms。在预处理的学习资源中匹配与Tterms相同的词条,读取该资源的位置信息。在实际定位过程中,接收到的信息在节点中同时被转发到其第k级子树下的所有节点[8],这时只有包含目标资源R的节点将响应消息发送到请求启动节点q。节点q向自身发送消息定位驱动信息,同时将前一个节点消息转发到它的第i级子树中的节点,如果在节点本地发现目标资源R,结果将返回给请求发起节点q,资源存储定位结束。

1.3 利用多目标优化算法生成资源检索路径

资源检索路径的生成原理就是利用多目标优化计算[9],以当前检索位置为起点,以确定的目标学习资源存储位置为终点,求得内存占用最少、检索速度最快的路径。构建多目标优化算法的数学定位为

miny=F(x)=(f1(x),f2(x),…,fm(x))

(5)

式中,m为目标函数的个数,x和y分别为决策变量和目标函数,另外gi(x)和hj(x)分别为x的约束条件和可行解。由此可以得出多目标优化的基本原理,如图2所示。

图2 多目标优化原理图

按照图2原理确定目标资源存储位置为起点进行反向迭代,获取该存储位置的上层信息,将其标记为第一个路径节点,标记为l1,同理继续向上获取属性位置信息,并对其进行逐一标记,直到达到检索信息所在位置为止。输出各个节点的生成结果,按照先后顺序进行连接,得出最终的资源检索路径生成结果。

1.4 实现英语移动学习资源导航

用户输入待检索的关键词信息,按照多目标优化算法生成的检索路径,得出英语移动学习资源导航结果。为了保证学习资源的导航效率,将导航方式划分为全局导航、模块导航等,其中全局导航方式如图3所示。

图3 英语移动学习资源全局导航框图

根据图3将英语移动学习资源导航的输出结果分为左、右2个部分。左侧为课程目录,树形结构显示全部知识点,每个知识点按层次结构垂直排列。知识点前的加号和减号小图标可以展开和收起,方便使用者根据自己的学习情况选择一个分类概念,然后逐层点击知识点,搜索范围就会逐渐缩小。右边则根据学生点击请求的内容,从数据库中抽取资源,动态地呈现资源内容。

2 导航性能测试实验分析

2.1 准备英语移动学习资源

此次导航效果测试实验选择某高校线上教学平台作为实验环境,并以该平台数据库中的所有与英语有关的学习资源作为资源样本。实验准备的部分英语学习资源如图4所示。

图4 英语移动学习资源浏览界面

由图4可知,英语学习资源主要以大学教学资源为主,包括语法、单词、经典作文等,将其按照内容和格式存储到导航效果测试方法中。

2.2 选择实验用例

此次实验共设置2个场景:一个是单个资源导航任务,该场景下设置的实验用例包括“定语从句”“history”“oral language”“状语从句”“主谓宾”“hearing”,由此将单个资源导航任务划分成6个组别,每个组别中设置10个不同的检索关键词;另一个实验场景为多个资源导航任务,具体的实验用例为“Translation and Interpreting”“Object clause and predicative clause”“Auxiliary verbs and be verbs”“Tenses and fixed statements”,由此可以将多个资源导航任务分为4个组别,每个组别中设置20个不同的检索关键词。

2.3 设定导航性能评价指标

此次实验分别从导航效果和运行性能2个方面进行量化测试,其中导航效果的测试就是导航结果的正确性和精准性的测试,设置的评价指标为导航成功率和查准率,计算得出的导航成功率和查准率越高,说明本文方法的导航效果越好。2个指标的数值计算公式为

(6)

式中,ns和nτ分别为能够输出导航结果的实验运行次数和设置的总运行次数,由于每个组别中的实验用例都进行2次,因此nτ的实际取值为280,而ns的具体取值由导航输出结果的统计情况来决定,变量N1和N2分别为设置的所有资源数量和导航得到的正确学习资源数量,其中N2取值为定值,由不同类型的英语自动学习资源准备量决定。

另外,从导航方法的运行性能方面来看,设置的测试指标为内存占用量和时间开销,其中内存占用量可以通过调取导航方法运行过程中的后台数据直接得出,而时间开销则是分别记录导航启动和结果输出时间,两者的差值即为时间开销的求解结果。内存占用量和时间开销越小,说明本文方法的运行性能越好。