秦川

摘 要：教學資源網(wǎng)絡共享平臺的檢索需要高效、準確的算法來進行優(yōu)化，該文嘗試運用當前大量應用于計算機預測檢索方面的BP神經(jīng)網(wǎng)絡算法這一技術手段來對教學資源網(wǎng)絡共享平臺的檢索進行優(yōu)化，以達到提高教學資源網(wǎng)絡共享平臺的用戶體驗這一目的。

關鍵詞：教學資源網(wǎng)絡共享平臺 BP神經(jīng)網(wǎng)絡 資源檢索 優(yōu)化算法

中圖分類號：G642 文獻標識碼：A 文章編號：1672-3791（2015）05（b）-0149-01

在信息化大潮的今天，高校教學資源已步入了數(shù)字化信息化時代網(wǎng)絡化的時代。在教育部的主導下現(xiàn)在各大高校已經(jīng)建設起了上萬門的精品課程；現(xiàn)在又大力開展精品資源共享課的建設，計劃在“十二五”期間支持建設5000門國家級精品資源共享課。如此多的優(yōu)質(zhì)教學資源就意味著必須有一個優(yōu)質(zhì)高效的教學資源網(wǎng)絡共享平臺才能發(fā)揮這些資源最大的教學效能。其中這種類型的平臺要解決的第一個問題就是資源檢索的優(yōu)化問題，以期解決在大規(guī)模訪問時支撐教學資源網(wǎng)絡共享平臺的服務器能同時對多個使用者快速準確的完成檢索并返回檢索的結(jié)果。

為什么我們把優(yōu)化檢索效率放在首要解決的問題上呢？我們對教學資源網(wǎng)絡共享平臺的使用對廣西中醫(yī)藥大學的大三學生進行了相關問卷調(diào)查。其中一項的的調(diào)查為在什么情況下會放棄使用該平臺，四個選項中檢索速度慢和檢索結(jié)果不精確這兩個選項分別占據(jù)了38%和32%。由此可以得出結(jié)論：在現(xiàn)在的現(xiàn)實應用中我們已經(jīng)有了很多優(yōu)質(zhì)的教學視頻資源，由此對于一個教學資源網(wǎng)絡共享平臺而言現(xiàn)在最為重要的就是要解決檢索的速度、效率、和準確度的問題了。因此我們把對高校優(yōu)質(zhì)教學資源網(wǎng)絡共享平臺的信息檢索的優(yōu)化作為首要解決的問題。

神經(jīng)網(wǎng)絡的基本特征在數(shù)據(jù)檢索上的應用具有以下四點。

（1）非線性：非線性現(xiàn)象大量的存在于現(xiàn)實世界中。大腦的神經(jīng)網(wǎng)絡活動就是屬于這種現(xiàn)象。神經(jīng)網(wǎng)絡的基本單元神經(jīng)元一般具有兩種形態(tài)：激活或關閉，在數(shù)學上該行為表現(xiàn)為一種離散特性而教學資源網(wǎng)絡共享平臺信息檢索所產(chǎn)生的指令數(shù)據(jù)就是典型的離散信息。這些神經(jīng)元在一定的閩值控制下進行激活或關閉，由此它們所構成的網(wǎng)絡具有更好的容錯性。

（2）非局限性：由網(wǎng)絡化結(jié)構來組成的大量神經(jīng)元網(wǎng)絡可以模擬出大腦的非局限性，這種局限性可以限制對整個系統(tǒng)的無限制遍歷，可以更精確的先行定位搜索的范圍。單個神經(jīng)元的特性并不能決定一個系統(tǒng)的整體行為，而神經(jīng)元之間的相互作用、相互連接卻能夠決定一個系統(tǒng)的整體行為。

（3）非常定性：在處理檢索信息的時候，如果引用神經(jīng)網(wǎng)絡，其本身具有自適應、自組織自學習能力，可以使其處理各種變化的輸入信息，且在處理信息的同時，非線性動力系統(tǒng)也通過迭代過程不斷的變化，就可以適應一段時間內(nèi)檢索內(nèi)容的變化多寡而改變針對某個檢索內(nèi)容的檢索效率。

（4）非凸性：由于非凸性可以讓檢索信息在神經(jīng)網(wǎng)絡中擁有自組織學習的過程，可以達到多個較穩(wěn)定的平衡狀態(tài)，這可以解釋為數(shù)學原理，某個特定的狀態(tài)函數(shù)在一定的條件下將會決定一個系統(tǒng)所進化的方向。例如檢索變量函數(shù)的極值對應于系統(tǒng)的結(jié)果輸出的穩(wěn)定狀態(tài)。而非凸性指的是該檢索變量函數(shù)可以達到的多個極值，所以系統(tǒng)有多個穩(wěn)定的檢索結(jié)果，因此這就使系統(tǒng)檢索結(jié)果具有變化的多樣性。神經(jīng)網(wǎng)絡算法有多重類型由于檢索的信息需要有反饋所以該文使用有反饋的前向網(wǎng)絡即BP神經(jīng)網(wǎng)絡。

神經(jīng)網(wǎng)絡一般是輸入層檢索目標對輸出層的檢索結(jié)果有反饋信息，使得輸出層輸出相應的檢索結(jié)果，而這種類型的網(wǎng)絡中對輸入層存在反饋信息，用于存儲某種模式序列，典型的神經(jīng)認知機和回歸BP網(wǎng)絡就屬于這種網(wǎng)絡類型。

（1）在多級的神經(jīng)網(wǎng)絡中，同級的神經(jīng)元節(jié)點是獨立的，它們之間沒有聯(lián)系。

（2）通過相互的權值各級層神經(jīng)元之間互聯(lián)，前一層的輸入要查詢的檢索信息是后一層的輸出結(jié)果。

（3）檢索信息從前一層逐層向后一層傳遞，并沒有反向連接信號。

在該文中作為實際輸出，通過對上述公式的計算就可以不斷的檢索出實際的檢索目標對應的字段標志參數(shù)，完成分類、模式識別或者函數(shù)逼近和模擬的任務，最終不斷的逼近最優(yōu)化的值，形成最快捷的檢索通路。通過上述方法我們可以BP算法在檢索信息時的訓練過程總結(jié)（如圖1所示）。

通過上述內(nèi)容可以初步得到高校優(yōu)質(zhì)教學資源網(wǎng)絡共享平臺信息檢索的優(yōu)化采用BP神經(jīng)網(wǎng)絡算法是可行的，在檢索優(yōu)化的過程中在檢索效率和準確度上由于神經(jīng)網(wǎng)絡具有的自我學習能力使之具備較好的檢索性能。

參考文獻

[1] 陳國良.并行算法的設計與分析[M].北京：高等教育出版社，2005：76-80.

[2] 蔣宗禮.人工神經(jīng)網(wǎng)絡導論[M].北京：高等教育出版社，2005：34-78.

[3] 文繼軍，王珊.SEEKER：基于關鍵詞的關系數(shù)據(jù)庫信息檢索[J].軟件學報，2005，16（7）：1270-1281.

[4] 肖科.基于BP神經(jīng)網(wǎng)絡的Web服務選擇算法[D].北京：北京郵電大學，2014：15-20.