移動帶寬的提升及智能設備的普及，為移動情景學習提供了優(yōu)良的網(wǎng)絡環(huán)境，然而高效推薦專家給學習者是實時移動情景學習的關鍵問題之一。為此本文提出了基于多元回歸的專家推薦模型，此模型依據(jù)專家費用、專家水平、專家和學習者間單位時間內通訊費用、專家解決問題所需時間四個關鍵因子，建立了多元回歸情景學習推薦模型，實施結果表明，本文闡述的推薦模型可以極大提高學習者對推薦專家的滿意度。

一、移動情景學習下的專家推薦模型

在專家推薦過程中，學習者往往只考慮服務時間、服務費用問題，而不去考慮問題的難易程度，為此本節(jié)首先詳細分析了移動情景學習下的專家推薦因素，然后根據(jù)專家推薦因素之間的聯(lián)系，提出了多元線性回歸推薦模型。

為了將專家及時、高效、準確的推薦給學習者，推薦算法需要根據(jù)專家的專8vjF+MHhLh/t/kOV7F/cEyI5Mej7Z2w0Vdu92xra8E0=業(yè)、專家的級別、專家在線狀態(tài)、服務質量（學習者的滿意度）、服務時間、單位時間服務費用等因素進行綜合分析，才可以更好的為學習者服務，下面對各個評價因素進行詳細闡述。

根據(jù)專家的基本信息可以獲取專家所屬專業(yè)及其技術職稱，而通過學習者提出問題所在專業(yè)領域及限制性條件，以及問題的關鍵詞可以初步在專家?guī)熘泻Y選出一批相關專家，這些專家構成一個專家集合，如公式（1）所示。

（1）

其中ti表示單個專家，對于任意一個專家來說，其專業(yè)知識的熟練度有高有低，這里假設專業(yè)熟練度以1-10這些的數(shù)字來標記，值越大表示熟練度越高，那么就可以得到集合中所有專家的專業(yè)熟練度集合，如公式（2）所示。

（2）

由公式（2）可知，不同專家專業(yè)熟練水平不一樣，解決問題的效率參差不齊，所以不同專家單位時間服務費用就可能不一樣，這里單位時間以分鐘來計算，假設專家單位時間的服務費用在人民幣1-5元范圍內。那么專家集合對應的服務費用構成一個費用集合。如下公式（3）所示。

（3）

二、實施

對于專家推薦因素，系統(tǒng)平臺對這些因素的數(shù)據(jù)進行了記錄。專家專業(yè)水平通過專業(yè)測試得到，專家服務費用根據(jù)專家專業(yè)水平以及知名度給出，專家服務時間根據(jù)專家平臺服務期間歷史服務時間平均值得到，專家與學習者間的通訊費用在確定兩者位置后可以確定，專家服務滿意度通過學習者反饋得到。在系統(tǒng)平臺運行期間產(chǎn)生了大量的數(shù)據(jù)，本文從系統(tǒng)平臺中隨機取出200位專家的數(shù)據(jù)進行分析。

為了對模型的顯著性進行檢驗，對上述采集到的數(shù)據(jù)進行多元線性回歸分析，分析的結果如下所示。

注：1、t值為臨界值比較，臨界值由顯著水平和自由度確定，t值越大，對應自變量對因變量影響越大

2、Sig值指顯著性水平，即p值，p值越小，顯著性越大，p>0.05，顯著性差

從表中的可以看出，所有推薦因素的P值均小于0.05，表明這些推薦因素的顯著性比較好，即各個推薦因素與專家滿意度關聯(lián)緊密。

三、結論

在系統(tǒng)平臺采集的數(shù)據(jù)基礎上，給出了模型的求解。本模型可以及時、準確地為學習者推薦滿意度高的專家，并且在條件相同的情況下，本模型所推薦的專家滿意度遠遠高出隨機推薦專家的滿意度。本模型只考慮主要因子綜合作用情況下進行專家推薦，沒有考慮學習者的個性化要求，比如有的學習者對時間要求比較高，不在意費用問題，而有的學習者希望在低的費用下解決問題。由于系統(tǒng)存在冷啟動問題，對于上述求解的數(shù)據(jù)都是內部測試得到的，實際中可能存在偏差，需要合理修正，為此將繼續(xù)研究移動情景學習平臺及其專家推薦模型。

（作者單位：江西財經(jīng)大學）