韓魯峰

摘 ?要： 針對(duì)傳統(tǒng)的網(wǎng)絡(luò)教學(xué)平臺(tái)選課過(guò)程中缺乏個(gè)性化推薦的缺點(diǎn)，提出一種基于Mini Batch K-Means算法的課程推薦聚類分析方法，該方法通過(guò)對(duì)網(wǎng)絡(luò)教學(xué)平臺(tái)中的課程及學(xué)生分別進(jìn)行聚類分析來(lái)實(shí)現(xiàn)個(gè)性化研究。與標(biāo)準(zhǔn)的K-Means算法相比，Mini Batch K-Means算法選取小批量的數(shù)據(jù)子集，從而加快了計(jì)算速度， 減少了k均值的收斂時(shí)間。文章通過(guò)一個(gè)實(shí)例說(shuō)明了該方法在面對(duì)海量的網(wǎng)絡(luò)數(shù)據(jù)時(shí)，能夠更高效地實(shí)現(xiàn)選課過(guò)程中的課程個(gè)性化推薦。

關(guān)鍵詞： 數(shù)據(jù)挖掘; K-Means; 個(gè)性化; 教學(xué)平臺(tái)

中圖分類號(hào)：TP399 ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ?文章編號(hào)：1006-8228（2020）01-84-03

Abstract： Aiming at the shortcomings of traditional network teaching platform that lacks personalized recommendation， this paper proposes a clustering analysis method based on Mini Batch K-Means algorithm. The method realizes individualized research by clustering the courses and students in the network teaching platform. Compared with the standard K-Means algorithm， Mini Batch K-Means algorithm selects small subsets of data， which speeds up the calculation and reduce the convergence time of K-Means. This paper illustrates an example that can effectively implement the personalized recommendation of the courses during the course selection process in the face of massive network data.

Key words： data mining; K-Means; personalize; teaching platform

0 引言

隨著互聯(lián)網(wǎng)與教育事業(yè)的日益融合及發(fā)展，網(wǎng)絡(luò)化教學(xué)已經(jīng)成為當(dāng)今教育發(fā)展新的生長(zhǎng)點(diǎn)和現(xiàn)代教育技術(shù)主流的發(fā)展方向。當(dāng)前的網(wǎng)絡(luò)教學(xué)還普遍存在教學(xué)模式單一、教學(xué)資源簡(jiǎn)單累積、智能化程度低等問(wèn)題，而使用教學(xué)平臺(tái)的學(xué)生學(xué)習(xí)能力、個(gè)人興趣、學(xué)習(xí)基礎(chǔ)，都存在著巨大的差異[1]。由此帶來(lái)的是網(wǎng)絡(luò)教學(xué)平臺(tái)不能適應(yīng)學(xué)習(xí)者個(gè)性化需求的矛盾。

為了解決上述矛盾，本文將數(shù)據(jù)挖掘技術(shù)應(yīng)用于高校的教育教學(xué)， 開(kāi)發(fā)個(gè)性化的網(wǎng)絡(luò)教學(xué)平臺(tái)，針對(duì)不同學(xué)生的學(xué)習(xí)需求以及學(xué)習(xí)風(fēng)格對(duì)學(xué)生進(jìn)行個(gè)性化推薦，從而有效的提高教學(xué)質(zhì)量。

1 數(shù)據(jù)挖掘

1.1 數(shù)據(jù)挖掘概念

數(shù)據(jù)挖掘是數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)過(guò)程中的一個(gè)步驟[2]。WEB數(shù)據(jù)挖掘大致分為三類：內(nèi)容挖掘、結(jié)構(gòu)挖掘、用戶使用記錄挖掘。將Web數(shù)據(jù)挖掘應(yīng)用于網(wǎng)絡(luò)教學(xué)平臺(tái)，對(duì)教學(xué)數(shù)據(jù)庫(kù)中的大量數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和模型化處理，使網(wǎng)絡(luò)教學(xué)平臺(tái)更加規(guī)范化、個(gè)性化、智能化。以此幫助我們?cè)诮逃虒W(xué)，課程制定和創(chuàng)新型人才的培養(yǎng)等方面進(jìn)行有效的決策[3]。

1.2 聚類算法

最早的聚類思想出現(xiàn)在我國(guó)的《戰(zhàn)國(guó)策 齊策三》中，即“物以類聚，人以群分”。聚類是將數(shù)據(jù)劃分為若干組的過(guò)程，并使得同一個(gè)組內(nèi)的數(shù)據(jù)對(duì)象之間相似度越高越好，而不同組中的數(shù)據(jù)對(duì)象之間相似度越低越好[4]。

根據(jù)聚類算法所采用的基本思想，可以將聚類算法分為以下四類：層次聚類算法、分割聚類算法、基于約束的聚類算法、機(jī)器學(xué)習(xí)中的聚類算法。本文采用的Mini Batch K-Means算法是K-Means算法的改進(jìn)版，K-Means算法是分割聚類算法的一種，是解決聚類問(wèn)題的一種經(jīng)典方法。Mini Batch K-Means算法在求解穩(wěn)定的聚類中心時(shí)，每次隨機(jī)抽取一批數(shù)據(jù)，然后進(jìn)行K-Means計(jì)算，直至中心點(diǎn)穩(wěn)定之后，再將所有的數(shù)據(jù)依據(jù)這些中心點(diǎn)進(jìn)行分類，從而達(dá)到和K-Means一樣的效果，同時(shí)又大大的減少了計(jì)算量。

1.3 K-means算法的原理

K-means算法是最常用的聚類算法，整個(gè)聚類過(guò)程如圖1所示，假如我們?cè)谧鴺?biāo)軸中存在A，B，C，D，E五個(gè)點(diǎn)，然后我們初始化兩個(gè)中心點(diǎn)，也就是將五個(gè)點(diǎn)分成兩個(gè)類。采用歐式距離計(jì)算距離，把每個(gè)點(diǎn)分到離其最近的中心點(diǎn)所代表的類中。所有點(diǎn)分配完畢后，根據(jù)一個(gè)類內(nèi)的所有點(diǎn)重新計(jì)算該類中的中心點(diǎn)。然后迭代分配點(diǎn)和更新中心點(diǎn)的步驟，直至中心點(diǎn)的變化很小或達(dá)到指定的迭代次數(shù)[5]。

2 聚類算法在個(gè)性化網(wǎng)絡(luò)教學(xué)平臺(tái)的應(yīng)用

信息技術(shù)和教學(xué)技術(shù)的發(fā)展，促進(jìn)了網(wǎng)絡(luò)教學(xué)平臺(tái)的誕生，目前國(guó)內(nèi)的網(wǎng)絡(luò)教學(xué)平臺(tái)只實(shí)現(xiàn)了網(wǎng)絡(luò)資源的共享以及學(xué)生學(xué)習(xí)時(shí)間和空間的靈活性，個(gè)性化教學(xué)環(huán)節(jié)還很薄弱。個(gè)性化推薦的實(shí)質(zhì)是將學(xué)生信息與系統(tǒng)中的模型進(jìn)行匹配，尋找具有相同或相近興趣的學(xué)生，然后相互推薦瀏覽過(guò)的信息。個(gè)性化推薦服務(wù)已經(jīng)應(yīng)用于很多領(lǐng)域，并取得了驚人的效果。將個(gè)性化推薦服務(wù)應(yīng)用于網(wǎng)絡(luò)教學(xué)平臺(tái)能夠有效解決學(xué)生面對(duì)海量資源“迷航”的情況，由此減少學(xué)生尋找資源所需的時(shí)間，從而提高學(xué)習(xí)效率。

2.1 聚類算法設(shè)計(jì)

本文選用Mini Batch K-Means算法進(jìn)行個(gè)性化選課推薦。

2.1.1 算法用到的公式

假定給定數(shù)據(jù)樣本X，包含了n個(gè)對(duì)象X={X1，X2，X3，…，Xn}。其中每個(gè)對(duì)象都具有m個(gè)維度的屬性。K-means算法的目標(biāo)是將n個(gè)對(duì)象根據(jù)對(duì)象間的相似性聚集到指定的k個(gè)類簇中，每個(gè)對(duì)象屬于且僅屬于一個(gè)其到類簇中心距離最小的類簇中。

2.1.2 算法的主要過(guò)程

算法：改進(jìn)的K-means算法（Mini Batch K-Means算法）

輸入：包含n個(gè)學(xué)生對(duì)象，m條課程對(duì)象，聚類個(gè)數(shù)k1=k2=3

輸出：k個(gè)聚類及其中心

主要步驟：

⑴ 隨機(jī)抽取100個(gè)有效樣本;

⑵ 初始化k個(gè)聚類中心;

⑶ 計(jì)算出每個(gè)對(duì)象到這k個(gè)中心的距離，如果Xi（1≤i≤n，1≤i≤m）這個(gè)對(duì)象跟kj（1≤j≤3）這個(gè)中心的距離最小，那么Xi屬于kj這個(gè)中心。這樣即可得到初步的k個(gè)聚類及聚類中心;

⑷ 根據(jù)第二步得到的每個(gè)聚類分別計(jì)算新的聚類中心，和第二步得到的聚類中心對(duì)比，如果不同，則繼續(xù)第二步，如果相同，則繼續(xù)第一步，直到聚類中心變化不大。

⑸ 將所有的樣本根據(jù)中心點(diǎn)進(jìn)行分類。

2.2 個(gè)性化課程推薦的數(shù)據(jù)挖掘?qū)崿F(xiàn)過(guò)程

個(gè)性化推薦服務(wù)可以根據(jù)學(xué)生的個(gè)人基本信息、已選的課程、查詢的課程、活躍度等，制定課程推薦策略。本文使用Mini Batch K-Means聚類算法對(duì)課程和學(xué)生分別進(jìn)行聚類并做進(jìn)一步的數(shù)據(jù)挖掘與分析。

2.2.1 課程聚類

根據(jù)課程的部分屬性進(jìn)行聚類分析，用以得到課程的熱門(mén)程度。首先，進(jìn)行數(shù)據(jù)預(yù)處理。根據(jù)需要，從教學(xué)數(shù)據(jù)庫(kù)中選擇2018年信息工程方向的課程信息表、學(xué)生選課信息表，將兩張表進(jìn)行關(guān)聯(lián)生成新表，再?gòu)男卤碇须S機(jī)各抽取100條記錄，從課程年度被選修的次數(shù)、課程年度被查詢的次數(shù)、課程年度評(píng)價(jià)得分三個(gè)角度對(duì)記錄進(jìn)行聚類分析得到表1，根據(jù)分析結(jié)果來(lái)劃分課程的熱門(mén)程度。其次，進(jìn)行數(shù)據(jù)清洗。刪除掉異常數(shù)據(jù)記錄或是數(shù)據(jù)有缺的記錄。最后，對(duì)統(tǒng)計(jì)結(jié)果進(jìn)行聚類挖掘得到表2。本文設(shè)置聚類個(gè)數(shù)K值為3，分別代表熱門(mén)課程（聚類標(biāo)識(shí)為1）、一般課程（聚類標(biāo)識(shí)為2）、冷門(mén)課程（聚類標(biāo)識(shí)為3），對(duì)清洗過(guò)后有效的數(shù)據(jù)進(jìn)行聚類。

分析表1、表2的結(jié)果，可以得出以下結(jié)論：從課程的被選次數(shù)及被查詢次數(shù)來(lái)看，順應(yīng)當(dāng)前大數(shù)據(jù)時(shí)代的課程比較熱門(mén)，綜合了金融和IT 的課程相對(duì)熱門(mén)，可考慮增設(shè)此類相關(guān)課程。此處的數(shù)據(jù)分析只選取了信息工程方向相關(guān)課程，其他方向的課程可以用同樣方法進(jìn)行聚類分析和挖掘。

2.2.2 學(xué)生聚類

首先，進(jìn)行數(shù)據(jù)預(yù)處理。根據(jù)需要，從教學(xué)數(shù)據(jù)庫(kù)中選擇2018年信息工程方向的學(xué)生信息表、學(xué)生選課信息表，將兩張表進(jìn)行關(guān)聯(lián)生成新表，再?gòu)男卤碇须S機(jī)各抽取100條記錄，從學(xué)生對(duì)資源訪問(wèn)的次數(shù)、訪問(wèn)持續(xù)的時(shí)間、發(fā)帖回帖的次數(shù)三個(gè)方面對(duì)記錄進(jìn)行聚類分析得到表3，并根據(jù)分析結(jié)果來(lái)劃分學(xué)生類別。其次，進(jìn)行數(shù)據(jù)清洗。清理掉異常的數(shù)據(jù)記錄和數(shù)據(jù)有缺失的記錄。最后，對(duì)統(tǒng)計(jì)結(jié)果進(jìn)行聚類挖掘得到表4。本文設(shè)置聚類個(gè)數(shù)K值為3，分別代表活躍學(xué)生（聚類標(biāo)識(shí)為1）、普遍學(xué)生（聚類標(biāo)識(shí)為2）、消極學(xué)生（聚類標(biāo)識(shí)為3），對(duì)清洗過(guò)后有效數(shù)據(jù)進(jìn)行聚類。

2.2.3 個(gè)性化課程推薦及推薦結(jié)果評(píng)估

以信息工程方向的學(xué)生選課情況和查詢數(shù)據(jù)作為驗(yàn)證，出現(xiàn)在選課和訪問(wèn)查詢數(shù)據(jù)中的學(xué)生共1046條，這些學(xué)生中共有405人選修或查詢過(guò)推薦的課程，推薦成功率為38.72%。

3 結(jié)束語(yǔ)

在“以學(xué)生為中心”的教育背景下， 只有提高網(wǎng)絡(luò)教學(xué)平臺(tái)的智能性，才能更好地為各種學(xué)生群體提供有針對(duì)性的服務(wù)，真正達(dá)到因材施教的目的[6]。本文將數(shù)據(jù)挖掘技術(shù)中的Mini Batch K-Means聚類算法應(yīng)用于個(gè)性化課程推薦服務(wù)，從根本上改變了網(wǎng)絡(luò)教學(xué)平臺(tái)的服務(wù)方式，學(xué)生從只能“大海撈針”式選課轉(zhuǎn)變?yōu)榭筛鶕?jù)個(gè)人需求及平臺(tái)提供的個(gè)性化推薦服務(wù)進(jìn)行選課，提高了學(xué)生的滿意度和網(wǎng)絡(luò)資源的利用率，使網(wǎng)絡(luò)教學(xué)平臺(tái)更加規(guī)范化、個(gè)性化、智能化。由于選取數(shù)據(jù)的學(xué)校是財(cái)經(jīng)類院校，可能對(duì)聚類結(jié)果有一定的影響，后期可以選取綜合性高校進(jìn)行分析，提出更有效的改善網(wǎng)絡(luò)教學(xué)平臺(tái)的辦法。

參考文獻(xiàn)（References）：

[1] Xu Rui. Survey of clustering algorithm[J].IEEE Tran on Neural Networks，2005.16（3）：645-678

[2] 金陽(yáng)，左萬(wàn)利.一種基于動(dòng)態(tài)近鄰選擇模型的聚類算法[J].計(jì)算機(jī)學(xué)報(bào)，2007.30（5）：756-762

[3] 倪巍偉，陳耿，吳英杰.一種基于局部密度的分布式聚類挖掘算法[J].軟件學(xué)報(bào)，2008.19（9）：2339-2348

[4] 潘小鳳.基于聚類算法的圖書(shū)館書(shū)目推薦服務(wù)[J].圖書(shū)館學(xué)刊，2013.11（12）：109-111

[5] C.Romero，S.Ventura.Educational data mining：A survey from 1995to 2005[J].Expert Systems with Applications，2007.33：135-146

[6] 張勝.數(shù)據(jù)挖掘中聚類算法的研究[J].軟件導(dǎo)刊，2008.6（7）：66-67