姜 滿，陸逸菲，張玥娟

（1.遼寧現(xiàn)代服務職業(yè)技術學院，遼寧 沈陽 110031；2.東北大學外語學院，遼寧 沈陽 110031；3.沈陽師范大學旅游管理學院，遼寧 沈陽 110031）

1 茶文化國際教育推廣的目的

茶是中國人招待朋友最好的媒介，推廣茶文化項目可促進開放，推進國際文化交流。吟風聽雨，閱字溫茶，在全世界以茶會友，通過茶可將中國數(shù)千年歷史和文化彰顯出來。茶文化通過交流能夠跨越國界成為人類文明的共同文化精神財富，了解中國茶的知識和文化是全球學生學習中國文化的實際需求。茶文化教育對于當代青年人來說是一門重要的文化課程。通過學習可以增強學生對中國傳統(tǒng)文化的熱愛，有助于學生修身養(yǎng)性，提高審美情趣，拓展自身知識結構，豐富校園生活[1]。中國茶伴隨著中華文化不斷對外傳播，對世界人民的飲食結構、經(jīng)濟發(fā)展、文化禮儀及語言、文學等方面產生了深刻影響，對世界文明發(fā)展做出了重要貢獻。因此，茶文化教育在當代教學中有承擔自身傳承和對外推廣的目標與使命。

2 茶文化英語教學方法探索的重要意義

茶文化英語教學方法探索的重要意義在于提高英語教學的實用性、趣味性和文化內涵[2]。同時，中國茶文化作為中國傳統(tǒng)文化的重要組成部分，茶文化的特點更適合作為教育載體，其包含著物質文化、精神文化、制度文化、行為文化等多種要素，傳承了中國文化的獨特魅力。大學英語教學的過程中，重視對高校學生英語語言運用能力以及跨文化交際能力的培養(yǎng)，將茶文化的滲透作為切入點，將單純的語言學習拓展到文化交流的領域，能夠切實推動大學英語教學改革向縱深方向發(fā)展。

3 人工智能時代教育融合發(fā)展取向分析

人工智能時代教育融合發(fā)展取向，主要是以人工智能技術為基礎，通過教育融合的方式，實現(xiàn)更好的教育目標和效果。當下學生的個體化差異化越來越明顯，根據(jù)學生年齡、性別、年級、專業(yè)等因素的不同，學生學習知識的興趣點和接受程度也存在差異[3]。如學生的興趣點高，學習意愿強，接受知識就比較容易。根據(jù)學生學習能力和學習興趣采取有針對性的教學，改善傳統(tǒng)的一刀切教學模式，能有效提高教育公平性。人工智能可根據(jù)學生特點的不同制定科學的教學方法，為教學融合發(fā)展提供科學導向作用。

4 人工智能提高英語與茶文化科學融合的實現(xiàn)方案

4.1 茶文化與英語教學融合輸入數(shù)據(jù)采集

數(shù)據(jù)分析是獲取、探索、清理、轉換和建模數(shù)據(jù)的過程，以發(fā)現(xiàn)有用的信息并呈現(xiàn)結果[4-7]。數(shù)據(jù)分析是檢查和建模大量不同格式數(shù)據(jù)的過程。

我們將學生按照類別進行分類，并對不同類別學生采用爬蟲等技術獲取數(shù)據(jù)進行分析，分析的數(shù)據(jù)包含多維的茶類相關知識，并形成數(shù)據(jù)集（包括來自不同來源的結構化和非結構化數(shù)據(jù)集），通過對數(shù)據(jù)集的預處理發(fā)現(xiàn)有用信息[8、9]，對大量數(shù)據(jù)形成的數(shù)據(jù)集進行計算的預測模型主要有兩個問題待解決。一是將數(shù)據(jù)集進行分解存儲到不同位置，然后對存儲的數(shù)據(jù)進行分析，用來發(fā)現(xiàn)有用的隱性信息。二是提供一個平臺，該平臺可以將大量非結構化數(shù)據(jù)轉換為結構化數(shù)據(jù)，用來決策茶文化和英語教學融合的方案。本文通過對學生性別、受教育程度和文理分科等不同因素的學生進行分類，并通過調查問卷等形式獲取數(shù)據(jù)作為訓練樣本，將所屬類別中高頻詞匯作為輸入層的屬性x1，學生類別作為輸入屬性x2，輸入到解析層。具體如圖1所示。

圖1 輸入層架構

4.2 教學融合深層神經(jīng)網(wǎng)絡解析

深度學習是一種機器學習的分支，其目標是讓計算機模仿人類大腦的工作方式，深度學習的核心是神經(jīng)網(wǎng)絡，它由多個神經(jīng)元和層組成，通過傳遞數(shù)據(jù)并經(jīng)過激活函數(shù)的處理進行特征學習，在教育行業(yè)中，深度學習技術可以用來分析和評估學生對知識的理解程度，從而確保提供的內容能夠滿足學生的需求。一個完整的神經(jīng)網(wǎng)絡模型中需要對輸入層，隱藏層和輸出層三個部分進行計算。數(shù)據(jù)用前向傳播算法以第一個輸入節(jié)點作為起點進行前向傳播，經(jīng)過隱藏節(jié)點后繼續(xù)向前移動，直至到達輸出節(jié)點。同一層的每個神經(jīng)元都與所在層中的其他神經(jīng)元直接關聯(lián)。一個完整的神經(jīng)網(wǎng)絡（DNN）包含多個輸入和許多隱藏的神經(jīng)元。通過對數(shù)據(jù)進行預處理后將數(shù)據(jù)分為訓練集和測試集兩個部分。整個深度神經(jīng)網(wǎng)絡模型如圖2所示。

圖2 深度神經(jīng)網(wǎng)絡模型（DNN）

激活函數(shù)是神經(jīng)網(wǎng)絡中的一種非線性元件，主要作用是將輸入的數(shù)據(jù)進行轉換，使得神經(jīng)網(wǎng)絡能夠更好地擬合復雜的非線性關系，在實際應用中，常用的激活函數(shù)有：sigmoid、tanh、ReLU 和 Softmax 等。神經(jīng)元中的每個輸入都有權重，輸入值x0乘以每個輸入到神經(jīng)元的權重W1，與激活函數(shù)相加并對其再進行一次激活運算得到輸出函數(shù)x1，在模型的隱藏層和輸出層中我們使用SoftMax作為激活函數(shù)，此外，多層神經(jīng)元在整個神經(jīng)元中沒有直接的驅動作用。

在輸入層我們選擇ReLU（Rectif ied Linear Unit）作為激活函數(shù)，ReLU是深度網(wǎng)絡學習的常用模型。與其他激活功能相比ReLU的可以更輕松地優(yōu)化數(shù)據(jù)。與線性函數(shù)類似，ReLU可以使模型快速收斂。公式2用于獲得第k個隱藏層的輸出。

其中W代表輸入層和隱藏層之間的權重矩陣，kx代表輸入矩陣，bk是偏差矢量，ReLU代表提出的DNN模型的激活函數(shù)。在本文中，我們使用softmax方法獲取并轉換輸出結果，以便通過使用以下等式3獲得實際值y的預測值。

4.3 茶文化與英語教學融合實施過程

我們利用DNN算法訓練和測試了所提出的預測模型。在本文中，我們使用sklearn模塊（Python庫）將數(shù)據(jù)集分為70-30的訓練和測試。因此，我們將70%的數(shù)據(jù)用于培訓目的，其余30%的實例用于測試目的。

圖3描述了DNN模型中用于英語教育與茶文化知識相融合的效果預測，在初始步驟（DNN-100）中，損耗值約為0.11，在第二步驟（DNN-300）時損耗逐漸減小，深度學習模型在300層產生了一個更低的錯誤率為0.00513，在模型學習達到500層深度時錯誤率實現(xiàn)了0.00257的超低錯誤率（損失值），證明在模型深度達到500時學習效果最佳，超過500則會出現(xiàn)過擬合現(xiàn)象，這表明DNN模型在學習深度為500時（DNN-500）產生了最優(yōu)的預測結果。

圖3 教育融合預測中的DNN模型在訓練中的損失

5 茶文化與英語教學融合深度網(wǎng)絡模型性能測試

為從多維度測試茶文化與英語教學融合網(wǎng)絡模型的魯棒性，本文針對不同的回歸問題，采用了不同的績效指標進行績效評估，以便于我們使用這些統(tǒng)計評估方法來確定模型的有效性，例如均方誤差（MSE）、均值絕對誤差（MAE）和均方根誤差（RMSE）等。表1用于根據(jù)MAE、MSE和RMSE總結所實現(xiàn)算法的性能。

表1 深度神經(jīng)網(wǎng)絡算法的統(tǒng)計性評估

6 結束語

在python環(huán)境下對樣本進行試驗，得出男生大多對茶的中西方文化差異、歷史發(fā)展等所獲得的分值較高，女生多對茶的禮儀文化等所獲得的分值較高。文科專業(yè)學生對深層次的茶類知識的了解和學習接受能力比理科專業(yè)學生更高，更適合將茶文化課程融入到英語學習中。這與我們的常規(guī)認知相符。通過模型預測可知，理工專業(yè)男生對茶道、品茶、茶藝等引入英語教材的興趣呈上升趨勢，進一步證明了科技和文化之間的互動已經(jīng)被越來越多人喜愛和重視。另外，將茶文化引入英語教學有助于我國傳統(tǒng)文化國際化交流與推廣，不斷提高我國文化軟實力，這是在語言學的背景下發(fā)展茶文化英語教學的重要性?！?/p>