面向泛在学习的嵌入式推荐服务模式-信息推荐系统

(1)面向泛在学习的嵌入式推荐服务要素

面向泛在学习的嵌入式推荐服务包括以下三个要素，其构成如图9-7所示。

①推荐对象。

泛在学习环境下，嵌入式推荐服务的服务对象即信息服务的需求者，包括个体用户和群体用户。针对个体用户，以个体为服务中心，只考虑与个人相关的情境因素，以此来判断个性化学习需求，从而进行嵌入式推荐。对群体用户，如学习小组、课题小组，则以整个群体为中心，综合分析群体中各成员的情境因素，同时需要考虑群体中的个人影响力、解决个体间的偏好冲突。

②推荐内容。

图9-7　面向泛在学习的嵌入式推荐服务要素构成

面向泛在学习的嵌入式推荐内容包括学习资源、学习策略、知识结构、辅助学习的人等。泛在学习资源最大的特点是具有情境性，不仅要在学习主题上满足用户需求，还要与用户特征、所处环境、所用设备相匹配，可以包括文本、图片、视频、各种多媒体学习资源等。学习策略是指运用一定的学习方法、技巧来控制学习的过程，受到个人主观因素和外部环境因素的影响，推荐系统应该针对不同的学习目标为用户推荐个人学习策略。知识结构是指知识点之间存在一定的联系，形成一定体系结构，为用户推荐知识结构，有利于帮助用户整合零散的知识点以及领域知识的系统学习。与传统学习相同，泛在学习过程同样需要学习交流，因此推荐系统应该基于用户当前学习情境为用户推荐能够辅助相关学习的人，如领域专家、同学、学习小组等。

③推荐方法。

泛在环境的嵌入式推荐服务需要综合运用多种技术和方法:个性化推荐、情境感知、语义网服务、多媒体适配等。个性化推荐通过挖掘用户与项目(User-Item)之间的二元关系，帮助用户发现其可能感兴趣的项目，生成个性化的内容以满足用户需求；从信息过滤角度，可分为以下几种:基于内容的推荐、协同推荐、基于规则的推荐和混合推荐等。情境感知强调将物理空间的变化映射到信息空间，依据这些变化为用户提供相应的信息或服务，提高推荐的准确性和有效性；泛在学习环境下的情境因素包括地理位置、学习进程、学习操作、学习设备、社会情境等。泛在环境具有动态性、网络异构性和终端设备的多样性，要完成嵌入式推荐的复杂任务，需要运用语义Web服务技术，即将语义网技术和Web服务技术有机结合，在语义层面集成各类信息资源和服务，以支持信息资源的自动发现、调用、组合与执行，是实现泛在环境下服务智能化的关键技术。泛在环境下，不同设备的终端处理能力具有差异性，多媒体适配技术在了解用户的设备的传输条件的情况下，通过创建、选择、修改或重组等技术对内容进行加工，使内容的形式、容量、格式适于目标网络及终端设备的传输和输出，从而满足用户从不同终端无缝访问Web资源的需求。

(2)面向泛在学习的嵌入式推荐服务体系结构(www.xing528.com)

面向泛在学习的嵌入式推荐服务将充分利用、整合云计算(Cloud Computing)和物联网(The Internet of Things)技术进行构建。物联网使用户应用终端拓展到人与人、人与物、物与物、物与人的沟通和连接，使物体更加智能化，泛在学习环境下利用物联网技术，可以无缝整合用户的学习情境，根据用户实际需求提供即时的、连续的、高效的、全面的个性化学习资源和学习支持。将泛在学习资源部署在云平台上，通过恰当的基础设施建设，可以从管理层面将资源的功能从实体资源中抽取出来，利用虚拟化技术屏蔽底层硬件和软件实施细节，简化业务应用部署，从而实现资源的整合和灵活配置，有利于资源的聚类、共享、升级和推送，形成泛在学习云资源。

面向泛在学习的嵌入式推荐服务体系结构如图9-8所示。总体可分为五个层次:感知层、资源层、逻辑层、管理层和服务层。其中，感知层运用物联网技术实现，资源层、逻辑层、管理层和服务层将部署在云计算平台上。

①感知层。感知层是泛在学习嵌入式推荐服务的基础部分，通过感知层采集用户实时信息，融入情境因素，实现用户学习过程的嵌入。主要利用射频识别(RFID)、全球定位系统(GPS)、传感器、网络监控器等物联网技术感知泛在学习环境下的用户情境，包括社会情境、地理位置、设备终端、网络状况、学习过程情境等。

图9-8　面向泛在学习的嵌入式推荐服务体系结构

②资源层。海量的泛在学习资源和实时的用户情境数据使得传统的存储环境不堪重负，云平台通过Internet以服务的方式提供动态可伸缩的虚拟化资源，使得通过云平台建设泛在学习云资源成为更经济、便利的选择。在资源层中，主要通过虚拟化技术，将物理资源(服务器、存储设备、网络设备等)、软件资源、逻辑资源、数据库等各项资源的功能进行抽取、整合，形成数据资源池、计算资源池、虚拟网络、虚拟设备，从而便于各种资源和功能的灵活配置。

③逻辑层。逻辑层是泛在学习嵌入式推荐服务的重要部分，通过数据的处理和分析来表示和描述信息，才能进一步为用户提供嵌入式服务，其中包括泛在学习资源信息模型的构建、利用语义Web服务进行语义分析、情境分析、用户需求分析。泛在学习资源的信息模型构建对泛在知识的组织、聚合、建模、管理、推送等过程至关重要，需要结合人际网络、语义关联，提出一种适应泛在环境下嵌入式推荐的学习资源信息模型；利用语义网服务在语义层面对数据进行分析和处理，从逻辑上连接相关事件和实体，使计算机对数据的处理更加智能化；同时，需要对用户各种情境信息进行综合分析，从而根据用户的动态需求提供嵌入式推荐服务。

④管理层。管理层是泛在学习嵌入式推荐服务的重要组成，包括对数据资源的日常管理和维护、制定管理策略和应用处理机制等。在管理层中，需要对学习资源、用户信息等数据库进行系统管理；通过资源和服务调度，解决资源过度或利用不足的问题；通过云服务迁移确保所有数据能在不同的云供应商或私有云内部完成迁移，同时克服迁移过程中的实现、整合、兼容性和互操作问题，云平台中的灾难处理，通过备份规划、还原等机制防止由误操作、断电、硬件损坏、人为破坏等原因造成的数据错误或丢失。

⑤服务层。服务层与泛在学习者直接交互，提供嵌入式推荐服务和其他服务。检索功能根据用户搜索内容进行智能匹配并返回检索结果；结合用户情境、语义网服务、个性化推荐算法判断用户实时需求，为用户提供泛在、全面、高效的嵌入式推荐服务；通过用户评价和反馈机制，让推荐内容接受用户检验，为制作、创造、重构更好的推荐资源提供借鉴和反馈数据，也为面向泛在学习的嵌入式推荐服务的改进提供意见和依据；知识产权保护机制对泛在环境下的学习资源和内容进行权限管理、版权管理，保证泛在学习环境下知识产权所有者的智力劳动成果不受侵害。

此外，面向泛在学习的嵌入式推荐服务体系的各个层次中还需要一定的安全和隐私保护机制，保障用户隐私安全和整个服务体系运作的稳定性和安全性。