1、自组织竞争人工神经网络在移动学习资源元数据萃取中的应用吴俊爽 韩琴琴 刘诚伟【摘 要】 本论文针对海量移动学习资源元数据的分散，难以检索的难题，提出基于自组织特征映射网络 （）SOM的移动学习资源元数据聚类萃取算法，该算法将传统的数据库元数据进行合理的量化处理，形成表征移动学习元数据的四元组（资源编号，科目等级，学科等级，资源相似度），并且根据用户需求，通过调整权值四元组后三个个关键字所占比例，实现扩大或者缩小范围。最终利用 Matlab以高中物理的移动学习元数据为例实现该算法的仿真，进行多赋值聚类，其聚类萃取资源的准确度较高，能够满足一般用户对该移动学习资源的需求。【关键词】移动学习 元数据
2、萃取 神经网络 自组织特征映射网络 （）SOM【中图分类号】 O453【文献标识码】 A【文章编号】1672-5158（2023）07-0024-021 研究背景介绍移动学习是指依托目前比拟成熟的无线移动网络、因特网以及多媒体技术，学生和教师通过利用目前较为普遍使用的无线设备（如 、PDA、笔记本等）来更为方便灵活地实现交互式碎片式教学活动，以及教育、科技方面的信息交流。 1随着移动互联网设施根底逐步完善和移动互联网产品的层出不穷，移动学习的优点越来越被人们关注。目前国内很多家高校和公司都参加了移动学习的研究，并且取得了比拟好的成果。23本论文提出的自组织神经网络算法来对移动学习元数据数据库进
3、行高效的聚类萃取，从而使得资源更加结构化，相关性更强，方便用户检索。2 基于自组织特征映射网络 （）SOM的元数据挖掘模型2.1 自组织竞争神经网络的知识介绍由于移动学习资源的数据量比拟大，每个数据量包含的信息较多，并且存在学科交叉问题，故在进行移动学习资源元数据萃取分类时，必须通过对这一客观事件的反复观察、分析和比拟，自形查找出其内在的规律，并且对具有内在联系特征的事物进行正确的归类。2.2 移动学习资源元数据量化即是建立移动学习资源元数据语义关系（同义）的知识库。移动学习资源元数据语义关系知识库，采用 WordNet的根本思想，利用关系表示词汇语义，使用同义词集代表概念，并且在概念间建立不
4、同的关系指针，表达不同的语义关系。4本文提出语义知识库的结构，包含：科目编号，学科等级，章节号章节主要内容关键词四个局部。2.3利用自组织竞争神经网络进行移动学习资源的元数据聚类萃取数据预处理及网络初始化1. 数据预处理由于进行资源聚类时，用户可能会关注与关键字密切的资源，或者更可能像搜索与该关键词相关章节内容的介绍，故该论文又设定一个元数据量化资源组的权值函数：（0.75，0.15，0.1）1（0.5，0.45，0.15）2（0.45，0.45，0.1）3式中 （ ， ）w i j表示输入层的 i神经元和映射层的 j神经元之间的权值选择和权值向量的距离最小的神经元计算并选择是输入向量和权值向
5、量的距离最小的神经元，如： （ ）d j为最小，称其为胜出神经元，记为 xj，并给出其邻接神经元集合。权值的学习胜出神经元和位于其邻接神经元的权值，按下式更新：是否到达预先设定的要求如到达要求那么算法结束；否那么，返回到步骤（2）。进行下一轮的学习。3 仿真结果及算法评价由上表可以清晰的看出：组1为 （1， 2，3），组4为 （4），组10为（5），组30为 （6），组36组 （7，8， 9，10），40组 （11）。其分组的正确率高达：85.1%。由上述的仿真结果，该论文得出结论改良后的自组织竞争神经网络算法能够进行有效的自适应分类，从而高效的进行关键字元数据萃取的功能。但它仍存在一些问题，
6、第一，学习速度的选择使其不得不在学习速度和最终权值向量的稳定性之间进行折中；第二，有，一个神经元的初始值向量离输入向量太远以至于它从未在竞争中获胜，也从未得到学习，这将形成毫无用处的“死神经元。4 结束语目前，很多高校和公司开发出了移动学习（尤其是智能 ）的应用软件，并且提出较好的处理移动学习资源的处理方法6，为用户的碎片式学习和随时随地学习提供了一个良好的环境。本论文提出的算法，很适合应用在这些碎片资源和微型学习资源的萃取，并且可以为这些应用系统或软件提供大量的聚类资源，从而使得用户能够获得更好的用户体验。参考文献1 ：/baike.baidu /view/3003454.htm百度百科 移
7、动学习2023-12-72 叶成林 徐福荫 许骏 移动学习研究综述 电化教育研究 2004 No.33 陈伟超 国内移动学习研究现状及开展建议J.中国电力教育，2023 No.94 词汇语义知识库浅述 刘兴林 福建 2023 No.95 MATLAB神经网络应用设计 张德丰 机械工业出版社 2023-01-016赵刚，杨宗凯Learning Resource Adaptation and Delivery Framework for Mobile Learning. 35th ASEE/IEEE Frontiers in Education Conference. October（10）19-22，2022
