李 浩,孙 媛①

（1.中央民族大学 信息工程学院，北京 100081；2.国家语言资源监测与研究少数民族语言中心 北京 100081）

教学资源不再仅仅局限于纸质文本和黑板板书的方式来呈现，而是利用到了计算机技术，以Word、PDF、PowerPoint等方式呈现，使得“教”与“学”两个过程更加方便。但教学资源如何优质共享是一个亟待解决的困难[1]。教育文本种类繁多，很多学习者不能快速准确地判断是否为自己所需，这就需要一个能精准推荐的技术。

一、相关研究

随着英文信息处理技术的发展，无论是在字词信息处理研究，还是在信息处理应用开发方面，众多科研人员进行了不懈的努力和有益的探索。在基本完成以“词”为单位的研究内容后，以“句”、“段”、“篇”为主的研究也发展十分迅速。

要想进行自然语言相关方面的研究，首先需要将人类语言数字化[2]。首先提出的是词袋表示方法，但此模型向量的维度与词典的大小成线性关系，会造成维度灾难。所以提出了词向量模型，它是一种分布式词向量[3]的表达方式，同时在分布式表达时常用的有NNLM模型、C&W模型。NNLM模型求解由于其softmax层，复杂度很高，C&W模型排序目标函数不用计算复杂的softmax了，但仍然保留了全连接的隐藏层，这部分也要消耗不少计算资源。Google的Mikolov提出一种简单的语言模型word2vector模型，就是简单地把上面复杂模型中的非线性隐层去掉了。

文本推荐技术的重点在于文本相似度的计算，在一些邮件、网页文本等推荐技术中，大多数都是用经典分类算法，它们是用传统向量空间模型来表示文本。……