全文1817字，预计学习时间4分钟。
Coursera是全球最大的在线教育平台，由吴恩达于2012年创立。现在Coursera的课程已经覆盖了很多领域。然而，随着内容的增加，如何对每一类课程进行分类成为一个挑战。毫无疑问，为用户提供有用的建议已经成为平台发展的关键因素。
Coursera有很多种类的课程，从摄影到概率图模型到穆斯林世界的宪法斗争。多元化的课程也给分类带来挑战。几年前，业内人士对课程类别进行了一次全面的检查，实施了新的分类体系，称之为领域和子域。本文介绍了如何定义和实现新系统。
以前的课程分类
Coursera最初的分类方案可以追溯到2012年，并且深受当时内容的影响。例如，计算机科学有五个子领域，但只有一个类别适用于所有人。这些类别也是人工任意分类，会导致冗余和边界模糊。
最关键的是，原有的分类方案无法将学习者的需求与课程内容有效匹配。例如,“医学”类别吸引了两个不同的学习群体——因为它包含两个不同的类。第一个是吸引医疗从业者的课程。第二个是公共卫生问题课程，吸引非医疗从业人员。
随着目录扩展到数以千计的课程，我们需要有原则的组织技术和类别来帮助学习者找到最好的内容。这转化为以下标准:
1.简单的
2.最小冗余
域嵌入算法
我们采用数据驱动的方法，而不是手动记录或复制传统的大学部门。
我们尝试对课程进行分组，以便对该组中的一门课程感兴趣的人，例如弹吉他，也可能对该组中的其他课程感兴趣，例如歌曲创作或爵士乐即兴创作。称为T-分布随机邻域嵌入的算法满足这一要求。
T-SNE决定了课程的安排，使得共同学习者共享的课程非常接近，而共同学习者不共享的课程则相距甚远。比如复分析和伽罗瓦理论联系紧密，因为很多学习者兼顾两者，而考虑到马与广义相对论相距甚远，因为两门课程学习者不多。
我们在2015年使用了t-SNE算法来生成散点图输出，如下所示。每个点代表一条路线。然后，通过聚类对这些课程进行分组。
图1 2015年cluster制作的t-SNE可视化课程。
Coursera内容的总体结构
图2课程的一般领域
看图1和图2，首先看到的是课程的组织方式全球一致:人文、社会科学和商科的课程分布在右上角，自然科学、工程和计算科学的课程分布在左下半部。
深入挖掘更微妙的层次将揭示其他细微差别:
商业和金融课程集中在右边。
自然科学课程在左边。
计算科学课程位于底部。
社科人文类课程名列前茅。
图3自然科学和人文社会科学课程的总体分布
图4 .语文课程的结构图。
进一步分析这些大区域，我们可以看到，即使在每一组中，课程的安排也是有逻辑的。比如博物学课程的范围大致是从生物科学到物理科学。同样，人文和社会科学的课程从音乐到视觉艺术，人文和社会科学，再到实际的商业。
即使在个别课程的水平，t-SNE可以捕捉课程的跨学科性质。比如商法的课程属于商科和法学的边界，社会科学中的定量方法的课程属于数学和社会科学的边界。
图5跨学科课程大致位于正确的集群之间。
回到以前被归类为“医学”的课程，我们现在有三个子类别。首先，它是一个相对脱节的医学专业课程群。接着是一系列关于医疗保健政策的课程。最后，我们有一个关于基础生物学的集群。
结果是值得注意的，因为没有强有力的理由说t-SNE应该根据主题安排课程。我们不提供课程描述或成绩单，只提供学习者的入学行为。我们课程的聚合归因于学习者更有可能对特定学科领域的多门课程感兴趣，而不是受教学方式或教学方法、提供课程的机构等非主题因素的影响。
也就是说，这个假设并不适用于整个目录。例如，在非英语内容中，教学语言比学科领域更能推动注册。因此，法语或俄语课程更有可能与以相应语言教授的其他课程归为一类，而不是与同一主题的其他课程归为一类。
经过一番清理，我们整理出36个课程分类，包含在9大课程体系中。在今天的Coursera平台上，我们把原来的集群称为“子域”，把更大的集群称为“域”。我们在2015年夏天推出了新的域名和子域系统。在过去的三年里，它已经成为Coursera内容的一个组成部分。这种方法可以让我们对课程进行分类，为平台上的每个学习者推荐个性化的课程。
