基于MLP改进型深度神经网络学习资源推荐算法

被引：19

作者：

樊海玮

史双

张博敏

张艳萍

蔺琪

孙欢

机构：

[1] 长安大学信息工程学院

来源：

计算机应用研究 | 2020年 / 37卷 / 09期

关键词：

学习资源推荐; 深度学习; 卷积神经网络; word2vec; 多层感知机;

D O I：

10.19734/j.issn.1001-3695.2019.04.0109

中图分类号：

TP183 [人工神经网络与计算]; TP391.3 [检索机];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 081203 ;

摘要：

针对在线学习过程中出现的知识过载及传统推荐算法中存在的数据稀疏和冷启动问题,提出了一种基于多层感知机(MLP)的改进型深度神经网络学习资源推荐算法。该算法利用多层感知机对非线性数据处理的优势,将学习者特征和学习资源特征进行向量相乘的预测方式转换为输入多层感知机的方式,改进了DN-CBR神经网络推荐模型。为验证模型的有效性,以爱课程在线学习平台数据为样本构建数据集,通过对比实验表明,在该数据集上,改进后模型相较于DN-CBR模型在归一化折损累积增益和命中率指标上分别提升了1.2%和3%,有效地提高了模型的推荐性能。

引用

页码：2629 / 2633

页数：5

共 16 条

[1]

基于图卷积与神经协同过滤的融合信息推荐模型[D]. 江原.吉林大学 2018

[2] 改进卷积神经网络在分类与推荐中的实例应用 [J].

杨天祺 ;

黄双喜 .

计算机应用研究, 2018, 35 (04) :974-977+1045

[3] 改进的协同过滤算法及其并行化实现 [J].

李嵩 ;

李书琴 ;

刘斌 .

计算机工程与设计, 2018, 39 (12) :3853-3859

[4] 基于知识图谱的个性化学习资源推荐研究 [J].

黄华升 .

软件工程, 2018, 21 (10) :24-26+23

[5] 基于基完备化理论和嵌入多层感知机的深度网络结构设计 [J].

张毅锋 ;

蒋程 ;

程旭 ;

刘袁 .

东南大学学报(自然科学版), 2018, 48 (05) :933-938

[6]

The study on interesting mining based on topic model for web educational resource recommendation. Huayue, Chen. Advances in Information Sciences and Service Sciences . 2012

[7]

Towards massive data and sparse data in adaptive micro open educational resource recommendation:a study on semantic knowledge base construction and cold start problem. Sun G,Cui T,Beydoun G,et al. Sustainability . 2017

[8]

Spatial Pyramid Poolingin Deep Convolutional Networksfor Visual Recognition. Kaiming He,Xiangyu Zhang,ShaoqingRen,Jian Sun. IEEE Transactions on Pattern Analysisand Machine Intelligence . 2014

[9]

Going deeper with convolutions. Szegedy C,Wei L,Yangqing J,et al. 2015 IEEE Conference on Computer Vision and Pattern Recognition（CVPR 2015） . 2015

[10]

A personalized course recommendation system for college students. Ng Y K,Linn J. Proc of the 8th International Conference on Information,Intelligence,Systems and Applications . 2017

← 1 2 →