检索结果-内蒙古大学图书馆

浙江大学学报（工学版） 2019年第11期53卷 2139-2145,2162页

作者：厉小军柳虹施寒潇朱柳青张亚辉浙江工商大学管理工程与电子商务学院浙江杭州310018 浙江工商大学计算机与信息工程学院浙江杭州310018

针对网络课程推荐中数据稀疏和推荐效果不佳的问题,将深度学习引入课程推荐,提出基于辅助信息的神经网络模型(IUNeu).该模型在已有神经矩阵分解模型(NeuMF)的基础上,结合用户信息和课程信息,并考虑它们之间的相互作用关系,以提升模型表... 详细信息

针对网络课程推荐中数据稀疏和推荐效果不佳的问题,将深度学习引入课程推荐,提出基于辅助信息的神经网络模型(IUNeu).该模型在已有神经矩阵分解模型(NeuMF)的基础上,结合用户信息和课程信息,并考虑它们之间的相互作用关系,以提升模型表示用户和课程的准确性.爬取慕课网(MOOC)上的学习数据进行实验,结果表明,随着向量长度和推荐课程数的增加,IUNeu模型的性能增长速度较NeuMF模型更快;不同的消极采样量对2个模型的影响较大,模型性能随着消极采样量的增加而增加,当采样量达到一定值时,变化趋于稳定;IUNeu模型比NeuMF模型具有更高的收敛速度.在IUNeu模型中加入更多课程特征信息,可以进一步提高IUNeu模型的推荐质量.

关键词：课程推荐深度学习矩阵分解协同过滤神经网络

来源：评论

学校读者我要写书评

暂无评论

一种结合用户适合度和课程搭配度的在线课程推荐方法

引用

计算机研究与发展 2022年第11期59卷 2520-2533页

作者：胡园园姜文君任德盛张吉湖南大学信息科学与工程学院长沙410082 之江实验室杭州310012

在线学习由于不受时空限制而愈来愈流行.如何从成千上万的在线课程中选择合适课程是在线学习者面临的极大挑战,在线课程推荐应运而生.但现有课程推荐系统仍面临2个主要问题:1)不同用户具有不同的学习能力和需求.因此,需要仔细考虑用户... 详细信息

在线学习由于不受时空限制而愈来愈流行.如何从成千上万的在线课程中选择合适课程是在线学习者面临的极大挑战,在线课程推荐应运而生.但现有课程推荐系统仍面临2个主要问题:1)不同用户具有不同的学习能力和需求.因此,需要仔细考虑用户对不同课程的适合度,否则可能会导致推荐的课程难度太大.2)目前的课程推荐方法忽略了推荐课程与用户已学课程之间存在的可搭配关系,可能导致不合适的推荐.针对以上2个问题,首先深入分析了用户的学习特征、类型及其对不同课程的学习适合度;同时,利用课程的共同被选频率,对不同课程之间的可搭配关系进行探究.基于以上2个方面,提出了一种结合用户适合度和课程搭配度的课程推荐模型(user-suitability and course-matching aware course recommendation model,SMCR).在CN(canvas network)数据集和MOOC(massive open online courses)数据集上进行的对比实验结果表明,该方法可以达到更高的推荐准确性,而且SMCR模型能够向用户推荐既适合其学习又与其已学课程可以进行搭配的课程.

关键词：在线课程个性化学习适合度课程搭配课程推荐

来源：评论

学校读者我要写书评

暂无评论

融合热点与长短期兴趣的图神经网络课程推荐模型

引用

计算机科学与探索 2024年第6期18卷 1600-1612页

作者：刘源董永权陈成贾瑞印婵江苏师范大学计算机科学与技术学院江苏徐州221116 徐州市云计算工程技术研究中心江苏徐州221116 江苏省教育信息化工程技术研究中心江苏徐州221116

近年来大规模在线开放课程(MOOCs)平台为用户提供了海量的学习资源,亟需一种有效的个性化课程推荐方法帮助用户解决信息过载问题。现有的课程推荐方法忽略了课程间的时序性且无法较好地捕获课程间的长距离依赖关系,同时面临用户学习兴... 详细信息

近年来大规模在线开放课程(MOOCs)平台为用户提供了海量的学习资源,亟需一种有效的个性化课程推荐方法帮助用户解决信息过载问题。现有的课程推荐方法忽略了课程间的时序性且无法较好地捕获课程间的长距离依赖关系,同时面临用户学习兴趣表示和冷启动两个关键问题。基于此,提出一种融合热点与长短期兴趣的图神经网络课程推荐模型(GHLS4CR)。该模型设计无环时序图和无环快捷图两种会话图构建方法来缓解现有方法存在的时序信息丢失和不善于捕获长距离依赖的问题;将用户长短期兴趣进行图级表示,并与热门课程信息进行融合实现个性化推荐,同时缓解冷启动问题。通过在学堂在线(XuetangX)公开数据集MOOCCourse上的大量实验表明,GHLS4CR在个性化课程推荐领域优于FISSA和LESSR等主流推荐模型。与次好的LESSR模型相比,Recall@5提高了13.28%,MRR@5提高了15.50%。

关键词：课程推荐基于会话的推荐图神经网络长短期兴趣冷启动

来源：评论

学校读者我要写书评

暂无评论

基于异质图嵌入和会话交互的课程推荐模型

引用

计算机工程 2024年第4期50卷 95-103页

作者：吴正洋张广涛黄立汤庸华南师范大学计算机学院广东广州510631 琶洲实验室广东广州510330

大规模在线教育平台所形成的网络具有数据量大、实体类型丰富、关系复杂等特性。一方面,在线教育正在被大力普及,而另一方面,在线课程却面临低使用率、低完成度及高辍学率的问题。个性化的课程推荐有利于提高学习者的学习积极性,其中,... 详细信息

大规模在线教育平台所形成的网络具有数据量大、实体类型丰富、关系复杂等特性。一方面,在线教育正在被大力普及,而另一方面,在线课程却面临低使用率、低完成度及高辍学率的问题。个性化的课程推荐有利于提高学习者的学习积极性,其中,课程能否顺利合格完成是学习者在选课时所考虑的重要因素。鉴于此,提出一种基于学习完成度预测的个性化课程推荐模型。对学生的课程学习会话图进行建模,根据学生的课程学习顺序以及课程的完成情况,生成学生的学习状态表征;同时考虑在线学习环境因素对课程的影响,构建在线课程学习异质图,采用图神经网络生成异质图中课程节点的嵌入;然后通过交互机制融合学习状态表征和课程嵌入,预测学生下一门将学课程的完成度,根据完成度排序从而实现课程推荐。在CNPC、HMXPC和Scho1at3个大规模在线课程学习数据集上的实验结果表明,该模型能有效提升推荐的准确度,在归一化折损累计增益(NDCG)和平均倒数排名(MRR)2个指标上相较于基线模型最优结果均有显著提升,评估指标K值取5时,其NDCG@5指标在3个数据集上分别提升21.08%、17.73%和5.41%,MRR@5指标在3个数据集上分别提升25.66%、31.59%和26.96%。

关键词：异质图会话交互课程推荐图表征学习图神经网络

来源：评论

学校读者我要写书评

暂无评论

北京大学课程推荐引擎的设计和实现

引用

智能系统学报 2015年第3期10卷 369-375页

作者：沈苗来天平王素美彭一明高志同北京大学计算中心北京100871

为了在管理信息系统中向师生提供更个性化、人性化的服务,将推荐引擎应用到北京大学学生选课系统中,设计并实现北京大学课程推荐引擎。改进的推荐算法是一种以学生属性分类为前提的协同过滤算法,通过分析选课系统中课程推荐与商业推荐... 详细信息

为了在管理信息系统中向师生提供更个性化、人性化的服务,将推荐引擎应用到北京大学学生选课系统中,设计并实现北京大学课程推荐引擎。改进的推荐算法是一种以学生属性分类为前提的协同过滤算法,通过分析选课系统中课程推荐与商业推荐的不同点和学生属性、改进学生相似度的计算方法实现推荐。以北京大学学生选课系统为平台,2013—2014学年度第1学期的10 682名本科生为测试集,为其推荐课程,推荐结果的准确率为34.6%。该系统为学生选课提供了有效的指导,填补了选课系统智能化、个性化方面的空白。

关键词：北京大学课程推荐推荐引擎协同过滤选课系统管理信息系统

来源：评论

学校读者我要写书评

暂无评论

信息资源建设视阈下高校课程定制与课程推荐初探

引用

现代情报 2017年第3期37卷 57-61,125页

作者：徐扬步一贺易之赵瑜北京大学信息管理系北京100871 美国印第安纳大学信息学与计算机学院布鲁明顿47405 英国伦敦大学学院交互中心美国约翰霍普金斯大学计算机科学系巴尔的摩21218

本文从信息资源建设视阈下进行了高校课程资源的整合和建设,以期实现高校课程的定制和推荐。本文从信息资源建设的实用性、系统性和共享共建原则角度出发,建立了高校课程定制与推荐的模型,以期当学生输入一套课程序列时,自动为每个学生... 详细信息

本文从信息资源建设视阈下进行了高校课程资源的整合和建设,以期实现高校课程的定制和推荐。本文从信息资源建设的实用性、系统性和共享共建原则角度出发,建立了高校课程定制与推荐的模型,以期当学生输入一套课程序列时,自动为每个学生提供一套满意度最高的课程方案。该模型由数学模型和问卷补充两部分组成。本文以北京大学本科生课程为例,手工筛选出理工类、社会科学类和人文科学类共84对可能具有较高相似性的课程,利用其在北京大学教务部网站上提供的中文名称和中文课程简介,基于统计学原理进行分词,利用向量空间计算出课程相似度,并利用人工问卷的方式对课程相似度的评判调优。

关键词：高校课程定制课程推荐大规模个性化定制信息资源建设客户满意度教育资源

来源：评论

学校读者我要写书评

暂无评论

基于协同过滤的课程推荐模型

引用

计算机应用研究 2010年第4期27卷 1315-1318页

作者：周丽娟徐明升张研研张璋首都师范大学信息工程学院北京100048

通过对当前高校学生选课的盲目性的分析,提出了一种基于协同过滤的课程推荐方法。首先对课程进行聚类,构建无缺失的课程评价矩阵,在此基础上根据学生对相似课程的评分预测学生的兴趣爱好,为学生提供个性化的课程推荐。该方法在评分数据... 详细信息

通过对当前高校学生选课的盲目性的分析,提出了一种基于协同过滤的课程推荐方法。首先对课程进行聚类,构建无缺失的课程评价矩阵,在此基础上根据学生对相似课程的评分预测学生的兴趣爱好,为学生提供个性化的课程推荐。该方法在评分数据极端稀疏的情况下也可以为学生作出准确的课程推荐。最后通过实验验证了该推荐方法的实用性,可以有效地减少学生选课的盲目性。

关键词：协同过滤稀疏性课程推荐聚类

来源：评论

学校读者我要写书评

暂无评论

基于多任务自编码器的MOOC课程推荐模型

引用

计算机工程与设计 2023年第10期44卷 3117-3123页

作者：董永峰王巍然董瑶史进王雅琮河北工业大学人工智能与数据科学学院天津300401 国家开放大学数字化学习技术集成与应用教育部工程研究中心北京100039 河北工业大学河北省大数据计算重点实验室天津300401

为解决在线学习当中,学习者行为的数量远少于在线课程的样本总数所产生的数据稀疏问题,提出一种基于多任务自编码器的课程推荐模型(multi-task autoencoder course recommendation model,MAEM)。通过分析学习者的学习行为,将总体任务分... 详细信息

为解决在线学习当中,学习者行为的数量远少于在线课程的样本总数所产生的数据稀疏问题,提出一种基于多任务自编码器的课程推荐模型(multi-task autoencoder course recommendation model,MAEM)。通过分析学习者的学习行为,将总体任务分为两个子任务:任务一是学习者浏览课程章节列表行为,任务二是完成课程50%的学习行为,通过共享网络底部的隐藏层提高泛化能力。模型总体划分为共享嵌入、自编码器与分解预测、任务组合3个模块,3个模块协同工作,旨在突破训练数据稀疏问题。将MAEM与7种常用的推荐算法比较,实验结果表明,MAEM算法优于7种热门的推荐算法,验证了其在课程推荐中的有效性。

关键词：多任务学习自编码器课程推荐数据稀疏性行为分解特征提取在线学习

来源：评论

学校读者我要写书评

暂无评论

联合神经协同过滤与短期偏好的课程推荐模型

引用

天津师范大学学报（自然科学版） 2022年第5期42卷 59-65页

作者：罗琨杰张珑杨波孙华志天津师范大学计算机与信息工程学院天津300387

提出一种联合神经协同过滤与短期偏好的课程推荐模型.该模型通过利用学习者近期的学习行为捕获短期偏好,用以平衡或辅助学习者兴趣变化前后的各时刻历史行为,建构其动态兴趣赋能的历史行为新贡献度,基于短期偏好来重构学习者个性化动态... 详细信息

提出一种联合神经协同过滤与短期偏好的课程推荐模型.该模型通过利用学习者近期的学习行为捕获短期偏好,用以平衡或辅助学习者兴趣变化前后的各时刻历史行为,建构其动态兴趣赋能的历史行为新贡献度,基于短期偏好来重构学习者个性化动态学习兴趣,从而进行高效的课程推荐.利用学堂在线真实MOOC数据集进行验证,实验结果表明,与其他模型相比,该模型的HR和NDCG指标均得到一定提升,且模型鲁棒性较强.

关键词：历史贡献度个性化学习兴趣短期偏好课程推荐

来源：评论

学校读者我要写书评

暂无评论

基于知识图谱的家政服务课程推荐融合模型

引用

计算机科学 2024年第2期51卷 47-54页

作者：邹莼玲朱郑州北京大学软件与微电子学院北京102600

针对家政服务从业人员对家政服务课程在线学习需求的增加,而现有的家政服务课程在线学习网站存在资源较少、课程不够系统化和不具有课程推荐功能等状况,使得家政服务相关从业人员的在线学习门槛变高。通过分析现有的家政服务课程在线学... 详细信息

针对家政服务从业人员对家政服务课程在线学习需求的增加,而现有的家政服务课程在线学习网站存在资源较少、课程不够系统化和不具有课程推荐功能等状况,使得家政服务相关从业人员的在线学习门槛变高。通过分析现有的家政服务课程在线学习网站,提出构建家政服务课程知识图谱,并将家政服务课程知识图谱与推荐算法进行融合,设计了一种融合深度学习技术的规则与水波偏好传播相结合的R-RippleNet家政服务课程推荐模型。R-RippleNet模型的使用对象包括老学员和新学员,老学员部分是基于水波偏好传播模型进行课程推荐,新学员部分则基于规则模型进行课程推荐。实验结果表明,老学员使用R-RippleNet模型的AUC值为95%,ACC值为89%,F1值为89%,新学员使用R-RippleNet模型的总体精确率均值为77%,NDCG均值为93%。

关键词：融合模型知识图谱家政服务课程推荐图数据库

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：