基于深度学习的课程推荐模型

• 作者: 厉小军 张亚辉 施寒潇 朱柳青 柳虹
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 课程推荐 深度学习 矩阵分解 协同过滤 神经网络
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 计算机技术与控制工程
• 页码范围: 2139-2145,2162
• 页数: 8页
• 分类号: TP391
• 字数: 4868字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2019.11.011

摘要

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IUN-eu模型的推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	厉小军	浙江工商大学管理工程与电子商务学院	15	70	5.0	8.0
2	柳虹	浙江工商大学计算机与信息工程学院	11	78	4.0	8.0
3	施寒潇	浙江工商大学管理工程与电子商务学院	11	70	5.0	8.0
4	朱柳青	浙江工商大学计算机与信息工程学院	2	6	1.0	2.0
5	张亚辉	浙江工商大学计算机与信息工程学院	1	0	0.0	0.0