基于深度神经网络的继续教育信息智能推送技术研究

• 作者: 胡悦 罗小楠 王彬 张伟
• 来源期刊: 电子设计工程
• 关键词: 深度学习 多层神经元网络 推荐算法 继续教育 MAE值 模型训练
• 年，卷（期）: 2021,（14）
• 所属期刊栏目: 计算机技术与应用|Computer Technology Application
• 页码范围: 42-46
• 页数: 5页
• 分类号: TN99|TP391
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.14.010

摘要

在线教育因其系统化、海量化、便捷化以及可以实现精准推送服务而被广泛应用.传统的课程推送模型通常依靠深度学习算法进行模型训练,利用其特征提取学习能力对系统的隐藏特征进行提取.在解决抓取数据过程中出现稀疏问题的同时,也对计算机性能提出了更高的要求,模型训练需要耗费大量的时间.文中针对上述传统课程推送模型算法的不足,将多层神经元模型算法与个性化推荐算法进行结合,并对课程数据进行训练验证.实验结果表明,文中所建立深度神经网络推荐模型的MAE值相较于传统算法有明显的下降,同时训练迭代次数也大幅减小,说明提出的算法模型可以有效缩短数据的训练时间,提高模型的推荐性能.