-
题名基于用户兴趣三维建模的个性化推荐算法
被引量：7
- 1
-
-
作者
王冰怡
刘杨
聂长新
田萱
-
机构
北京林业大学信息学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2015年第1期65-70,共6页
-
基金
中央高校基本科研业务费专项基金资助项目(YX2014-19)
北京林业大学国家级大学生创新基金资助项目(201310022050)
-
文摘
针对推荐系统中用户的个性化需求,提出一种基于用户兴趣三维建模的个性化推荐算法。通过分析用户行为数据,从兴趣广度、兴趣深度和兴趣时效3个角度分析用户的兴趣构成,对用户兴趣进行三维建模,并在此基础上,逐步添加维度,设计用户之间兴趣相似度的三级计算方法。在真实推荐系统数据集上的实验结果表明,用户兴趣三维模型比一维模型、二维模型更能准确地表征用户兴趣,基于用户兴趣三维建模的个性化推荐算法能够提高个性化推荐的准确率。
-
关键词
个性化推荐
用户兴趣三维建模
兴趣广度
兴趣深度
兴趣时效
用户兴趣相似度
-
Keywords
personalized recommendation
three-dimensional user interest modeling
interest width
interest depth
interest timeliness
user interest similarity
-
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于深度学习的演化知识追踪模型
被引量：6
- 2
-
-
作者
熊余
张健
王盈
蔡婷
-
机构
重庆邮电大学教育信息化研发中心
重庆邮电大学通信与信息工程学院
-
出处
《电化教育研究》
CSSCI
北大核心
2022年第11期23-30,共8页
-
基金
2021年度重庆市技术创新与应用发展专项重点项目“智能化教育评价关键技术研发与应用”(项目编号:CSTC2021JSCX-GKSBX0059)
2021年度全国教育科学规划国家一般项目“人工智能与教育深度融合的政策体系研究”(项目编号:BGA210055)。
-
文摘
知识追踪旨在根据学生历史学习记录实时追踪学生的知识水平变化,以预测学生在目标试题上的表现,从而推动学生知识状态自动评估、学习策略个性规划、试题资源精准推荐等智慧教育愿景的实现。为了准确挖掘学生潜在的知识掌握情况,并考虑试题顺序对预测效果的影响,文章提出一种基于深度学习的演化知识追踪模型(简称深度演化知识追踪模型)。该模型通过引入深度兴趣演化网络来动态感知学生知识水平变化,推断学生的知识状态及演化规律,从而预测学生在目标试题上的表现。实验证明,该模型有效地提高了未来试题表现的预测准确度,在精准挖掘学生知识状态的同时,能够动态感知其知识的演化轨迹。
-
关键词
知识追踪
深度学习
教育大数据
认知评估
深度兴趣演化网络
-
Keywords
Knowledge Tracking
Deep Learning
Educational Big Data
Cognitive Appraisal
Deep Interest Evolutionary Network
-
分类号
G434
[文化科学—教育技术学]
-
-
题名引入激活加权策略的分组排序学习方法
- 3
-
-
作者
李玉轩
洪学海
汪洋
唐正正
班艳
-
机构
中国科学院计算机网络信息中心
中国科学院大学
中国科学院计算技术研究所
-
出处
《计算机科学与探索》
CSCD
北大核心
2022年第7期1594-1602,共9页
-
文摘
排序学习(LtR)将有监督机器学习技术(SML)用于解决排序问题,旨在给出输入文档列表的相关度更优化的排序结果。此前关于深度排序模型的研究,对于列表内文档的相关度计算彼此独立,缺乏考虑文档之间的相互作用。近年来一些新方法致力于挖掘文档之间的相互影响,如分组评分法(GSF),通过学习多元变量评分函数来联合判断文档相关性,但大多忽略了文档间相互影响的差异性,同时增加了很大的计算代价。针对此问题,提出了一种带权重的分组深度排序模型(W-GSF)。该方法借鉴推荐领域的深度兴趣网络,引入其根据候选商品调整历史行为序列权重的思想,在排序学习中多元评分法基础上,以多层前馈神经网络为主体结构,并在输入端加入激活单元,利用神经网络自适应学习调整输入的多元变量的权重,来挖掘交叉文档关系的差异性。在公共基准数据集MSLR上的实验验证了该方法的有效性,相比基线排序模型,激活策略的引入带来了排序指标上的明显提升,同时相对于同等效果的排序方法计算量大幅降低。
-
关键词
排序学习(LtR)
分组评分法(GSF)
深度神经网络
深度兴趣网络
-
Keywords
learning to rank(LtR)
groupwise scoring function(GSF)
deep neural network
deep interest network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
