为充分利用MOOC(massive open online course)上下文信息,精确表示学习者和课程特征,提出一种多特征融合的MOOC推荐模型(multi-feature fusion based model for MOOC recommendation,MFF-MOOCREC)。利用文本卷积神经网络和双向长短时记...为充分利用MOOC(massive open online course)上下文信息,精确表示学习者和课程特征,提出一种多特征融合的MOOC推荐模型(multi-feature fusion based model for MOOC recommendation,MFF-MOOCREC)。利用文本卷积神经网络和双向长短时记忆网络捕获数据中的文本和时序特征,并设计多级注意力机制提取学习者交互序列、评论文本和课程多元属性中的关键信息;基于前缀投影的模式挖掘和亲和力传播算法对原始课程类别进行关联聚类分析以增加推荐的覆盖率;采用概率矩阵分解训练模型参数,将优化后的学习者隐向量和课程隐向量点乘产生预测评分。实验表明,和现有推荐方法相比,MFF-MOOCREC的命中率、归一化折损累计增益和覆盖率指标在Coursera数据集上平均提高46.86%、41.19%和10.95%,在iCourse数据集上平均提高44.08%、28.79%和9.81%,对于缓解数据稀疏问题,提升推荐质量具有一定优势。展开更多
文摘在煤矿安全领域,事故的预防至关重要。为了对煤矿开采风险进行深入分析,提出了一种基于文本数据的煤矿安全事故智能分析模型及集成分析平台。首先,采用融合数据增强技术的卷积神经网络文本分类(Text-Convolutional Neural Network,Text-CNN)方法构建煤矿安全事故分析模型,对大量非结构化事故文本进行精准的分类筛选;然后,利用自然语言处理(Natural Language Processing,NLP)技术建立煤矿事故简报集成分析系统,通过该系统对煤矿事故报告进行事故统计分析、风险分析等,总结出不同地区煤矿事故的死亡情况与类型差异,明确了煤矿安全事故之间的潜在模式。研究表明,通过集合事故简报分析模型的集成分析平台可以实现对煤矿安全事故信息的获取再利用,分析事故潜在规律和风险大小,有助于提升煤矿的风险管理水平,提高事故预防能力。
文摘为充分利用MOOC(massive open online course)上下文信息,精确表示学习者和课程特征,提出一种多特征融合的MOOC推荐模型(multi-feature fusion based model for MOOC recommendation,MFF-MOOCREC)。利用文本卷积神经网络和双向长短时记忆网络捕获数据中的文本和时序特征,并设计多级注意力机制提取学习者交互序列、评论文本和课程多元属性中的关键信息;基于前缀投影的模式挖掘和亲和力传播算法对原始课程类别进行关联聚类分析以增加推荐的覆盖率;采用概率矩阵分解训练模型参数,将优化后的学习者隐向量和课程隐向量点乘产生预测评分。实验表明,和现有推荐方法相比,MFF-MOOCREC的命中率、归一化折损累计增益和覆盖率指标在Coursera数据集上平均提高46.86%、41.19%和10.95%,在iCourse数据集上平均提高44.08%、28.79%和9.81%,对于缓解数据稀疏问题,提升推荐质量具有一定优势。
