基于深度学习的课程推荐模型

发布时间：2022-01-26 06:51

　　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. 

【文章来源】：浙江大学学报(工学版). 2019,53(11)北大核心EICSCD

【文章页数】：8 页


本文编号：3610026