【论文标题】Automatic recommendation technology for learning resources with convolutional neural network （2016 ISET）

【论文作者】Xiaoxuan Shen, Baolin Yi*, Zhaoli Zhang，Jiangbo Shu, and Hai Liu

【论文链接】Paper（5-pages // Double column）

<札记非FY>

【摘要】
自动学习资源推荐已经成为一个越来越相关的问题:它使学生能够发现符合他们口味的新的学习资源，并使电子学习系统能够将他们的学习资源target到正确的学生。 本文提出了一种基于卷积神经网络(CNN)的学习资源自动推荐算法。 利用CNN可以从文本信息中预测隐含因子。要训练CNN，首先要解决它的输入输出问题。 对于输入，使用语言模型。 针对其输出，提出了用l1 -范数对其进行正则化的潜在因子模型。 在此基础上，引入了分裂Bregman迭代法求解模型。 该推荐算法的主要新颖之处在于构造了一种新的CNN来进行个性化推荐。 在公共数据库上的定量评价实验结果表明，与传统方法相比，该方法有明显的改进。 特别是当现有的推荐算法存在冷启动问题时，该算法也能很好地工作。
 
【关键字】资源推荐，卷积神经网络，L1范式，分裂Bregman迭代方法
 
【】
……也是使用到了text information 文本信息啊！！！！ an article ！
 
【结论】
本文提出了一种基于卷积神经网络的基于内容的学习资源推荐算法。 利用CNN可以从文本信息中预测潜在因子。 要训练CNN，首先要解决它的输入输出问题。 对于输入，使用语言模型。对于输出，我们提出了用l1 -范数正则化的隐含因子模型。 在此基础上，引入了分裂Bregman迭代法求解模型。本文所提出的这个推荐算法的主要新颖的地方在于 构造了一个新的CNN来进行个性化的推荐，并取得了较好的效果。 结果表明，本文提出的推荐算法对于推荐新鲜的、不热门的学习资源是可行的。 我们相信基于卷积神经网络的模型将在未来的电子学习系统或智能辅导系统中发挥至关重要的作用。 虽然这里考虑的应用是学习资源推荐，但该方法更适用于新闻推荐等。
 
 
 
 
 

【RS】Automatic recommendation technology for learning resources with convolutional neural network - 基于卷积神经网络的学习资源自动推荐技术的更多相关文章

  1. Deep Learning 19_深度学习UFLDL教程：Convolutional Neural Network_Exercise（斯坦福大学深度学习教程）

    理论知识:Optimization: Stochastic Gradient Descent和Convolutional Neural Network CNN卷积神经网络推导和实现.Deep lear ...

  2. Deep Learning: Assuming a deep neural network is properly regulated, can adding more layers actually make the performance degrade?

    Deep Learning: Assuming a deep neural network is properly regulated, can adding more layers actually ...

  3. 深度学习FPGA实现基础知识10(Deep Learning（深度学习）卷积神经网络(Convolutional Neural Network，CNN))

    需求说明:深度学习FPGA实现知识储备 来自:http://blog.csdn.net/stdcoutzyx/article/details/41596663 说明:图文并茂,言简意赅. 自今年七月份 ...

  4. ISSCC 2017论文导读 Session 14 Deep Learning Processors，A 2.9TOPS/W Deep Convolutional Neural Network

    最近ISSCC2017大会刚刚举行,看了关于Deep Learning处理器的Session 14,有一些不错的东西,在这里记录一下. A 2.9TOPS/W Deep Convolutional N ...

  5. ISSCC 2017论文导读 Session 14 Deep Learning Processors，A 2.9TOPS/W Deep Convolutional Neural Network SOC

    最近ISSCC2017大会刚刚举行,看了关于Deep Learning处理器的Session 14,有一些不错的东西,在这里记录一下. A 2.9TOPS/W Deep Convolutional N ...

  6. 树卷积神经网络Tree-CNN: A Deep Convolutional Neural Network for Lifelong Learning

    树卷积神经网络Tree-CNN: A Deep Convolutional Neural Network for Lifelong Learning 2018-04-17 08:32:39 看_这是一 ...

  7. Python -- machine learning， neural network -- PyBrain 机器学习 神经网络

    I am using pybrain on my Linuxmint 13 x86_64 PC. As what it is described: PyBrain is a modular Machi ...

  8. 【转载】论文笔记系列-Tree-CNN: A Deep Convolutional Neural Network for Lifelong Learning

    一. 引出主题¶ 深度学习领域一直存在一个比较严重的问题——“灾难性遗忘”,即一旦使用新的数据集去训练已有的模型,该模型将会失去对原数据集识别的能力.为解决这一问题,本文提出了树卷积神经网络,通过先将 ...

  9. Deep Learning 学习随记（八）CNN（Convolutional neural network）理解

    前面Andrew Ng的讲义基本看完了.Andrew讲的真是通俗易懂,只是不过瘾啊,讲的太少了.趁着看完那章convolution and pooling, 自己又去翻了翻CNN的相关东西. 当时看讲 ...

随机推荐

  1. java架构之路-（tomcat网络模型）简单聊聊tomcat（二）

    上节课我们说到的Tomcat,并且给予了一般的tomcat配置,和配置的作用,提到了HTTP/1.1 也就是我们的网络通讯模型,那么HTTP/1.1又代表什么呢.我们来简答看一下. tomcat有四种 ...

  2. java基本程序设计结构总结

    学习一门语言:(1)掌握它的表现形式(2)这些语言什么应用. 1.1关键字 1.关键字是被赋予了特殊含义的单词. 2.关键字特点:关键字所有字母都小写. 3.类名的每一个单词开头必须大写. 1.2标识 ...

  3. SSM登陆

    简单的SSM登陆 jsp <form action="${pageContext.request.contextPath }/user/login.action"> & ...

  4. Python基础23（习惯）

    自己写的大段代码,注释分为两种: 一种 # 顶格写,为后注释," Ctrl+/ " 一种为边写边注释

  5. javascript 关于赋值、浅拷贝、深拷贝的个人理解

    关于赋值.浅拷贝.深拷贝,以前也思考良久,很多时候都以为记住了,但是,我太难了.今天我特地写下笔记,希望可以完全掌握这个东西,也希望可以帮助到任何想对学习这个东西的同学. 一.栈.堆.指针地址 栈内存 ...

  6. 关于git回退版本的一点心得

    我由于开发中不小心在master分支上开发,忘记了切换分支,最后我直接在master分支上提交,push,在开发分支上merge了master分支. 然后,同事告诉我他的代码要准备上线了,然而我的代码 ...

  7. odoo10学习笔记六：工作流、安全机制、向导

    转载请注明原文地址:https://www.cnblogs.com/ygj0930/p/11189289.html 一:工作流 工作流是与业务流程相关联的模型,可用于跟踪工序的动态演变过程. 工作流. ...

  8. Centos7安装JDK环境配置

    作为一名程序员,各种环境搭建都要会. 下面介绍关于Linux操作系统之centos7(64位)安装JDK以及环境配置. 下面开始学习吧 查看并卸载CentOS自带的OpenJDK 安装好的CentOS ...

  9. Alpha版本1

    这个作业属于哪个课程 https://edu.cnblogs.com/campus/xnsy/2019autumnsystemanalysisanddesign/ 这个作业要求在哪里 https:// ...

  10. 学习CNN系列二：训练过程

    卷积神经网络在本质上是一种输入到输出的映射,它能够学习大量的输入与输出之间的映射关系,而不需要任何输入和输出之间精确的数学表达式,只要用已知的模式对卷积神经网络加以训练,网络就具有输入.输出之间映射的 ...