基于并行Adaboost-BP网络的大规模在线学习行为-计算机应用与软件.PDF

第３４卷第７期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．７ ２０１７年７月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｌ．２０１７ 基于并行ＡｄａｂｏｏｓｔＢＰ网络的大规模在线学习行为评价 曹建芳　郝耀军 （忻州师范学院计算机科学与技术系　山西忻州０３４０００） 摘　要　　针对传统的在线学习行为评价方法在处理大规模数据集时面临的问题，提出一种基于并行Ａｄａｂｏｏｓｔ ＢＰ神经网络的在线学习行为评价方法。将ＢＰ神经网络作为弱预测器，由Ａｄａｂｏｏｓｔ算法组合１５个ＢＰ神经网络 的输出，构建了强预测器；充分利用了Ｈａｄｏｏｐ平台下ＭａｐＲｅｄｕｃｅ并行编程模型，提出了大规模在线学习行为的自 动评价模型，设计了并行ＡｄａｂｏｏｓｔＢＰ神经网络算法的Ｍａｐ和Ｒｅｄｕｃｅ任务。多组实验表明，提出的算法准确率 高、运行耗时少，取得了良好的加速比，效率大于０．５，适合大规模在线学习行为的自动评价。 关键词　　ＡｄａｂｏｏｓｔＢＰ神经网络　在线学习行为　特征提取　ＭａｐＲｅｄｕｃｅ并行编程模型 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．０７．０４９ ＥＶＡＬＵＡＴＩＯＮＯＦＬＡＲＧＥＳＣＡＬＥＯＮＬＩＮＥＬＥＡＲＮＩＮＧＢＥＨＡＶＩＯＲＢＡＳＥＤ ＯＮＰＡＲＡＬＬＥＬＡＤＡＢＯＯＳＴＢＰＮＥＴＷＯＲＫ ＣａｏＪｉａｎｆａｎｇ　ＨａｏＹａｏｊｕｎ （ＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＸｉｎｚｈｏｕＴｅａｃｈｅｒｓＵｎｉｖｅｒｓｉｔｙ，Ｘｉｎｚｈｏｕ０３４０００，Ｓｈａｎｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｔｈａｔｔｒａｄｉｔｉｏｎａｌｏｎｌｉｎｅｌｅａｒｎｉｎｇｂｅｈａｖｉｏｒｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄｓｆａｃｅｗｈｅｎｄｅａｌｉｎｇｗｉｔｈ ｌａｒｇｅｓｃａｌｅｄａｔａｓｅｔｓ，ａｎｏｎｌｉｎｅｌｅａｒｎｉｎｇｂｅｈａｖｉｏｒｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｐａｒａｌｌｅｌＡｄａｂｏｏｓｔＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｉｓ ｐｒｏｐｏｓｅｄ．ＴｈｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｗａｓｕｓｅｄａｓｔｈｅｗｅａｋｐｒｅｄｉｃｔｏｒ，ａｎｄ１５ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｓｗｅｒｅｃｏｍｂｉｎｅｄｂｙｔｈｅ Ａｄａｂｏｏｓｔａｌｇｏｒｉｔｈｍｔｏｃｏｎｓｔｒｕｃｔｔｈｅｓｔｒｏｎｇｐｒｅｄｉｃｔｏｒ．ＴｈｅＭａｐＲｅｄｕｃｅｐａｒａｌｌｅｌｐｒｏｇｒａｍｍｉｎｇｍｏｄｅｌｏｆＨａｄｏｏｐｐｌａｔｆｏｒｍ ｗａｓｆｕｌｌｙｕｔｉｌｉｚｅｄ．Ａｎａｕｔｏｍａｔｉｃｅｖａｌｕａｔｉｏｎｍｏｄｅｌｏｆｌａｒｇｅｓｃａｌｅｏｎｌｉｎｅｌｅａｒｎｉｎｇｂｅｈａｖｉｏｒｗａｓｐｒｏｐｏｓｅｄ．ＴｈｅＭａｐａｎｄ ＲｅｄｕｃｅｔａｓｋｓｏｆｐａｒａｌｌｅｌＡｄａｂｏｏｓｔＢＰｎｅｕｒａｌｎｅｔｗｏｒｋａｌｇｏｒｉｔｈｍｗｅｒｅｄｅｓｉｇｎｅｄ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅ ｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｈａｓｈｉｇｈａｃｃｕｒａｃｙｒａｔｅ，ｌｏｗｒｕｎｎｉｎｇｔｉｍｅａｎｄｇｏｏｄｓｐｅｅｄｕｐｒａｔｉｏ．Ｔｈｅｅｆｆｉｃｉｅｎｃｙｉｓｍｏｒｅｔｈａｎ０．５， ｗｈｉｃｈｉｓｓｕｉｔａｂｌｅｆｏｒｔｈｅａｕｔｏｍａｔｉｃｅｖａｌｕａｔｉｏｎｏｆｌａｒｇｅｓｃａｌｅｏｎｌｉｎｅｌｅａｒｎｉｎｇｂｅｈａｖｉｏｒ． Ｋｅｙｗｏｒｄｓ　　ＡｄａｂｏｏｓｔＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ　Ｏｎｌｉｎｅｌｅａｒｎｉｎｇｂｅｈａｖｉｏｒ　Ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ　ＭａｐＲｅｄｕｃｅｐａｒａｌｌｅｌｐｒｏ ｇｒａｍｍｉｎｇｍｏｄｅｌ 数量的增多，学习效果受到愈来愈多师生的关注。而 ０　引　言 网络学习师生分离，教师无法很好地监控学生的学习