基于MLP改进型深度神经网络学习资源推荐算法.PDFVIP

37 9 Vol. 37 No. 9 第 卷第 期 计算机应用研究 录用定稿 Application Research of Computers Accepted Paper 基于MLP 改进型深度神经网络学习资源推荐算法 * 樊海玮，史 双，张博敏，张艳萍，蔺 琪，孙 欢† (长安大学 信息工程学院, 西安 710064) 摘 要：针对在线学习过程中出现的知识过载及传统推荐算法中存在的数据稀疏和冷启动问题，提出了一种基于多 层感知机(MLP)的改进型深度神经网络学习资源推荐算法。该算法利用多层感知机对非线性数据处理的优势，将学 习者特征和学习资源特征进行向量相乘的预测方式转换为输入多层感知机的方式，改进了DN-CBR 神经网络推荐模 型。为验证模型的有效性，以爱课程在线学习平台数据为样本构建数据集，通过对比实验表明，在该数据集上，改 DN-CBR 1.2% 3% 进后模型相较于 模型在归一化折损累积增益和命中率指标上分别提升了 和 ，有效地提高了模型的 推荐性能。 关键词：学习资源推荐；深度学习；卷积神经网络；Word2Vec ；多层感知机 中图分类号：TP183 doi: 10.19734/j.issn.1001-3695.2019.04.0109 Improved deep neural network of learning resource of recommendation algorithm based on MLP † Fan Haiwei, Shi Shuang , Zhang Bomin, Zhang Yanping, Lin Qi, Sun Huan (Institute of Information Engineering , Chang’an University, Shanxi Xi ’an 710064, China) Abstract: Aiming at the knowledge overload in the process of online learning and the problems of data sparsity and cold start in the traditional recommendation algorithm, this paper proposed an improved learning resource recommendation algorithm based on multi-layer perceptron(MLP) . By use of the advantage of multi-layer perceptron in nonlinear data processing, the prediction mode of vector multiplication of learner characteristics and learning resource characteristics is converted into the input mode of multi-layer perceptron, and improves the DN-CBR neural network recommendation model. In