基于深度学习的智能学习资源推荐算法 |
| |
作者姓名: | 宋菲菲 隋栋 周湘贞 |
| |
作者单位: | 内蒙古电子信息职业技术学院 计算机与网络安全学院,内蒙古 呼和浩特010011;北京建筑大学 电气与信息工程学院,北京102406;北京航空航天大学 计算机学院,北京100191 |
| |
基金项目: | 内蒙古自治区教育科学研究“十三五”规划课题(NZJJGH2019119);;国家自然科学青年基金(61702026); |
| |
摘 要: | 为了提高资源推荐性能,采用广义回归神经网络完成资源推荐。首先,提取推荐系统的用户和资源特征,选择两者的特征差异值之和作为推荐系统目标函数,然后构建广义回归神经网络(Generalized regression neural network, GRNN)资源推荐模型。考虑到GRNN训练效果对平滑因子和核函数中心的依赖性强的特点,引入差分进化(Differential evolution, DE)算法对GRNN的平滑因子和核函数中心偏移因子进行优化求解:选择最小特征差异值求解函数作为DE算法适应度函数,通过DE算法的多次交叉、变异和选择操作,获得最优平滑因子和偏移因子。最后采用优化后的平滑因子和偏移因子进行GRNN资源推荐,生成特征差异较小的候选资源序列作为资源推荐序列。试验证明,选择合理的DE算法交叉速率和差分缩放因子,能够获得较好的平滑因子和偏移因子,GRNN也能够获得更好的推荐效果。和常用资源推荐算法比较,对于3种不同的训练样本,该文算法能够获得更优的资源推荐准确率,且RMSE值较低。
|
关 键 词: | 深度学习 智能学习 在线环境 资源推荐 广义回归神经网络 差分进化 |
本文献已被 万方数据 等数据库收录! |
|