基于深度学习的课程推荐与学习预测模型研究
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-12页 |
| 1.2 本文的研究重点及工作内容 | 第12-13页 |
| 1.3 本文组织结构 | 第13-14页 |
| 第二章 推荐算法及课程推荐研究现状 | 第14-24页 |
| 2.1 基于内容的推荐算法 | 第14-16页 |
| 2.2 基于协同过滤的推荐算法 | 第16-21页 |
| 2.2.1 基于内存的协同过滤算法 | 第18-20页 |
| 2.2.2 基于模型的协同过滤算法 | 第20-21页 |
| 2.3 混合推荐算法 | 第21页 |
| 2.4 课程推荐研究现状 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 课程推荐模型 | 第24-41页 |
| 3.1 人工神经网络 | 第24-28页 |
| 3.1.1 人工神经网络概述 | 第24-26页 |
| 3.1.2 反向传播算法 | 第26-28页 |
| 3.2 基于神经网络的协同过滤模型 | 第28-33页 |
| 3.2.1 MF模型 | 第29-30页 |
| 3.2.2 MLP模型 | 第30-31页 |
| 3.2.3 NeuMF模型 | 第31-32页 |
| 3.2.4 模型比较 | 第32-33页 |
| 3.3 基于辅助信息的神经网络协同过滤模型 | 第33-36页 |
| 3.3.1 研究动机 | 第33-34页 |
| 3.3.2 模型构建 | 第34-36页 |
| 3.4 实验结果与分析 | 第36-40页 |
| 3.4.1 实验设置 | 第36-37页 |
| 3.4.2 不同设置中的实验比较 | 第37-40页 |
| 3.5 本章总结 | 第40-41页 |
| 第四章 学习预测模型 | 第41-52页 |
| 4.1 研究动机 | 第41页 |
| 4.2 隐因子分解模型 | 第41-43页 |
| 4.3 卷积神经网络 | 第43-45页 |
| 4.3.1 自然语言处理中CNN的应用 | 第44-45页 |
| 4.4 ALS学习算法 | 第45-46页 |
| 4.5 基于卷积神经网络的学习预测模型 | 第46-48页 |
| 4.6 实验结果与分析 | 第48-51页 |
| 4.6.1 实验设置 | 第48-49页 |
| 4.6.2 基准实验比较 | 第49页 |
| 4.6.3 实验结果与分析 | 第49-51页 |
| 4.7 本章总结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
