计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
7期
1950-1954
,共5页
吴云峰%冯筠%孙霞%李展%冯宏伟%贺小伟
吳雲峰%馮筠%孫霞%李展%馮宏偉%賀小偉
오운봉%풍균%손하%리전%풍굉위%하소위
迁移学习%Bagging%协同过滤%推荐系统%计算机辅助教学
遷移學習%Bagging%協同過濾%推薦繫統%計算機輔助教學
천이학습%Bagging%협동과려%추천계통%계산궤보조교학
transfer learning%Bagging%Collaborative Filtering (CF)%recommendation system%Computer Assisted Instruction (CAI)
针对协同过滤(CF)推荐方法用户的历史信息不足等问题,提出基于多分类器的迁移Bagging习题推荐算法.主要思路是把推荐问题投入迁移学习框架,将待推荐习题的用户作为目标域,从中搜索相似历史信息的用户作为辅助域,帮助训练目标域以得到更准确的分类结果.实验结果表明,所提方法在习题推荐库及公开数据上,比协同过滤算法性能提高了10％ ～20％；比单分类器Bagging迁移算法性能提升了5％～10％.该方法在一定程度上解决了习题推荐系统中存在的冷启动和数据稀疏问题,也可推广到商品推荐等电子商务平台.
針對協同過濾(CF)推薦方法用戶的歷史信息不足等問題,提齣基于多分類器的遷移Bagging習題推薦算法.主要思路是把推薦問題投入遷移學習框架,將待推薦習題的用戶作為目標域,從中搜索相似歷史信息的用戶作為輔助域,幫助訓練目標域以得到更準確的分類結果.實驗結果錶明,所提方法在習題推薦庫及公開數據上,比協同過濾算法性能提高瞭10％ ～20％；比單分類器Bagging遷移算法性能提升瞭5％～10％.該方法在一定程度上解決瞭習題推薦繫統中存在的冷啟動和數據稀疏問題,也可推廣到商品推薦等電子商務平檯.
침대협동과려(CF)추천방법용호적역사신식불족등문제,제출기우다분류기적천이Bagging습제추천산법.주요사로시파추천문제투입천이학습광가,장대추천습제적용호작위목표역,종중수색상사역사신식적용호작위보조역,방조훈련목표역이득도경준학적분류결과.실험결과표명,소제방법재습제추천고급공개수거상,비협동과려산법성능제고료10％ ～20％；비단분류기Bagging천이산법성능제승료5％～10％.해방법재일정정도상해결료습제추천계통중존재적랭계동화수거희소문제,야가추엄도상품추천등전자상무평태.
