【摘 要】
：
在线教育因其系统化、海量化、便捷化以及可以实现精准推送服务而被广泛应用。传统的课程推送模型通常依靠深度学习算法进行模型训练,利用其特征提取学习能力对系统的隐藏特征进行提取。在解决抓取数据过程中出现稀疏问题的同时,也对计算机性能提出了更高的要求,模型训练需要耗费大量的时间。文中针对上述传统课程推送模型算法的不足,将多层神经元模型算法与个性化推荐算法进行结合,并对课程数据进行训练验证。实验结果表明,文中所建立深度神经网络推荐模型的MAE值相较于传统算法有明显的下降,同时训练迭代次数也大幅减小,说明提出的算法模
【基金项目】
：
陕西省重点研发计划项目(2018YBXM-SF-17-5)。
论文部分内容阅读
在线教育因其系统化、海量化、便捷化以及可以实现精准推送服务而被广泛应用。传统的课程推送模型通常依靠深度学习算法进行模型训练,利用其特征提取学习能力对系统的隐藏特征进行提取。在解决抓取数据过程中出现稀疏问题的同时,也对计算机性能提出了更高的要求,模型训练需要耗费大量的时间。文中针对上述传统课程推送模型算法的不足,将多层神经元模型算法与个性化推荐算法进行结合,并对课程数据进行训练验证。实验结果表明,文中所建立深度神经网络推荐模型的MAE值相较于传统算法有明显的下降,同时训练迭代次数也大幅减小,说明提出的算法模
其他文献
我们生活中常见的电动机、变压器都利用了电磁感应原理,将电能转化为机械能。但是在两种能量的转化过程中需要依靠交变磁场来实现响应的转化目的,也就是说电能和机械能不能直接进行转换。交变磁场以及感应磁通过程中消耗的功率就是无功功率,但是这里所指的无功功率与物理中的无用功率是两个概念,物理中的无用功率主要是指消耗的能量以热能的形式排放,之所以被称之为无用功率其实就是没有任何显示意义。不过无功功率与机械能、热能之间都不存在转化关系,但是无功功率却是很多用电设备正常工作所需的;如果供电系统中存在无功功率供应不足的情况就
针对传统酒店经营管理中信息化程度低,难以有效利用客户数据的问题,提出为中小酒店建立以客户服务质量为中心的CRM酒店管理系统。根据酒店行业的CRM需求和数据类型,采用星型和雪花型的数据库结构,利用customenRFM和inhotel事实表记录客户的RFM价值和消费情况。在进行客户数据挖掘和提取中,通过数据仓库和K-means聚类算法对客户类型进行精确划分,从客户类型、价值分析和满意度方面为酒店管理做出决策,提供可视化的数据支持,实现酒店服务质量和经营利润的提升。理论和实际应用结果表明,采用基于CRM的酒店
移动互联网环境下,对海量用户数据行为的研究,可以提升用户数据的应用价值,促进商业模式的创新。大数据环境下为满足对内对外应用支撑能力以及数据开放共享能力需求,在PaaS技术应用下完成多用户架构,建构相应的大数据云化平台,支撑大数据平台能力开放建设。在PaaS技术下完成大数据云化平台的建构,完成整体架构,实现能力集成、多应用类型的分层调度、多租户及其资源调度管理以及全局优化的YARN调度技术,在完成的平台应用实践分析中发现,这一系统不但满足了相应的技术需求,同时在硬件资源准备时间、开发工具准备时间、数据准备时
现有的变压器故障推演系统推演误差大、故障诊断时间长,为此,基于大数据关联挖掘技术设计了一种新的变压器故障推演系统。利用防火墙、特殊交换机、信息数据库组建系统硬件环境,然后通过关联分析、故障诊断、聚类推演实现软件推演程序的设计。实验结果表明,与传统系统相比,基于大数据关联挖掘的变压器故障推演系统能够更有效地降低推演误差,缩短诊断时间。