基于迁移学习的知识推荐方法研究

《基于迁移学习的知识推荐方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于迁移学习的知识推荐方法研究ResearchonKnowledgeRecommenderMethodBasedonTransferLearning专业：计算机科学与技术作者姓名：苑振霞指导教师：于瑞国副教授天津大学计算机科学与技术学院二零一四年十二月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名

2、：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日摘要互联网知识学习较传统学习具有任务明确，学习过程中学习者知识与能力同步增长的特点，但同时面临着海量知识资源与个体学习需求难以匹配的重大挑战。推荐算法是解决该问题的有效途径，但是由于互联网知识学习的

3、特殊性，现有推荐算法既无法满足学习者循序渐进的学习需求，也无法达到挖掘学习者学习兴趣与学习潜力的要求。本文的主要研究内容有：1）研究互联网知识学习环境中学习者的行为建模以及知识资源建模，着重考虑学习者的领域偏好及其在各领域水平能力、知识资源所属领域及其难度水平等特征；2）将学习者及知识资源模型与现有推荐方法相结合，研究适用于互联网知识学习的个性化知识推荐方法；3）利用人类学习行为中固有的“迁移性”，研究如何将迁移学习应用于跨领域平台知识推荐，从而提高知识推荐算法精确度，挖掘学习者兴趣与潜力。本文首先提出基于项目的迁移学习方法，并针对该方法采用公开数据集进行验证，实验证明

4、方法是有效的，且在辅助集数据较稠密，目标集数据稀疏时效果明显；提出基于迁移学习的知识推荐算法框架，并将该框架应用于在线评测系统，并通过实验验证框架的有效性和适用性。基于迁移学习的互联网知识推荐有利于推动互联网知识学习的发展，为未来建设更加智能化、个性化的互联网学习环境，提供有效的解决方法。关键词：互联网知识学习，知识推荐，迁移学习，推荐算法ABSTRACTE-learninghavemanyadvantagesovertraditionallearningsincetheyoftenhaveaclearmandateandthelearningprocessoflear

5、nerswiththeabilitytogrowwithknowledge.Buthowtomatchindividuallearningneedsamongvastknowledgere-sourcesisstillasignificantchallenge.Recommendationalgorithmisaneffectivewaytosolvetheproblem,butsincetheparticularityofinternetknowledgelearningenvi-ronmentstheexistingrecommendationalgorithmis

6、unabletomeetthestepwiselearningneedsoflearnersandcannotreachtherequiredmininginterestsandlearningpotentialoflearners.Themaincontentsofthispaperare:1)Researchonbehavioralmodelingof learnerandknowledgeresourcemodelingininternetknowledgelearningenvironment, inthispaperwefocusonconsideringle

7、arnerspreferencesandtheirlevelofcapacity ineachareas,thedomainthatknowledgeresourcebelongsanditsdifficultyleveland othercharacteristics;2)Wecombinethelearnermodelandtheknowledgeresource modelwiththeexistingrecommendationalgorithmtogettherecommendationalgo- rithmthatapplic