-
题名融合知识图谱邻居双端的在线学习资源推荐算法
被引量：2
- 1
-
-
作者
樊海玮
张锐驰
安毅生
秦佳杰
-
机构
长安大学信息工程学院
-
出处
《计算机应用》
CSCD
北大核心
2022年第10期3054-3059,共6页
-
基金
国家自然科学基金资助项目(52172325)
陕西省高等教育教学改革研究项目(21BY031)
+1 种基金
陕西省第二批新工科研究与实践项目(54)
中央高校基本科研业务费专项资金资助项目(300103112403)。
-
文摘
针对协同过滤算法推荐学习资源的单一性弱点导致的学习者的个性化资源获取需求难以满足的问题,提出融合知识图谱邻居双端的在线学习资源推荐算法。首先,在用户端将学习者的既有知识节点与新知识节点之间的实体及其邻居信息聚合得到学习者的嵌入表示,从而捕捉学习者的个性化需求;其次,在项目端利用学习资源的邻域信息扩充学习资源的语义与嵌入表示;最后,将用户的嵌入表示和项目的嵌入表示送入全连接层以得到二者的交互概率。为了验证所提算法的有效性,使用公开数据集MOOPer进行对比实验。实验结果表明,在该数据集上,所提算法相较于最优基线模型在曲线下面积(AUC)和准确率上分别提升了1.12个百分点和1.31个百分点,且在Precision@K和Recall@K上均有一定的提高。
-
关键词
知识图谱
在线学习
资源推荐
多层感知器
特征传播
-
Keywords
knowledge graph
online learning
resource recommendation
Multi-Layer Perceptron(MLP)
feature propagation
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的驾驶员分心行为识别
被引量：1
- 2
-
-
作者
何丽雯
张锐驰
-
机构
长安大学信息工程学院
-
出处
《计算机与现代化》
2022年第6期67-74,共8页
-
基金
陕西省重点研发计划项目(2021ZDLGY04-06)。
-
文摘
分心驾驶行为识别是提高驾驶安全的主要方法之一。针对分心驾驶行为识别精度低的问题,本文提出一种基于深度学习的驾驶员分心行为识别算法,由目标检测网络和行为精确识别网络级联构成。基于State Farm公开数据集,第一级利用目标检测算法SSD(Single Shot Multibox Detector)对数据集中的驾驶员原始图像进行局部信息提取,确定行为识别候选区域;第二级分别利用迁移学习VGG19、Res Net50和MobileNetV2模型对候选区域内的行为信息进行精确识别;最后,实验对比级联架构与单模型架构对分心驾驶行为的识别精度。结果表明,提出的级联网络模型相较于主流单模型检测方法,驾驶员行为识别的准确率总体上提升4~7%个百分点。该算法不仅减少噪声和其他背景区域对模型的影响,提高分心行为识别准确率,还可以有效识别更多的行为类别以避免动作的误分类。
-
关键词
驾驶安全
分心驾驶行为识别
级联卷积神经网络模型
迁移学习
-
Keywords
driving safety
distracted driving behavior recognition
cascaded convolutional neural network model
transfer learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
