文献

J-GLOBAL ID：201802211037029726   整理番号：18A0612127

LSTMニューラルネットワークに基づくパーソナル化された学習完全経路レコメンデーションモデル【Powered by NICT】

Personalized learning full-path recommendation model based on LSTM neural networks

著者 (6件)： Zhou Yuwen (School of Information Technology in Education, South China Normal University, Guangzhou, China) ,  Huang Changqin (School of Information Technology in Education, South China Normal University, Guangzhou, China) ,  Huang Changqin (Guangdong Engineering Research Center for Smart Learning, South China Normal University, Guangzhou, China) ,  Hu Qintai (School of Information Technology in Education, South China Normal University, Guangzhou, China) ,  Zhu Jia (Guangdong Engineering Research Center for Smart Learning, South China Normal University, Guangzhou, China) ,  Tang Yong (Guangdong Engineering Research Center for Smart Learning, South China Normal University, Guangzhou, China)
資料名： Information Sciences  (Information Sciences)
巻： 444  ページ： 135-152  発行年： 2018年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： オンライン学習システムのための学習者データから有用な隠れたパターンの発見(原標題は英語教育技術の価値がある。パーソナル化された学習完全経路推薦に関する研究が進められているeラーニングシステムの開発に特に重要である。本論文では,完全な経路学習推奨の新しいモデルを提示した。このモデルはクラスタリングと機械学習技術に依存している。学習者に特徴類似性メトリックに基づいて,その学習経路と性能を予測するために,筆者らは最初に学習者の収集をクラスタと長い短期記憶(LSTM)モデルを訓練した。パーソナル化された学習完全経路は,経路予測の結果から選択した。最後に,試験学習者に特異的に推奨される適切な学習完全経路。本研究では,一連の実験を行い,学習資源データセットに対して行った。比較により,実験結果は筆者らの提案した方法は精度と効率の点で著しく改善された学習結果と適切な学習経路に対する音の推奨を行うことができることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 教育工学 ,  類似性 ,  クラスタ ,  *ニューラルネットワーク ,  予測 ,  *学習 ,  音響
準シソーラス用語： 短期記憶 ,  機械学習技術 ,  eラーニングシステム ,  英語教育 ,  学習者 ,  オンライン学習 ,  *パーソナル化 , 【Automatic Indexing@JST】

著者キーワード (4件)： 教育技術 ,  パーソナル化された学習完全経路 ,  推薦学習 ,  LSTMニューラルネットワーク

分類 (1件)： CAI  (JE09000G)

タイトルに関連する用語 (6件)： LSTM ,  ニューラルネットワーク ,  学習 ,  経路 ,  レコメンデーション ,  モデル