基于深度神经网络的继续教育信息智能推送技术研究

胡 悦，罗小楠，王 彬，张 伟

（空军军医大学教学考评中心，陕西西安 710032）

微课程（MOOC）发展给继续教育带来的便利的同时，海量内容环境下的信息冗余也是不容忽视的现象。在信息量较大的情况下，学生需要大量的时间进行分类甄别以找寻自身想要的内容。由于大部分课程均是视频内容，所以需要对视频进行预览才可以判断是否对自己有用，这样就浪费了大量的时间。而解决此类问题最优的方法就是加入内容个性化推荐算法，因此课程内容平台加入个性化推荐算法与数据挖掘工具是必要的[2-3]。

在个性化推荐算法领域，目前深度学习和神经网络的方法在文本分析、音视频处理等方面呈现出了较大优势。因此使用深度神经网络构建个性化推荐算法的性能较为出色，对于具体的构建方法研究人员也进行了各种尝试。目前的深度神经推荐基本算法就是采用深度学习的特征提取学习能力对系统特征进行提取，同时解决了抓取数据过程中遇到的稀疏问题；而传统的深度学习与个性化推荐算法相结合的例子对计算机性能要求较高。因此该文在目前主流算法的基础上，将神经网络与协同推荐算法相结合，有效地提取了课程网站的文本内容，做到对用户精准推荐[4]。

1 结合神经网络的深度信息推送模型

个性化学习资源推荐模型的根本原理就是要对学生与资源之间的数据关联进行分析、判断[5]，这其中的关键问题即是对平台的课程进行数据挖掘和数据采集。……