典型文献
基于CVGAE的无监督跨领域学习先决条件链挖掘
文献摘要：
在学习过程中,概念之间存在一种先决条件关系,概念先决条件链挖掘可以帮助人们提高获取新知识的效率.依靠大规模标注数据,人们可以通过监督学习快速确定概念的学习顺序.但是在没有标注数据的领域,先决条件关系很难被发现,只能借助其他领域有标注的数据进行跨领域迁移.采用无监督跨领域变分图自编码器(CVGAE)可以解决跨领域先决条件链发现问题.CVGAE模型由变分图自编码器和领域判别器组成,变分图自编码器用来预测概念之间是否具有先决条件关系,领域判别器用来判断概念所属领域.模型只需要简单的同构图作为输入,不需要构建复杂的异构图.通过在自建的数据集上评估,相较于目前最先进的基于资源概念图的基准模型,该模型在仅使用20％的图规模和35％的计算时间的情况下却能够取得相当的效果.
文献关键词：
先决条件链;跨领域;变分图自编码器;深度学习
中图分类号：
作者姓名：
徐国兰
作者机构：
山东理工大学图书馆, 淄博 255049
文献出处：
引用格式：
[1]徐国兰-.基于CVGAE的无监督跨领域学习先决条件链挖掘)[J].现代计算机,2022(23):65-69
A类：
CVGAE,先决条件链
B类：
无监督,跨领域学习,学习过程,条件关系,助人,新知识,监督学习,跨领域迁移,变分图自编码器,发现问题,域判别器,器用,异构图,最先,概念图,计算时间
AB值：
0.173953
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
