[发明专利]基于卷积神经网络的慕课论坛主题分类方法

权利要求书

1.一种基于卷积神经网络的慕课论坛主题分类方法，包括以下步骤：

步骤S101：收集并记录慕课论坛用户的行为数据，手工设计一定量原始用户行为特征；

步骤S102：利用卷积神经网络组合抽象手工设计的原始用户行为特征，并且定义最终神经网络需要优化的目标函数；

步骤S103：通过反向传播算法学习得到每一层网络参数的权重，从而得到一个判别性强且抽象的用户行为特征表示，使用逻辑回归算法和该特征对慕课论坛主题进行分类。

2.根据权利要求1所述基于卷积神经网络的慕课论坛主题分类方法，其特征在于，所述步骤S102，利用卷积神经网络学习得到比原始论坛用户行为特征更加抽象的表示。

3.根据权利要求2所述基于卷积神经网络的慕课论坛主题分类方法，其特征在于，利用卷积神经网络不断组合原始论坛用户行为特征，并且定义最终神经网络需要优化的目标函数；

首先给定慕课论坛主题的原始用户行为特征X和标签Y，以及卷积神经网络F(W,X)，得到原始用户行为特征X的抽象表示X_conv，主题的标签预测结果其目标函数L如下公式所示：

其中argmin表示求取该目标函数的最小值，s.t.表示目标函数的约束；

通过使用反向传播算法不断迭代优化目标函数，得到该目标函数一个较优的解；反向传播使用随机梯度下降算法，目标函数L是非凸函数，随机梯度下降算法不断更新神经网络的参数W，从而获得原始用户行为特征X的一个较优的抽象表示X_conv。

4.根据权利要求3所述基于卷积神经网络的慕课论坛主题分类方法，其特征在于，所述步骤S103：通过反向传播学习得到神经网络的权值W，从而得到原始用户行为特征X的一个较优的抽象表示X_conv，使用X_conv和相应的机器学习分类算法如逻辑回归，支持向量机等可以对慕课论坛主题进行良好地分类；

卷积神经网络通过使用卷积操作，不断将上一层的特征做进一步的组合和激活，使得新生成的特征具备更高的抽象和判别能力；相应的操作表示为：

其中W_i为卷积神经网络每一层的权重，f_i为每一层的激活函数，定义为：

f(x)＝max(0,x)。