تعیین بورسیه دانشجویان مستعد بر اساس ویژگی های تحصیلی با رویکرد یادگیری عمیق و الگوریتم بهینه سازی ازدحام ذرات
تعیین بورسیه دانشجویان مستعد بر اساس ویژگی های تحصیلی با رویکرد یادگیری عمیق و الگوریتم بهینه سازی ازدحام ذرات
محمد علی چاووشیان1 اعظم السادات نوربخش2
1) دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات ، دانشگاه آزاد اسلامی واحد لاهیجان ، ایران -
2) دکتری مهندسی کامپیوتر ،هیات علمی دانشگاه آزاد اسلامی واحد لاهیجان ، ایران -
کد IOI مقاله
:
XECE-GHFHA
محل انتشار :
کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com/1st)
چکیده :
انش اساسی ترین و مهم ترین اصل برای دانش آموزان است. دانش آموزان را می توان بر اساس دانش طبقه بندی کرد. این طبقه بندی بر اساس توانایی ها و فعالیت های دانش آموزان است. از آنجایی که کارشناسی ارشد. دانشجویان برای کسب دانش بیشتر نیاز به دریافت بورسیه تحصیلی به کشورهای دیگر دارند، ارائه یک سیستم مدیریت تصمیم و مدیریت دانش ضروری است. بنابراین، نیاز به مجموعه داده ای از اطلاعات دانشجویان برای انجام یک فرآیند داده کاوی وجود دارد تا بتوان آن دانشجویان نخبه را بر اساس فعالیت ها و توانایی های دانشجویان پیدا کرد و به آنها بورسیه پیشنهاد داد. بنابراین، پژوهش حاضر سعی در ارائه چنین سیستمی مبتنی بر پردازش زبان طبیعی (NLP)، عملیات استخراج ویژگی با الگوریتم بهینهسازی ازدحام ذرات (PSO) دارد و در نهایت پیشنهاداتی را با شبکه عصبی کانولوشن عمیق (CNN) ارائه میکند. نتایج نشان می دهد که دقت روش پیشنهادی بیشتر از روش های قبلی است.
کلمات کلیدی : مدیریت دانش مدیریت تصمیم گیری بورسیه تحصیلی طبقه بندی دانشجویان یادگیری عمیق پردازش زبان طبیعی (nlp)