自然语言处理领域中的词嵌入方法综述

词嵌入作为自然语言处理任务的第一步,其目的是将输入的自然语言文本转换为模型可以处理的数值向量,即词向量,也称词的分布式表示。词向量作为自然语言处理任务的根基,是完成一切自然语言处理任务的前提。然而,国内外针对词嵌入方法的综述文献大多只关注于不同词嵌入方法本身的技术路线,而未能将词嵌入的前置分词方法以及词嵌入方法完整的演变趋势进行分析与概述。以word2vec模型和Transformer模型作为划分点,从生成的词向量是否能够动态地改变其内隐的语义信息来适配输入句子的整体语义这一角度,将词嵌入方法划分为静态词嵌入方法和动态词嵌入方法,并对此展开讨论。同时,针对词嵌入中的分词方法,包括整词切分和子词切分,进行了对比和分析;针对训练词向量所使用的语言模型,从概率语言模型到神经概率语言模型再到如今的深度上下文语言模型的演化,进行了详细列举和阐述;针对预训练语言模型时使用的训练策略进行了总结和探讨。最后,总结词向量质量的评估方法,分析词嵌入方法的当前现状并对其未来发展方向进行展望。

产教融合视域下软件工程人才协同创新能力培养研究

本文针对软件工程人才协同创新能力培养过程中普遍存在的产教融合体系不够完善、管理机制不够顺畅、教育链与人才链、产业链衔接不佳等问题,从组织模式、培养模式、实践体系、保障机制四个方面,介绍产教融合视域下软件工程人才协同创新能力培养的实施措施。

结合兴趣点类别周期属性和用户短期偏好特征的推荐模型

随着基于位置的社交网络在日常生活中的广泛应用,有效提取用户的隐藏兴趣和行为序列模式并向用户提供满足其个性化需求的下一个兴趣点推荐服务成为推荐领域的热点问题之一.针对下一个兴趣点推荐中的用户偏好挖掘问题,提出基于用户兴趣点类别周期性偏好和短期兴趣相结合的兴趣点推荐模型(Combining Periodic and Spatio-Temporal Intervals'Network,CPSTIN).该模型将用户的签到记录按小时时段模式嵌入时间窗口并使用多头自注意力机制提取用户结合用户兴趣点类别的周期性偏好;同时,将非连续时空间隔信息送入可学习矩阵,使用线性插值法提取用户基于高阶关联性的短期兴趣.最后,在两个真实数据集上验证了该模型的有效性,证明其能有效地利用用户高阶关联性短期兴趣和结合兴趣点类别的周期偏好,更准确地预测用户最有可能访问的下一个兴趣点.

基于双图混合随机游走的社会化推荐模型

近年来,可以有效缓解数据稀疏和冷启动问题的社会化推荐受到了研究者和业界的关注.社会化推荐利用显式或隐式社交关系作为辅助信息,提升了推荐性能.然而,目前的社会化推荐模型通常采用普通图描述社交关系.普通图中的边常描述为成对节点的关系,这种方法适合描述显式关系,但难以描述复杂的隐式关系,如购买过同一商品的多个用户之间的集合关系,因此难以学习到准确的节点表示,影响推荐的性能.针对此问题,本文结合超图和普通图,提出基于双图混合随机游走的推荐(BG-Rec)模型.构建超图描述复杂的隐式关系,同时用普通图描述显式的社交关系,并在两种图上定义混合随机游走策略,生成结合隐式关系和显式关系的游走节点序列,学习更准确的节点嵌入表示.根据用户评分的高低,构建了正反馈超图和负反馈超图,考虑更细粒度的朋友关系,以识别可靠的朋友.融合可靠朋友的偏好和后验概率最大化优化物品个性化排序.三个公开数据集的大量实验表明了BG-Rec在推荐性能上的优越性,冷启动和消融实验表明了其在缓解冷启动问题的有效性和超图建模的合理性.

大数据背景下的计算机网络教学改革研究与实践

通过分析大数据与软件学院传统优势专业“软件工程”、新增专业“数据科学与大数据技术”和“人工智能”本科专业建设、本科学生教育培养体系,笔者开展了计算机网络课程的相关改革。笔者通过借鉴软件工程专业过去15年中创新型人才培养的方法,探索大数据时代背景下的课程设置和教育教学方法,实施以实践为驱动,面向课程交叉和创新型人才培养的计算机网络课程教学改革。

基于异构图的双通道交叉自适应对比学习推荐

通过用户多行为进行推荐任务中,各个行为通常不是独立作用的,行为之间的协同作用和依赖关系挖掘更能增强用户行为模式建模,反映用户偏好.而用户多行为关系的引入也会增加用户物品交互图与表征空间中的异质性(heterogeneity).针对上述问题,本文设计了一种基于异构图的双通道交叉自适应对比学习推荐模型MB-DCAC(Multi-Behavior Recommendation through Dual-channel Cross-Adaptive Contrast learning),创新性的从异构数据卷积过程构建对比学习方案,并基于异构连接进行表征属性增强,以提升模型挖掘用户行为模式与表达能力.实验结果表明,本文模型在Tmall、IJCAI-Context、Beibei三个数据集上,相较于基准模型在HR@10指标上分别提升了16.7%、18.3%、2.76%.且模型在挖掘多行为之间的依赖挖掘等任务上表现优异.

“一驱动、三阶段、六环节、四促进”的计算机系统课程教学改革

针对学生在计算机系统课程学习过程中表现出的系统实践能力薄弱、思维视野固化、知识理解浮于表面、重专业轻德育等现状,分析教学中的痛点问题,提出“一驱动、三阶段、六环节、四促进”的教学改革思路,从教学内容、教学方法、教学手段、教学评价方面介绍课程教学改革过程,最后通过调查问卷分析说明教学效果。

新工科背景下面向汽车产业的软件工程人才培养探究

针对“软件定义汽车”背景下汽车产业数智化转型升级过程中复合创新型人才梯队建设的迫切需要,分析汽车行业就业情况和车企的人才需求,探索一种面向汽车产业的软件工程人才培养新模式。分别从新工科课程体系针对性优化、教师资源配置、校地企协同育人3个方面进行分析探讨,以培养对接产业需求的复合创新型人才,适应汽车产业发展需要,更好地服务于国家智能汽车创新发展战略。

软件工程人才培养体系研究与实践

重庆大学软件学院在确立软件工程人才培养目标和科学的软件专业课程体系、建立软件工程人才培养方法体系以及学生质量保障体系等方面,系统地开展了研究和实践,在推行案例教学和工程实践导向、建立学生校内外实践基地、促进“产学研”合作、增强教师的工程实践等背景、大面积落实双语教学等方面取得了明显成效和积极成果,为当今软件工程人才提供了可供借鉴的实践成果和有益经验。

基于标签主题的协同过滤推荐算法研究

传统基于标签的推荐算法仅考虑用户的评分信息,导致推荐准确度不高。为解决该问题,提出一种改进的协同过滤推荐算法。对用户-标签矩阵、资源-标签矩阵进行潜在Dirichlet分布建模,发掘推荐系统中的潜在语义主题,从语义层面计算用户对各资源的偏好概率,将计算出的偏好概率与协同过滤算法计算出的资源相似度相结合,预测用户偏好值,实现个性化推荐。在Movielens数据集上的实验结果表明,与传统基于标签的推荐算法相比,该算法能消除标签中存在的同义词、多义词等语义模糊问题,同时提高推荐准确度。

基于工作流的服务组合在电子政务中的应用

为了解决电子政务系统建设中存在的"信息孤岛"问题,提出了一个基于工作流实现服务组合的系统框架。该框架通过流程服务中心的工作流引擎对遗留系统发布的Web服务进行组合,实现了整合遗留系统和跨部门协同办公,从而能够有效地满足业务用户的需求,以及实现对敏捷业务需求的快速响应。最后以跨部门电子政务系统验证了该框架的合理性,结果表明是可行和有效的。

软件工程专业课程体系研究与实践

围绕我国软件工程人才培养目标,根据软件行业的人才需求,在吸收国外软件工程课程体系和国内计算机专业课程经验的基础上,结合自身情况,在软件工程专业本科课程体系方面做了探索研究,并在近3年的软件工程本科教育教学中进行了实践。实践过程中通过推行案例教学、项目实践、企业实践、双语教学等措施,取得了明显成效和积极成果,为软件工程人才培养提供了有益的经验。

安全增强的数据库系统的模型构建

构建了安全数据库系统模型,不仅从系统防御考虑,还有效地结合入侵检测和容忍技术,从事务处理的角度出发。对攻击的损害进行定位和修复,保护了数据库系统安全,为合法用户提供不间断的服务,对于机密数据的存储,将冗余性和多样性技术相结合,采用基于中国剩余定理的秘密共享方案,实现了关键数据的机密存储。

嵌入式Linux防火墙系统研究与实现

为了构建安全可靠的网络,同时降低使用防火墙的成本,对Linux2.4内核防火墙结构Netfilter的实现机制进行了深入的研究和分析,并利用该机制设计实现了一个嵌入式Linux防火墙系统,该防火墙实现完善了包过滤、URL过滤、NAT和日志等防火墙基本功能,同时集成了非军事区(DMZ),为Internet和Intranet之间建立了缓冲地带,以保证Intranet的安全。此外,该防火墙系统还集成了状态检测技术,可在内存中维护一个跟踪连接状态的表,比简单包过滤防火墙具有更大的安全性,并提供友好的管理配置界面。

一种改进相似性度量的协同过滤推荐算法

协同过滤算法是目前电子商务推荐系统中最重要的技术之一,其中相似性度量方法的效果直接决定了推荐系统的准确率。传统的相似性度量方法主要关注用户共同评分项之间的相似度,却忽视了用户共同评分项和用户所有评分项之间的关系。用户共同评分项和用户所有评分项之间的关系可以通过Tanimoto系数来计算,然而Tanimoto系数是基于二值模式下的运算,因此直接运用于推荐系统中的效果并不理想。基于上述问题提出了修正的Tanimoto系数,并将用户共同评分项和用户所有评分项之间的关系融入到传统的相似性度量方法中。实验表明该算法在一定程度上提高了推荐的效率和准确度。

软件工程人才培养的实践探索

重庆大学软件学院成立之初,学校就将软件工程人才培养体系建设作为重点教学改革项目,在办学实践中进行研究探索.围绕软件工程人才培养目标,根据软件行业人才需求,在吸收国外软件工程专业和国内计算机专业办学经验基础上,结合3年情况,对软件工程本科教学进行了实践.实践过程中通过推行案例教学、项目实践、企业实习、双语教学等措施,取得了明显成效,为软件工程人才培养探索出一些经验.

基于社交网络用户信任度的混合推荐算法研究

为了解决当前社交网络中基于用户信任的Web服务推荐算法存在的覆盖率不足的问题,整合了当前有关直接信任、间接信任及群体信任度的研究思路,对相关的信任度计算方式进行了扩展研究。在此基础上,提出了一种新的混合信任度算法。实验结果表明,在召回率、用户信任度和用户争议度等指标上该混合推荐算法优于现有算法ModelTrust,证明了该算法具有覆盖率较高的特点,能解决由单一信任度算法数据稀疏性造成推荐结果不佳的问题。

一种在用户偏好不确定情况下的Web服务选择方法

首先由用户对各个QoS属性的偏好给出语言描述及其不确定度;然后通过查找对照表将其换算成各个QoS属性的权重系数;最后使用QoS属性值和权重系数进行候选服务的综合评价,得到最接近满足用户不确定偏好的候选服务。模拟实验结果证明了该方法的有效性。

IOCP机制在P2P网络游戏中的应用

大型网络游戏作为一种分布式系统在高峰时要承载巨量用户在线负荷,这就对大型网络游戏通信系统的设计提出了非常高的要求。如何提高系统玩家承载量,使系统具有良好的伸缩性,以及如何利用有限的带宽为玩家带来一致而平滑的游戏已成为人们关注的焦点。通过对当前游戏开发技术的考察发现:在传统的网络游戏开发过程中,多是基于C/S模型,服务器在多人在线的情况下承受着巨大的压力。虽然也有基于P2P的网络游戏,但是对多个玩家同时在线支持不够。针对上述问题,文章提出将IOCP的模型应用在对等网络(P2P)模型的客户端中,以增强对等网中每个节点计算机的承载能力,从而降低主服务器的负载量。

光照度聚类和支持向量机在路灯节能控制策略中的应用

传统路灯行业主要采用时间、经纬度、光照度等策略控制路灯开关。其中,光照度控制的理论节能效果最佳,但受采集数据误差、安装角度等环境因素影响,节能效果没有达到最大化。针对该问题,提出一种融合光照度聚类和支持向量机算法的路灯节能控制策略。该方法收集光照度、时间、安装角度数据,并使用K-means算法对光照度数据进行聚类,把原本变化剧烈的光照度数据变为5个等级(1-5),然后通过SVM对数据进行学习训练,在不考虑其他外在因素的情况下预测路灯的开关时间。实验研究结果表明,该算法可有效降低路灯的用电量。