深度协同过滤推荐模型研究

近些年深度学习在计算机视觉、语音识别、自然语言处理等领域取得了巨大成就,然而在推荐系统中应用深度学习的研究还处于起步阶段。为了充分利用深度学习的强大特征学习能力,设计一个基于深度神经网络的协同过滤推荐模型。利用隐式数据建立用户向量和物品向量,通过对用户向量和物品向量深度表征,非线性地学习了用户和物品间的内在联系。在两个不同数据集上的实验表明,该模型在HR和NDCG评价指标上比基线模型有较大提升。

基于移动互联的驾照模拟考试系统

2012年公安部修订发布了《机动车驾驶证申领和使用规定》,更加严格规范了驾照的理论考试。这就需要考生投入更多的精力进行理论的学习和模拟考试的练习。而传统的纸质方式不够便捷、互联网上的模拟题又限制考生必须坐在电脑面前。如果能利用考生在等车、坐车等闲暇时间随时随地的练习驾照考试模拟试题,将会给考生的学习带来极大的便利性。目前通过移动互联技术可以很好的解决上述问题。

秦基层政治生态管窥:以“尉史‘文’詈‘赵’案”为中心

“尉史‘文’詈启陵乡‘赵’”一案发生于公元前219年的秦迁陵县启陵乡。启陵乡啬夫“赵”鉴于“文”作为军事系统吏员的特殊地位,将棘手的“送鸟”事务交予其完成。但由于责任重大、且迁陵县同年在处理同样发生于启陵乡的“送马”案时存在严重不公,故“文”拒绝执行指令,并对“赵”进行威胁与辱骂,遭到“赵”的关押。以此管窥,一方面,迁陵县等新占领地的统治权力正在从军吏逐渐转移到文吏手中,文官制度逐步确立;另一方面,权势的有无、大小是影响秦基层政权司法公正的重要因素,形单影孤或者失势的吏员更容易遭受权力的滥用与不公正的对待。中央集权制度下,如这些缺陷难以得到弥补与修正,则会孕育帝国新的统治危机。

基于SOA的在线教学系统设计

阐述了SOA的概念、技术及其实现方法,并对基于SOA的在线考试系统进行了分析与设计,最后给出了本系统的框架结构、功能模块及实现方法。

简析原型理论对大学公共英语四级考试词汇的教学启示

原型理论是认知语言学的重要基本理论,在认知语义学中占有重要的地位。本文旨在原型理论的基础上,以原型理论为指导,对大学英语四级考试词汇中的核心词汇进行教学启示。从而提高学生兴趣,扩大学生掌握四级词汇的单词量,提高教学质量。

基于樽海鞘群算法与快速学习网的旅游客流量预测研究

为了达到准确预测河北省旅游客流量的目标,首先利用量子Bloch球面坐标和逻辑自映射混沌对樽海鞘群算法(SSA)进行修正,得到改良的樽海鞘群算法(ISSA)。然后利用ISSA对快速学习网(FLN)的输入权值和阈值进行寻优,建立泛化能力更好的混合智能模型(ISSA-FLN)。利用建立的ISSA-FLN模型预测河北省旅游客流量,并与其他模型进行比较,结果表明,ISSA-FLN比其他模型更能准确地预测旅游客流量,为旅游客流量预测提供一种方法。

浅谈教育改革下英语教学课堂中教师新角色——研究型教师

中国教育改革不仅仅是一套教材或课程内容的改变,更是一场教育观念的更新,人才培养模式的变革。而由此带来了教师角色的转变,即成为研究型教师。本文旨在探讨什么是研究型教师,如何由以前传统的"技术型"教师转变为"研究型"教师,研究型教师会对未来英语课堂教学产生什么样的影响。

大数据时代的计算机网络信息安全技术应用——评《大数据与计算机技术研究》

互联网的快速发展改变了世界格局,加快了社会形态的转变。计算机产品的更新迭代是互联网和信息技术快速发展的见证。大数据应用带来了诸多好处的同时,也存在着许多安全隐患。保障计算机网络信息安全是各行各业在互联网环境中的根本需求。由张秋霞、职晓晓、孙丽娜编著,郑州大学出版社在2018年出版的《大数据与计算机技术研究》一书,深入分析了大数据时代的数字环境,不仅对网络信息安全基本理论做了充分讲解,还对如何在当前大数据环境下建立安全完善的网络信息防护体系和安全管理机制进行了研究和探讨,有助于推进我国关于网络信息安全管理体系的构建,也为不同行业的网络信息防护提供了理论支持。

数据挖掘技术在入侵检测中的应用研究

在对入侵检测系统进行分析研究的基础上,提出了引入数据挖掘技术的必要性,并重点研究了数据挖掘技术在入侵检测的误用检测和异常检测中的具体应用。

基于云计算虚拟化技术的旅游信息平台设计

为了能够实现对日益增加的海量旅游信息高效处理,满足游客及数据处理要求,文中提出将云计算虚拟化技术引入其中,设计一种基于云计算虚拟化技术的智慧旅游信息服务平台。概述云计算虚拟化关键技术,分析该信息服务平台的系统设计需求,设计基于云计算、大数据、虚拟现实等关键技术,对于智慧旅游信息服务平台设计了Map-Reduce、BigTable、HDFS,对云平台下的数据存储及GAE环境下运用J2EE框架,对数据量进行更新并运用Map-Reduce对数据信息进行计算处理。结合Java Web编程技术,对设计的基于云计算虚拟化技术的智慧旅游信息服务平台设计方案实际应用,发现该平台可以充分发挥云计算虚拟化技术优势,与适当组网方式相结合设计该方案,确保能够有效提高智慧旅游信息服务平台数据信息处理的有效性及可靠性。

网络舆情研究现状分析

对国内网络舆情研究现状进行分析,旨在帮助相关领域学者把握研究热点和发展方向。首先对网络舆情的特点、文本挖掘技术以及自然语言处理技术在网络舆情中的应用进行介绍;其次把网络舆情研究分为舆情反转、基于主题检测、机器学习、情感分析以及其他舆情方向并分析研究;最后,使用CiteSpace对近几年舆情相关文献从关键词突现、共现的方面进行可视化展现。结果表明,近几年网络舆情研究中深度学习为热点分析技术,情感分析、舆情监测是热点研究方向。通过对舆情现状研究分析,为进一步开展网络舆情研究提供参考。

大数据平台战略下学科专业一体化建设的思考

本文以学科发展和专业建设间的关联研究为理论基础,以新建本科学院河北民族师范学院为例,系统研究了在大数据平台战略下,大数据学科专业间整合构建的具体思路和实施步骤。建设中以创新平台为依托,构建顶层设计,从教科研一体化、学研一体化、共建共享平台资源及课程资源几方面具体实施,力求提高办学品质、增强办学特色,为建设本科学院实现内涵式发展提供借鉴。

基于因子分析和极限学习机的房价预测研究

文章将影响房价因素归结为政府、消费者和房地产商三大方面,选取了影响房价波动的8个指标。为了更加准确地预测房价,首先利用因子分析对指标进行降维,得到两个公因子;然后,以该公因子作为极限学习机的输入,以对应的房价作为输出建立房价预测模型;最后,与其他3个模型预测结果进行对比分析。结果表明:结合因子分析的极限学习机比其他3个模型更能实现精准房价预测。

基于YOLOv5的智慧监考模型设计与研究

针对传统监考模式存在的监考人员工作量大、主观性强等问题,构建基于目标检测的智慧监考模型。该模型能够应用于国家标准化考场,自动实时监测考生的作弊行为。采用YOLOv5算法训练出智慧监考模型,对考生回头的作弊行为进行检测,并使用深度学习方法对其作弊行为进行判定。在实验过程中,通过模拟真实的考场环境,该智慧监考模型对考生作弊行为检测的准确率较高,检测精确度可达96.3%,并能在GPU支持下实现实时检测。同时,实验对不同光线和像素下的识别准确度进行了比较分析,证明光线和像素会对准确度造成一定影响。实验结果表明,该模型能有效降低监考人员工作成本,实现考场监考公平性。

基于Spark框架的瀑布型融合旅游推荐系统

目前旅游信息数据量庞大却无法满足用户的特定需求,很多不确定因素导致用户评分出现偏差,使推荐结果不准确且实时性差。鉴于此,本文提出构建基于Spark框架的瀑布型融合旅游推荐系统。首先,利用爬虫技术对各大旅游网站景点信息进行爬取和整理,搭建Spark框架读取数据并进行数据清洗和预处理,通过API将景点地理位置转换为经纬度坐标以便后续可视化;其次,设计2个过滤层,第一层采用SimHash算法,该算法能够实现海量数据的快速降维处理,有效节约时间。第二层采用余弦相似度算法并利用TF-IDF计算词频,进而过滤和更新旅游景点推荐数据库,最终形成反馈给用户的推荐数据库;最后,用户从系统推荐的Top-N景点选择自己感兴趣的景点,系统将会对其进行地图可视化,并标注每个省市景点的数量和平均票价,为用户提供智能旅游推荐的完美体验。该系统从用户需求出发,通过分析用户需求文本语义,与旅游数据库进行相似度计算进而获得推荐结果,达到了实时性和准确性的统一,是对旅游推荐系统的补充和完善,具有一定的实用价值。

基于深度学习的矩阵分解推荐模型

通过对深度学习和矩阵分解技术进行结合,设计一个深度神经网络对用户和物品进行特征提取,形成用户隐向量和物品隐向量的方法,计算这两个隐向量的内积得到用户对物品的评分预测。为提高推荐精度,提出使用显式数据和隐式数据并设计新的损失函数能够同时计算这两类数据损失的方法。在两个公开数据集上的实验结果表明,该方法比基线模型在HR和NDCG推荐指标上有较大提升。

5G核心网网络架构及关键技术探索

5G核心网是5G网络架构的重要组成部分,关乎5G网络的运行效率与质量。因此,简单介绍了5G核心网网络架构,论述了5G核心网关键技术,并进一步探索了5G核心网关键技术的应用要点,希望能为5G核心网关键技术的应用提供一些参考。

基于Spark的高维K近邻连接算法

为解决数据量日益增长和数据维度不断增高,通过单机运行K近邻连接算法得出结果时间过长无法满足时效要求的问题,提出一种基于Spark的使用位置敏感哈希函数对数据预处理后再进行查询的算法。利用位置敏感哈希函数对训练集数据降维并进行分桶索引,进行近邻查找,有效利用Spark基于内存的高性能并行计算能力。实验结果表明,该算法对高维大数据具有较高的准确性和查询效率。

协同过滤算法中相似度计算问题研究

大数据时代由于信息过载问题使人们无法在海量数据中快速精准地获取有效信息。为了解决个性化信息呈现问题,推荐系统应运而生。在众多推荐算法中,协同过滤通过分析用户的历史行为信息,能够得到良好的推荐结果,成为推荐系统中使用最普遍的算法。协同过滤算法中相似度的计算方式直接影响着推荐结果。针对目前缺乏综合评价不同相似度对推荐结果评价指标影响的相关研究,深入全面分析研究了余弦相似度、调整的余弦相似度、皮尔森相关系数、欧几里德相似度、谷本系数5种不同相似度的计算方法,并分析了对准确率、召回率、平均调和数和覆盖率4种不同评价指标的影响。通过在真实数据集上的实验结果,给出了不同相似度计算方式的适用场景和优缺点。

以问题为导向的翻转课堂教学设计

针对翻转课堂中存在的学生学习浅层化问题,分析发现问题导向是翻转课堂的本质,是解决学生学习浅层化的关键,为此提出构建问题导向的翻转课堂教学设计模型,从前置学习设计、问题产生设计和问题解决设计3部分介绍具体教学设计。