“大思政课”背景下高校“数据结构”课程思政建设路径研究

“大思政课”协同育人背景下,高校各层面的思政工作要相互协同、共同发力。专业课的思政教育作为其中一项重要工作,就是要实现与课程思政同向同行、协同育人。文章通过对“数据结构”课程思政建设相关文献的对比分析,综合各建设方案的优点,提出了五步走的建设路径:确定思政目标、提高专业教师思政能力、深入挖掘课程思政元素、多策略融思政于教学、思政建设成效评价。

基于语言特性的中文领域术语抽取算法

提出一种基于语言特性的中文领域术语自动抽取算法.集成领域耦合性、领域相关性和领域一致性3种语言特性建立统计模型进行中文领域术语的自动抽取.提出基于困惑度衰减比率的自动评价方法,使用该评价方法对术语抽取算法进行了比较评估.实验结果表明,该算法与基于互信息和似然度的方法相比,在准确率和召回率方面都有较大提高.

基于知网和术语相关度的本体关系抽取研究

提出一种基于知网和术语相关度的关系抽取方法。首先通过句法分析提取术语的上下文特征,结合自然语言特征和互信息的方法计算术语之间的相关度,然后使用术语的义原和动态角色作为关键词,在知网语义关系框架中定位关系,并为关系指定明确的语义标签。实验结果表明该方法具有较好的实用效果。

基于Mini-Company实训的情景式教学研究

针对目前大学教育中IT专业毕业生缺乏专业技能和开发经验的现状,文章介绍了基于Mini-Company实训的情景式教学模式。作为一种能力培养模式的探索,在IT专业教学中采用模拟公司化运作的教学环境,引入任务驱动和实践环节,可以提高IT专业学生的专业技术,积累软件开发的宝贵经验,通过实践,该教学模式取得了较好的效果。

Santa Clara大学计算机专业课程设置分析与研究

针对国内高校计算机专业课程设置的问题,对美国Santa Clara大学计算机科学与工程专业的课程设置情况进行分析,通过与河南财经政法大学计算机专业课程设置的比较研究,指出课程设置对于提供学生培养水平有非常重要的意义,并且提出对计算机专业课程设置的思考和建议。

基于门控卷积和SENet的双判别生成对抗网络图像修复模型

针对现有模型修复带有随机不规则掩码且语义内容复杂的图片时细节不够真实这一问题,提出了一种基于门控卷积和SENet的双判别生成对抗网络图像修复模型。首先,将破损图片掩码输入由若干门控卷积堆叠成的粗网络中,在上采样时添加通道注意力(SE),结合L1重建损失,得到初步修复图;然后,将初步修复图输入精细网络,精细网络由若干门控卷积块和通道注意力块构成,结合重构损失、感知损失和对抗损失完善重要特征和细节,将破损图像的完好区域覆盖到精细网络的修复图上,得到完成修复的图片;最后,使用双判别网络结构进行训练,使精细网络的输出与完成修复的图片更加真实。在celebA数据集上进行实验,所提模型对带有大面积不规则掩码图片的修复结果在峰值信噪比(PSNR)上达到了27.39 dB,相较于部分卷积提升了6.74%,在结构相似性(SSIM)上达到了0.9216,较部分卷积提升了2.95%。实验结果表明,引入通道注意力和双判别结构有助于提升图像修复的细节。

汉语实体关系模式的自动获取研究

中文信息抽取系统中实体关系模式的自动获取对于整个系统具有重要意义。在bootstrap方法的基础上,根据汉语在形式表达上的多样性特点,使用统计学习技术来自动获取新模式。实验表明,该方法在人工干预很少的情况下,能够快速查找新模式,且新模式的获取不受应用领域限制。因此该方法对于提高信息抽取系统的性能是有效的。

基于CSCW的交互式Web教学系统

简要论述 Web教学系统的发展趋势和现有教学系统的局限以及该交互式教学系统所解决的主要问题 .比较详细地介绍了基于计算机协同工作 (CSCW)交互式 Web教学系统的模型、系统采用的基于两级服务器的 Client/Server结构以及多媒体数据库和其他交互工具提供的功能 .最后 ,针对系统在教学中解决的问题 ,提出基于该系统进行教学新模式的设想 .

基于RDSRCNN的单幅图像去雨模型研究

下雨天气在图像上造成雨痕,不仅严重影响图像观感,更会干扰后续图像分析与处理。图像去雨始终是图像复原研究的热点,于是提出RDSRCNN单幅图像去雨模型。为提升特征提取能力,以增强型特征提取方法ESIFEM为特征提取手段,利用其远距离像素关联能力及低局部特征提取代价实现高效特征提取,同时利用l1与MSS-SIM构造的复合损失函数优化训练效率并保证输出图像对视觉友好,将以上方法与增强型DSRCNN去雨网络相结合形成单幅图像去雨模型。在Rain100H数据集上的实验结果表明,该方法在视觉上能将浓密雨分布情况下的图像恢复至细节丰富的干净场景图,并且相较于大部分对比方法,虚影与物体边缘变形的情况减少90%以上,背景的雨痕清除率高于95%。该方法在量化评估中,峰值信噪比和结构相似性参数在较大部分较对比方法更优,且在空间复杂度等方面优于Restormer方法。

MAXGDDP:基于差分隐私的决策数据发布算法

基于层次细化的差分隐私决策数据发布得到了研究者的广泛关注,层次节点的选择、分类树的构建以及每层隐私代价的分配直接制约着决策数据发布结果的好坏,也影响最终的数据分析结果。针对现有基于层次细化的决策数据发布方法难以兼顾上述问题的不足,提出一种高效的分层细化方法 MAXGDDP,该方法对原始分类数据进行分层细化,在同一层次的概念细化中提出了最大值属性索引算法,在不同层次之间利用类几何分配机制来更加合理地分配隐私预算。基于真实数据集对比了MAXGDDP与Diff Gen算法,实验结果表明该方法在保护数据隐私的同时,提高了发布数据的分类准确率。

网络关联、空间溢出效应与中国区域经济增长——基于腾讯位置大数据的研究

以腾讯公司根据手机位置得到的中国地级及以上城市之间人口流动数据为基础,考察人口流动网络下地级市经济增长的空间关联模式及其演变,结合网络分析方法,测度地级市间经济增长的空间溢出效应。主要结论有:①符合现实的空间权重矩阵应该是非对称的,且随着互动关系的改变而发生变化。②人口流动网络等反应地级市之间互动的因素在经济增长空间溢出中发挥了重要作用。③基于网络的空间溢出效应是地级市经济增长的重要因素。