浅谈计算机辅助设计在旅游规划中的应用

介绍了计算机辅助设计在旅游规划中的应用技术，分析旅游规划中应用计算机辅助设计的方法和技巧，探讨以计算机辅助设计软件为主制作旅游规划效果图的应用方法。

面向数据匮乏城市的下一个POI推荐方法

位置社交网络(LBSN)用户位置数据的分布不均衡,及某些用户出于对隐私安全的考量刻意隐藏自己部分位置信息等因素加剧了兴趣点(POI)推荐难度。就此本文提出了基于元学习的时空神经常微分方程(ML-ODE)来进行有效的下一个POI推荐。该模型主要是将元学习的思想融入到POI推荐过程中,通过不同任务训练优化初始参数,将数据丰富城市中的泛化移动模式迁移到数据匮乏城市,达到优化POI预测任务的目的。该模型将神经常微分方程用于POI推荐领域,定义连续的动态过程,可以接受任意时刻的输入数据,克服了大多数时序推荐模型静态离散化的时间间隔处理方式,更适用于POI序列推荐任务。在真实公开数据集Foursqure上的实验结果表明,ML-ODE在POI推荐方面比当前主流的POI预测方法在NDCG@N指标上提升了超过10%。

一种基于ERNIE-CNN模型的条件式情感分类方法

为弥补传统情感分类方法在面对不同长度序列时的不足,设计了一种基于知识增强语义(Enhanced Representation through Knowledge Integration,ERNIE)和卷积神经网络(Convolution Neural Network,CNN)相结合的条件式中文文本情感分类方法。该方法采用ERNIE模型进行文本向量化表示,通过CNN进一步特征提取,建立长序列和短序列两种ERNIE-CNN模型供系统按条件选择使用。在公开的电商平台评论数据集上的实验结果显示,该方法的分类准确率明显高于传统情感分类方法,有效解决传统文本分类方法中无法充分利用词、短语语义的缺点,可以更好地应对样本长度不均的问题。