基于深度学习的情感计算模型算法研究

随着人工智能逐渐融入各领域,为了提高机器学习准确率,从而为人类提供更加高效且个性化服务,深度学习技术的研究已经迫在眉睫,而情感计算则能够通过计算机视觉角度挖掘人类内在隐藏的行为信息(例如文字、语音、图像等)和生理学信息(例如心电图和脑电图等),获取情感、表情、语义、心跳或感受等行为和生理学大数据,从而为人类提供更准确有效的反馈和服务。卷积神经网络(CNNs)已被广泛认可应用于深度学习模型算法的研究和实践当中,尤其适用于视觉图像识别。研究卷积神经网络用于挖掘人类情感大数据。

领域概念术语提取中特征项自动抽取方法

针对领域概念术语提取过程中特征项来源于人工获取领域文本集以及特征项抽取的准确性不高的问题,提出一种特征项自动抽取方法。首先利用第三方接口从文献资源库中获取大量领域文本集,并对其进行段落分析,在文本预处理阶段提出一种改进的无词典分词方法进行二次分词,结合TFIDF,开方检验,信息增益及词汇位置权重方法进行特征项抽取。实验结果表明,该方法能实现特征项自动化抽取。

概念图构建中概念术语自动提取的研究与实现

概念图的构建是一项复杂的工程,在概念术语提取阶段往往需要领域专家花费大量时间手工完成。随着概念图在信息处理和知识管理系统中得到日益广泛的应用,仅仅依靠领域专家来手工提取概念术语生成概念图的办法已不能满足应用需求。基于此,提出结合网络爬虫技术和LSA的方法自动提取概念术语,生成概念图的方法,可以降低概念图制作的人工复杂度,高效、准确的构建概念图,可以大大扩展概念图的应用范围。从指定网站上爬取大量领域文本资源;进行文本预处理并抽取特征项;再利用LSA挖掘特征项与特征项、特征项与文本之间的潜在语义结构,消除噪音及冗余特征项,提取概念术语。实验结果表明,结合网络爬虫技术和LSA方法能够降低概念术语的提取过程中的人力复杂度,去除冗余概念,并提高准确性。

概念图智能匹配机制用于支持个性化网络学习

针对个性化网络学习平台中往往只关注学习者学习风格而忽略对学习者认知能力培养的问题提出一种基于概念图的方法对学习者认知能力进行形式化描述。采用自然语言处理及潜在语义分析方法构建基于学习者行为的学习者概念图及领域知识概念图,提出一种基于最大共同子图的匹配算法计算学习者概念图与领域知识概念图之间的相似度,提取学习者的个性化知识缺失、还需要掌握的知识,并以可视化形式呈现一定知识目标领域内学习者的已有知识及需要掌握的知识。实验结果表明,基于概念图的个性化网络学习能够促进学习者及时纠正、完善知识点的理解缺陷,培养学习者的认知能力。

浅谈高校教育信息化

目前,高校教育信息化的建设已经引起了广大教育工作者的高度重视,但是,由于许多笔者的研究缺乏可行性、理论过于权威性及正确性等。因此笔者对当前高校教育信息化的研究现状存在的问题进行分析,并试图建立可能的高校教育信息化的有效实现途径。

E-learning情境学习中个性化教学策略的研究

个性化E-learning教学系统已成为远程教育领域的研究热点然而,许多E-learning教学系统往往只基于某种固定的预定义个性化策略,导致教学者、教育研究人员及学习者在教学或学习过程中难以提供有效的E-learning学习经验,无法灵活改变个性化学习需求。提出基于两个层次的个性化学习情境创建方法:第一层次,根据预定义的个性化策略建立个性化的学习情景。第二层次,教师可根据课程的具体情况,灵活选择个性化参数,以确定不同的个性化策略。

浅谈中学信息技术课程教学中情感教育目标的实现策略

目前,情感教育已经逐渐引起人们的重视,然而信息技术课程教学当中情感教育目标的实现现状不容乐观。该文着重对该现状进行分析并试图结合信息技术学科的特点及中学生的心理特征,探寻中学信息技术课程教学当中情感教育目标的实现策略。

概念图构建中概念关系提取方法

针对概念图构建中概念关系提取阶段不能挖掘出复杂概念关系具体名称的问题,提出一种知识数据库匹配算法.首先利用专家预定义关系标签结合知网(How Net)构建知识数据库,该知识数据库包含对预定义关系标签的定义域、值域及属性限制的描述.从领域文本集中抽取概念对关系动词,通过匹配关系动词与知识数据库中关系标签的吻合度,最后提取匹配值超过阀值的概念对关系标签实例.实验表明,该知识数据库匹配算法能够从文本集中自动挖掘出复杂概念关系的具体名称.

线上课程考核的防学术作弊机制

疫情的爆发和延续,突如其来的线上课程考核对教育教学工作者提出新挑战,典型网络课程考核方式无法适应疫情特殊状况。如何在疫情下预防学术作弊,加强在线课程诚信考核已成为教师们的共同诉求。考核环境与作弊行为的关系构成经济效益混合模型,以人为本的线上课程考核能够预防和减少作弊,促进考核公平有效。

基于改进的蚁群算法求解单点交叉口信号配时优化问题

蚁群算法是近几年优化领域中出现的一种启发式仿生类并行智能进化、通用型的随机优化算法,能够较好解决交通信号配时优化问题.由于交通信号分配不合理容易引发交通拥堵,基于传统的单点交叉口交通信号配时优化问题提出了改进的蚁群算法,即针对交通具有较强的实时性和动态性的特点,在蚁群算法更新的全局信息素中引入一个随着交叉口拥挤程度不同而变化的函数,并且在信息素变化量中引入一个交叉口通行能力权系数,从而提高算法对交通实时动态性的把控能力.通过实验仿真结果表明,该改进的蚁群算法优于传统的单点交叉口信号配时方法,从而为蚁群算法求解这类问题提供了一种可行有效的新方法.

优化算法在动态路径诱导系统中的研究综述

城市交通拥堵问题已成为阻碍我国城市经济发展的主要问题之一,动态路径诱导系统在城市道路交通流的均衡动态分配中起着举足轻重的作用,并对缓解我国现阶段的城市交通拥堵问题具有重大现实意义。文章对应用于动态路径诱导系统的智能优化算法进行研究,对其进行了分类和综述,并对其各自的优缺点进行总结,同时对下一步的研究进行了展望,为今后的研究提供参考和借鉴。