基于知识图谱卷积网络的学习资源推荐

针对现有知识图谱卷积网络(KGCN)推荐模型随机采样选择邻域容易导致推荐结果不稳定的缺点,构建基于结构洞和共同邻居的重要性排序采样模型(SHCN),结合KGCN处理高维异构数据的优势,提出基于结构洞和共同邻居的KGCN推荐模型(KGCN-SHCN)。首先使用SHCN模型对知识图谱中的实体邻域进行排序采样,其次根据图卷积网络将实体信息与邻域采样信息进行聚合得到学习资源的特征表示,最后将学习者的特征表示和学习资源的特征表示依据预测函数得到交互概率。在3个学习资源数据集上的实验结果表明,所提模型尤其是使用求和聚合(Sum)方式时,评价指标AUC和ACC总体优于KGCN、RippleNet等基于知识图谱的推荐模型,证明了所提KGCN-SHCN模型的有效性。

融合知识图谱的学习者个性化学习资源推荐

针对学习资源个性化推荐中存在的数据稀疏和冷启动问题,本文提出了一种基于知识图谱的学习者个性化学习资源推荐模型模型(LPRM).LPRM模型利用在线学习中学生与课程的历史交互信息以及在线课程的属性信息构建课程知识图谱,辅助课程资源的个性化推荐;针对RippleNet框架中实体关系传播未考虑实体影响力的问题,提出节点影响力计算模型衡量知识图谱中实体的影响力,构建LPRM模型框架得到学习者对学习资源的评分.大量对比实验结果表明,本文提出的基于知识图谱的学习者个性化学习资源推荐模型模在AUC和ACC评价指标上均表现出最优的性能,模型参数分析结果表明LPRM模型能有效地提升学习者学习资源个性化推荐性能,较好地缓解了数据稀疏和冷启动引起的学习者个性化资源推荐不准确等问题.

基于Bagging的交通拥堵预测研究

针对交通拥堵原因的多元性及单个神经网络拥堵模型准确率不高的特点,设计了一个以BP神经网络为弱学习算法、基于Bagging集成学习方法的交通拥堵预测模型.与单个神经网络模型相比,Bagging后的预测模型具有更加优良的性能,可为市内交通预警决策提供分析与支持.

学术社交平台论文推荐方法

基于搜索学术论文对研究者造成的困扰问题,在学术论文聚合平台基础上提出一种学术社交平台相似论文推荐方法,给出了推荐方法的总体架构及各部分的详细设计方案。该方法首先使用ANSJ对论文数据集中的论文进行分词并统计词条的TF-IDF,使用这些词条表示该论文的关键信息。其次使用Word2Vec把每一篇论文映射到一个高维向量,使用余弦相似度公式计算其与用户查询论文间的相似度,根据相似度结果高低生成论文推荐列表。最后在SCHOLAT论文数据集上通过应用实例以及量化指标分析验证了该推荐方法的有效性。

基于学者网平台的计算机公共基础课混合教学模式研究

针对非计算机专业大学生计算机公共基础课程的教学过程中,出现城乡学生起点不一、教学方式笼统等问题,提出利用学者网课程平台融合线下课堂教学和线上的资源分享、知识交互的混合式教学模式。通过构建翻转课堂充分发挥学生线上学习的主体认知和线下课堂教师的指导、监督及评价作用,进而建构深度学习过程,在分析学生背景知识的基础上重构知识模块,通过迁移、创造及效果评价循环递进的方式使学生达到对问题的深度理解。

基于模糊神经网络的单交叉口变相序控制

针对城市交通流时变的特点,提出了一种可变相序自适应单交叉口控制算法,该算法根据通行权转移度来决定放行相位及通行时间,并综合考虑了所有相位车辆排队长度以及绿灯相位通行时间。通过多层BP神经网络实现单交叉口多相位模糊控制。结果表明,该控制器具有学习和泛化能力,可以有效的提高绿灯时间利用率并减少车辆平均延误。

基于MAS的城市交通信号小区域控制

城市交通问题已经成为困扰城市发展重要因素之一,而原有交通模式下的控制系统已经形成城市发展中木桶理论的"短板效应"。提出基于多智能体技术建立一个小区域的信号控制系统,利用对策论和社会经验进行各TSCA间的协调,并通过仿真实验利用平均延误时间、车流总通过量作为评价指标,验证了控制方法的可行性。

城市交通信号控制系统微观仿真研究

交通仿真是研究交通问题的重要手段,而Agent特有的自治性、协作性等特点为交通仿真提供了较好的手段,文章着重进行了基于MAS的智能交通控制微观仿真研究,并运用VC++6.0开发了一套具有实用价值多路口交通仿真系统。

面向大规模学术社交网络的社区发现模型

针对基于标签传播的复杂网络重叠社区发现算法中预先输入参数在真实网络中的局限性以及标签冗余等问题,提出一种基于标签传播的面向大规模学术社交网络的社区发现模型。该模型通过寻找网络中互不相交的最大极大团(UMC)并对每个UMC中的节点赋予唯一标签来减少冗余标签,提高社区发现的效率以及稳定性。标签更新时以UMC作为核心单位采用亲密度的方式由中心向四周更新UMC邻接节点的标签及权重,以权重最大值的方式更新网络中非UMC邻接节点的权重。后期处理阶段采用自适应阈值方式去除节点标签中的噪声,有效克服了预先输入重叠社区个数在真实网络中的局限性。通过在学术社交网络平台——学者网数据集上的实验表明,该模型能够将具有一定共性的节点划分到同一个社区中,并为学术社交网络平台进一步的好友推荐、论文分享等精确的个性化服务提供了支持。

基于社区划分的学术论文推荐模型

针对学术社交网络独有的社交性,构建了基于社区划分的学术论文推荐模型。模型选择社区复杂好友关系网络图中最大连通分量作为数据处理逻辑单元,在此基础上进行核心关系网划分,并采用非参数控制的方式,在所建立的核心关系网内建立标签,在学术社交网络中通过标签传播进行社区划分,根据社区划分结果在社区内部的用户之间推荐学术论文。该社区划分算法与经典社区划分算法在人工网络上进行仿真实验,结果表明该算法在不同特征的人工网络上皆能取得良好的社区发现质量。

面向学术社区的专家推荐模型

在学术社区提供的服务中,对于研究者特别是青年研究者来说,专家推荐是一个必不可少的部分.目前提供学术信息服务的所有中文搜索引擎中,都没有提供用户感兴趣的专家推荐服务.因此,提出了一个面向学术社区的专家推荐模型.使用改进的H参数对学者n年时间内发表的论文成果进行量化,获取专家列表;使用概率主题模型从作者发表的论文中提取主题向量作为学者的研究方向;根据矩阵奇异值分解对构建的词项-文档矩阵进行降维,进而生成词项-词项关系矩阵,实现对搜索关键词的查询扩展,并计算查询扩展向量与作者主题向量之间的相关度,根据相关度大小进行排序推荐.在SCHOLAT(学者网)数据集上验证模型的有效性,实验结果表明提出的模型达到了预期的效果.

在线社交网络用户分析研究综述

在对国内外在线社交网络用户分析相关研究归纳总结的基础上,综述了在线社交网络用户分析的最新进展,主要包括通过用户影响力和用户偏好进行用户行为分析、采用隐式和显式的分类方法对用户属性预测算法进行综述,简述了基于用户属性特征或(和)用户关系拓扑结构的用户分类研究进展,并分析了动态社交网络、并行算法及社交用户语义信息给在线社交网络用户分析所带来的机遇和挑战,对该研究方向上的发展趋势进行了展望.

多分类器组合的交通拥堵预测模型研究

交通拥堵已成为制约城市经济和社会发展的"瓶颈",针对影响交通拥堵因素多的特点,在分析单分类器与Bagging类算法的基础上,提出一种基于多分类器组合的交通拥堵判别方法。通过分析交通流参数,同时充分考虑与城市路况相关的环境因素,得出城市道路的拥堵预测模型。仿真结果表明,它能够有效地判别道路拥堵的状态变化,比不考虑环境因素影响时能够获得更高的识别率和较低的误报率。

CDIO模式下的软件工程课程设计实践

针对软件专业本科学生实践能力问题,以CDIO工程教育理念及其12条标准为指导和依据,建立了以市场需求为背景、以项目为主线、以学生为主体、以教师为引导的理论联系实践的课程架构、项目实践模式和课程评估标准,并给出了实例。实践表明,此课程设计模式避免了重理论轻实践、人才培养观念滞后、高等教育与社会需求脱节等问题,并在短期内整合了学生所学的知识,提高了学生的综合能力。

局部优先的社会网络社区结构检测算法

考虑到社会网络中影响力大的节点对社区的形成具有一定的促进作用,以及基于局部微观角度更加易于检测社区结构等问题,提出一种基于局部微观结构极大团的同步自适应标签传播算法(synchronous adaptive label popagation algorithm,ALPA-S)和异步自适应标签传播算法(asynchronous adaptive label propagation algorithm,ALPA-A)检测社会网络中的社区结构。这两种算法均是通过寻找社会网络中不相交极大团,并为极大团中节点赋予标签及权重的方式获取标签更新时需要的种子,采用社会网络中节点均拥有标签作为算法迭代终止条件。这种策略降低了两种算法的开销,并使标签在有意义的局部范围内传播。在仿真网络和真实网络上的实验结果表明该微观结构极大团是社区结构的核心,异步算法ALPA-A较同步算法ALPA-S更易于收敛以及同步算法ALPA-S具有较好的社区检测质量、自适应性和健壮性,能够适应多种类型拓扑结构的社会网络。

神经网络集成的城市道路状态判别模型研究

针对城市道路交通状态影响因素多、判别难的特点,在分析K-均值聚类算法和概率神经网络(PNN)的基础上,利用多源检测信息的互补性,提出一种基于快速全局聚类分析的概率神经网络集成模型,通过聚类提高集成网络间的差异度,同时利用主成分分析(PCA)优化概率神经网络结构,仿真实验表明该模型与传统的集成方法Bagging相比,能够利用更简单的网络结构,快速有效地识别出城市道路交通状态,为交通预警和诱导策略的制定提供数据依据。

《MS Office高级应用》课程教学模式实践

针对应用型本科院校新生计算机应用水平参差不齐、自主学习能力弱以及大数据时代社会对大学生信息处理能力要求较高等问题,提出将原来的《计算机应用基础》课程扩展为《MS Office高级应用》课程,并将学者网(scholat.com)课程平台作为该课程的移动学习空间,满足了不同层次不同类型学生的泛在学习需求,解决了生师、生生之间交流不畅等问题.分组并以CDIO理念组织课堂教学,强调教师的作用不只是教会学生现有的知识体系,更应注重学生学习能力和情感价值观的培养,使学生获得了不同程度不同侧面的提高,有效的实现了个性化的培养和发展.试验数据表明,该模式取得了良好的效果.

电子政务异构系统数据交换平台的实现研究

以电子政务资源整合需求为背景,依托政府专网,基于XML,Web Services和IBM WebSphere MQSeries中间件等作为数据交换的技术基础,针对电子政务异构系统数据交换平台的内部结构、交换标准、安装配置、传输方式和接口以及信息发送和接收等问题,提出了简单可行、代价最小的实现方法.

一种基于模糊神经网络的城市道路交叉口可变相序控制

在结合模糊控制和神经网络各自优点的基础上,提出一种城市道路交叉口可变相序自适应控制算法.算法根据通行权转移度设计出相位转移模块和绿灯延时模块,并分别为之建立模糊控制器,每个控制器都通过多层BP神经网络来实现.仿真结果表明,该方法能有效地减少单交叉口平均车辆延误,具有较强的学习和泛化能力.

多特征融合的人脸表情识别

提出了一种多特征融合的表情识别模型:首先,对预处理后的图像提取2种局部描述算子Gabor特征和多元中心化二值模式特征,根据对表情的贡献程度划分表情子区域;其次,通过主成份分析法对表情子区域的特征向量进行降维,并构建随机子空间训练分类器;最后,利用Bagging技术提高多分类器的分类性能,并采用加权投票的融合规则进行决策判别.人脸表情库的实验结果表明,此方法有很好的鲁棒性和识别率.