面向信息系统推荐与决策的高阶张量分析方法

张量数据(或多维数组)在各个行业的信息系统中广泛存在,例如医疗系统中的功能性磁共振成像(fMRI)数据和商品数据信息系统中的用户-产品数据.将这些数据用以预测张量特征与单变量响应之间的关系,可以实现数据赋能,提供更精准的服务或解决方案,例如疾病决策诊断或商品推荐.然而,现有的张量回归方法存在2个主要问题:一是可能丢失了张量的空间信息,导致预测结果不准确;二是计算成本过高,导致服务或解决方案不及时.对于具有高阶结构的大规模数据而言,这2点则显得更为突出.因此为了实现数据赋能,即利用张量数据来提高信息服务或解决方案的质量和效率,提出了稀疏低秩张量回归模型(sparse and low-rank tensor regression model,SLTR).该模型通过对张量系数应用l1范数和张量核范数使得张量系数具有稀疏性和低秩性两大特点,这样既保留了张量的结构信息又可以方便地解释数据.利用近端梯度方法优化了混合正则化器,使得求解过程可扩展且高效.除此之外证明了SLTR的严格误差界.在多个模拟数据集和一个视频数据集上的实验结果表明,SLTR相比于之前的方法,在更短的时间内获得了更好的预测性能.

大学生通识课程选择影响因素研究的因子分析——以N校为例

目前,各大高校均积极响应国家政策大力开展通识教育改革,素质教育全面展开,而部分应用型高校的通识教育仍存在课程体系设置不完善、通专无法有效结合以及学生对通识课程缺乏重视等问题。本文以学生为研究主体,根据归因理论,参考教育心理学所提出的学生、教师、教学内容、教学媒体和教学环境等五大要素,通过Student、School、Teacher、Course四个维度研究其对大学生通识课程选择的影响程度。研究发现,教师因素对大学生通识课程选择的影响较大。应用型高校需通过优化教学方式与加大资源投入等措施提升自身通识教育水平,提高人才培养能力。

基于信息推送的领域垂直搜索引擎研究

随着互联网信息量的不断膨胀,以及人们对获取信息的速度、针对性、准确性等方面更高的要求,传统搜索引擎已经无法满足用户的需求。针对于此,本文提出了通过分析用户行为特征得到用户兴趣点,主动推送有价值的信息,结合领域垂直搜索技术的思想,并以数码产品搜索领域为例,分析设计了一款基于信息推送的数码产品垂直搜索引擎。通过实验证明,基于信息推送、垂直搜索思想的Web检索"点播"服务模式是能够发现并匹配用户兴趣的,基于此思想的推送和搜索结果是准确快速有效的,系统设计方案是切实可行的。

“人人平等”质疑

在法律面前“人人平等”的口号,本来是资产阶级为了反对和消灭封建阶级提出来的。我们今天研究这一口号的正确与否,首先必须弄清楚资产阶级提出这一口号的历史背景及其实质。资本主义商品交换刚刚兴起的时候,资本主义就遇到了封建制度的束缚。特别是随着社会的经济发展,国内市场的扩大,以及海外市场的发现,封建社会中孕育的小市民阶层所从事的小手工业、小作坊生产,再也不能满足于日益增长的市场的需要,于是在最先进的国家里,手工业就为工厂所代替。可是社会政治结构,决不会身影不离的伴随着社会的经济生活的变化而变化。当历史激烈的演变为资本主义社会的时候。