融合知识图谱和兴趣偏好的数字文化资源推荐方法

在数字文化资源推荐中,资源与用户兴趣的精准匹配扮演着关键作用。虽然知识图谱有效地解决了传统推荐算法中数据稀疏性与冷启动问题,但知识图谱的静态结构却限制了对用户兴趣动态演化的理解。针对上述问题,文中提出了一种融合知识图谱和兴趣偏好的数字文化资源推荐方法(Knowledge Graph Interest Preferences,KGIP)。该方法首先通过构建知识图谱的嵌入表示用以建立用户与资源之间的关联关系。其次,采用长短期记忆网络模块表征用户的兴趣,并挖掘用户长短期历史行为中的复杂特征,更准确地捕捉用户的兴趣偏好。最后,为了充分利用兴趣偏好以及资源之间的关联信息,将两种特征表示进行融合送入多层感知器学习不同潜在因子之间的非线性结构特征,引入Sigmoid激活函数得到最终预测结果。通过在豆瓣平台和国家文化云平台数据集上进行多次实验验证,结果表明KGIP在数字文化资源推荐中具有良好的表现。

基于Unity和Leap Motion的虚拟课堂系统

针对现有虚拟课堂交互性不足的问题,设计并实现了基于Unity和Leap Motion的虚拟课堂系统。基于Unity构建不同的虚拟场景,实现了场景漫游和交互功能;设计了合理的UI交互界面,引导学生自主学习,从而极大地调动了学生学习的主动性;基于Leap Motion和深度学习算法开发手势交互功能,将手势识别加入到虚拟课堂当中,丰富了交互体验,有效提高了课堂沉浸感和参与感。经调研,系统能够有效解决现有虚拟课堂存在的问题,从而提高学习效率和学习趣味性,同时具有较好的交互体验感。

数字文化资源知识图谱多目标跨域推荐方法

数字文化资源具有资源丰富、种类繁多等特点。针对数字文化资源的推荐,考虑到其资源类型的异构多样性,又可以划分为多个不同的子类别域。然而目前大多数的推荐方法仅针对单个物品类别域,无法捕获用户偏好在多个域之间的传播,并有效地利用其他域所提供的信息。基于此,一种基于知识图谱的多目标跨域推荐模型(knowledge graph multi-target cross-domain recommendation model,KGMT)被提出。首先通过知识图谱构建不同域之间的联系,并生成其中有关用户和物品的全局域嵌入。然后采用一种基于自注意力机制的融合注意力模块来联合目标域和全局域的嵌入表征,有效地利用全局域信息来提高每个目标域的推荐效果。最后分别在豆瓣和国家文化云平台的真实数据集上进行了多组实验,实验结果证明KGMT的表现优于基线模型,同时提高了多个目标域的推荐指标。

虚拟环境下的低延迟协同渲染方法研究

虚拟现实技术以其独特的沉浸感、交互性,在游戏、直播等各领域的应用愈加广泛。渲染技术是虚拟现实的核心环节之一,而只在本地客户端渲染是目前主要渲染方案,由于实时渲染需要大量的计算资源,导致虚拟现实应用存在响应延迟高、画面刷新率低、图像质量差以及虚拟场景复杂等问题。针对上述问题,该文提出了虚拟环境下低延迟协同渲染方法。首先,将复杂的虚拟环境进行前景交互和背景环境拆分;其次,将渲染工作量较大的背景环境卸载至服务端进行处理;最后,通过运动轨迹预测将渲染的复杂背景以全景图的方式进行分割编码传输至客户端与前景渲染的内容进行合并呈现。经过实验验证,这种协同渲染的方法能够进一步降低传输过程中的CPU/GPU利用率以及网络延迟,提高帧刷新率,进而实现高清低延迟交互。

SYT勘探中基于VTK的三维地质建模技术

通过将VTK与一种新的时T天然电磁波勘探技术相结合，在研究vTK体系结构的基础上，使用MicrosoftVisualStudio和VTK等开发工具，采用Delaunay三角剖分法将离散的数据点进行三角网格化，进而完成整体地层的三维建模，将物探成果以立体的方式更加直观的展示出来，并分析了虚拟现实技术与物探技术相结合的可行性。

一种融合协同因子的知识图谱传播推荐模型

针对传统推荐模型存在的稀疏性和冷启动问题,引入知识图谱作为辅助信息,可缓解以上问题并具有可解释性。然而相比用户偏好传播,知识图谱更倾向知识传播且难以捕捉高阶关系。为此,文中将协同因子模块融合到知识图谱传播推荐算法中,以捕捉高阶关系和发现隐式模式。此外,设计了一个由共现矩阵密度参数构成的密度门,使得协同因子模块能够通过感知共现矩阵的稀疏性来控制输出。最后分别在电影、图书和音乐这3个公开数据集上进行对比实验,实验结果表明该模型在点击率预测场景中表现较好,在知识图谱实体关系难以解释用户兴趣偏好的数据集上指标提升明显。

地理补充课外知识的思考与探索

湘教版初中地理教材内容结构合理,留给了师生宽广的学习空间,教师在落实"双基"的基础上可发挥的余地很大。在平时的教学过程中,教师不能仅仅讲述书本上的地理知识,还应该给学生传授一些课外的知识。那么,为什么要给学生补充课外知识呢?补充哪一方面的内容呢?补充课外知识要注意什么问题呢?下面,我就地理课外知识的必要性、选择内容及应注意的问题进行了一些思考与探索:一、课外知识有其讲授的必要性作为一名地理老师。

基于Leap Motion的虚拟课堂手势交互方法

随着虚拟现实技术的飞速发展,Leap Motion等体感传感器出现并被广泛地应用在人机交互中.针对Leap Motion体感控制器在识别范围边缘识别率低且识别速度慢的问题提出了一种基于深度神经网络的Leap Motion手势交互方法.该方法在定义的交互手势基础上,设计了三维交互系统并应用到虚拟场景中.系统首先通过Leap Motion进行数据捕捉,对获取到的红外图像采用深度神经网络进行特征提取并实现对手势的分类识别,然后结合Leap Motion获取的手部坐标前后帧的变化来判断动态手势,最终结合动态手势完成虚拟场景中的交互功能.经过实验验证,本文手势识别方法无论是在识别速度还是识别精度上都优于Leap Motion自带的手势识别方法,同时在Leap Motion识别范围边界处仍能保持较高的识别率.

命名数据网络中基于熵的概率缓存替换策略

针对命名数据网络(NDN)中典型LRU和FIFO缓存替换策略只考虑单一影响因素时间新进度,无法区分内容的请求频率是高是低,存在流行内容被非流行内容驱逐的问题,为实现高效的NDN缓存替换,提出了一种基于熵的概率缓存替换策略(EPR)。该策略在数据包原有格式基础上进行拓展,增加3个字段分别记录缓存内容大小、内容流行度和请求代价;然后使每个路由节点在需要替换数据包时,统计该节点所有数据包携带的这3个字段的信息,根据属性值和分配的属性权重计算每个数据包的熵权重值和替换概率;最后基于计算的替换概率进行缓存内容的替换。实验结果表明,相较于常见的NDN缓存替换策略,该策略能有效提高平均缓存命中率,降低平均请求时延。

命名数据网络中缓存优化策略的研究

针对命名数据网络(NDN)中传统缓存放置策略存在的数据冗余以及对所有内容提供无差别服务的问题,提出了一种基于节点重要度和内容类别的缓存放置策略(NICC),该策略根据不同服务的QoS需求,将命名数据网络中的内容划分为不同的类别,为不同类别内容设计不同的权值,且提供不同的缓存判决条件。同时考虑NDN网络中的路由节点的重要度,节点重要度的度量为介数,介数越大与该节点相联系的链路条数越多,即有更多的内容转发路径要经过此路由节点,然后在节点重要度高的路由节点优先考虑处理高优先级和高QoS需求的缓存,并能更好地满足不同服务需求的缓存资源。仿真实验显示,所提出的缓存放置策略在平均缓存命中率上超过45%,平均请求时延低于12ms,降低了缓存冗余,提高了缓存效率。

深度密度法反演人工地震勘探在宣东二号煤矿的应用

人工地震勘探一直是地质深层地球物理勘探的主要方法。多年来,物探地质解释人员一直期望能有一种有效的数理方程直接将野外获得的数据(时间剖面)转换成野外实际地质剖面——深度、密度剖面,以便从中提取各种地质信息,如岩性、深度、厚度、地层产状、褶皱、小断层等。深度密度法地震资料反演软件目前可以实现上述期望。2008年宣东二号煤矿三、四采区的三维人工地震勘探资料使用深度密度法反演后,地质人员对Ⅲ3煤层埋深、厚度的解译成果,经过井下巷道某段素描图的检验,基本完全一致。该方法解译的煤层底板等高线图、煤厚等厚线图,经实践验证,在井下生产过程中可以起到一定的指导作用。

耳闻目睹陨石雨

耳闻目睹陨石雨□王西汉（山东菏泽市２２中公元１９９７年２月１５日（农历正月初九）深夜２３时２５分，山东省荷泽地区鄄城县，一阵惊心动魄的声光过后，降下了一场罕见的陨石雨。我做为一名地理教师、天文爱好者，对这一天文现象产生了浓厚的兴趣，走访了一些目击者，...