基于学习行为的MOOC用户持续学习预测框架

大型开放式网络课程(MOOC)的出现虽然极大地改变了人们的学习方式,但用户在MOOC平台开展学习的学习情况及完成率预测仍是目前一个重要的技术挑战。针对预测的需求,从用户的学习行为中对用户和课程进行分析,采用长短时记忆机对学习者的学习活动进行建模,采用多头注意力机制对用户和课程之间的交互活动情况进行分析,提出一个基于门控单元的特征融合框架,用于学习情况预测。在公开数据集上的结果表明:所提框架能够提升预测精度,使得MOOC平台能够尽可能早地对用户活动进行干预,从而提升整体的MOOC平台使用体验。

基于双图混合随机游走的社会化推荐模型

近年来,可以有效缓解数据稀疏和冷启动问题的社会化推荐受到了研究者和业界的关注.社会化推荐利用显式或隐式社交关系作为辅助信息,提升了推荐性能.然而,目前的社会化推荐模型通常采用普通图描述社交关系.普通图中的边常描述为成对节点的关系,这种方法适合描述显式关系,但难以描述复杂的隐式关系,如购买过同一商品的多个用户之间的集合关系,因此难以学习到准确的节点表示,影响推荐的性能.针对此问题,本文结合超图和普通图,提出基于双图混合随机游走的推荐(BG-Rec)模型.构建超图描述复杂的隐式关系,同时用普通图描述显式的社交关系,并在两种图上定义混合随机游走策略,生成结合隐式关系和显式关系的游走节点序列,学习更准确的节点嵌入表示.根据用户评分的高低,构建了正反馈超图和负反馈超图,考虑更细粒度的朋友关系,以识别可靠的朋友.融合可靠朋友的偏好和后验概率最大化优化物品个性化排序.三个公开数据集的大量实验表明了BG-Rec在推荐性能上的优越性,冷启动和消融实验表明了其在缓解冷启动问题的有效性和超图建模的合理性.

新型智慧城市评价指标体系研究

一、引言 新型智慧城市是以创新赋能驱动城市发展转型，全面推进新一代信息通信智能化技术与区域协同发展战略深度融合，提高城市综合治理能力现代化水平，实现城市可持续发展的新路径、新模式、新形态；是促进城市传统发展方式转型升级，提升人民群众便捷感、安全感、获得感、公正感、幸福感和满意度的重要载体。当前，新型智慧城市建设已经成为推动我国经济改革、产业升级、提升城市综合竞争实力的重要驱动，但仍面临很多问题。

网络欺凌检测综述

网络欺凌在社交媒体平台的日益泛滥引起了研究者的广泛关注,社会科学和计算机科学研究者从不同的角度对该问题进行了研究与探讨.为梳理这些研究,本论文对社会科学领域和计算机领域在网络欺凌方面的研究进行了调查分析.首先概述了网络欺凌的基本研究内容和网络欺凌特征,重点讨论了各种用于网络欺凌检测的机器学习方法,包括基于监督学习、基于弱监督学习、基于预设规则和深度学习算法,随后总结了12个现有的网络欺凌检测数据集和常用的检测性能评价指标,最后对基于异构信息网络、融合多种辅助信息和结合心理学特征的欺凌检测方法等进行了展望.

能力培养目标驱动的软件开发类课程实践教学方法研究

复杂软件能力培养是计算机科学与技术专业和软件工程专业的一项核心任务,特别是在工程教育认证背景下,更加凸显了其重要性。软件能力内涵丰富,涉及需求、设计、实现、测试和维护等多维度能力。依托作者团队所负责的本科生"面向对象设计与构造"课程,对复杂软件能力的内涵进行了梳理,并提出了一种大小周期相结合的实践教学方法,其中大周期强调实践作业间的迭代,小周期强调一次作业中的过程控制。最后,通过实际教学所收集的数据,对该教学方法的应用效果进行了初步分析。本文所研究的方法适用于软件开发类课程,同样也对工程实践类课程具有参考价值。