融入情感分析的多层交互深度推荐模型研究

【目的】针对传统推荐方法中仅依赖单一的用户评分来推断用户偏好,忽略情感态度对用户行为影响的问题,提出一种融入情感分析的多层交互深度推荐模型。【方法】利用BRET词向量表征评论文本,双向循环神经网络量化评论中的情感信息,根据情感分值更新评分矩阵,映射出用户与资源的浅层特征;结合卷积神经网络和自注意力机制从评论文本中捕获用户与资源的深层特征;融合浅层与深层特征,采用多层神经网络建模用户与资源间的非线性交互,预测资源推荐的评分值。【结果】在Amazon Product Data数据集上的实验结果表明,与其他基线模型对比,本文模型的MAE和RMSE指标最多下降7.93和9.73个百分点。【局限】未考虑用户情感的时间动态性,且忽略了情感分析方法的领域自适应性。【结论】融入情感分析的推荐模型能更准确地反映用户真实兴趣偏好,对比现有相似模型,本文所提模型能有效提升推荐质量。

“三孩”政策背景下家庭生育意愿及其影响因素的调研报告——以台州市为例

本研究以台州市为例,进行已婚女性生育意愿的调研,发现年龄、生育风险感知(包括健康风险感知、经济风险感知、照料风险感知、工作风险感知、教育风险感知)对生育意愿的影响有统计学意义。在此基础上,从公众媒体、政府及社会力量方面提出一系列可行性建议,以提高已婚女性的生育意愿,推动“三孩”政策的落实。

初中STEAM课程认知能力和科学素养培养模型--基于反思性学习的思考

本文基于反思性学习理论、布鲁姆认知目标分类理论以及PISA2018科学素养培养理论,分析造成目前STEAM课程重“技能培养”轻“知识学习”、重“活动形式”轻“科学精神”问题的原因。构建基于反思性学习的STEAM课程认知能力和科学素养培养模型,解决STEAM课程流程固定化、学习程度浅、重视外在活动形式、缺乏科学精神培养等具体问题,推动STEAM课程教学效率的提高和STEAM课程在我国的进一步发展。