基于文本计算的我国数据安全政策与科研主题协同研究

[目的/意义]随着我国数据要素市场从无序自发的探索阶段进入有序规范的正式探索阶段,在此过程中,数据安全问题尤为突出,并已上升至国家战略层面,而探究我国数据安全政策与科研的协同情况,能够为推动我国数据安全科学研究和完善我国数据安全政策提供重要的参考与借鉴。[方法/过程]本文以我国数据安全领域的547部政策和2466篇科研论文为样本,结合NMF主题模型和Word2vec模型,分别对政策文本和科研论文进行主题识别,并通过相似度计算方法探究我国数据安全政策和科研主题演进与协同的情况。[结果/结论]数据分析发现,我国数据安全政策与科研主题呈现出协同一致、协同演进的关系,并且在数据要素和跨境数据流动主题中出现了明显的科研推动政策的协同趋势。

基于SDAE特征表示的协同主题回归推荐模型

为解决推荐系统中的冷启动问题,在协同主题回归CTR模型的基础上引入堆叠去噪自编码器SDAE深度学习网络,用于学习用户辅助信息的隐表示,建立SDAE-CTR模型。模型应用2层SDAE网络,以用户信息为网络输入量,将编码过程获得的用户辅助信息的隐表示和解码过程获得的输入近似表示为网络的双输出量,最小化用户辅助信息和近似表示的差值来确定最优隐表示。模型融合用户-项目评分矩阵(冷启动条件无评分)、项目内容信息和用户辅助信息实现用户对未评分项目的评分预测,并在LastFM、Book Crossing和MovieLens数据集上从推荐准确度、新颖性和用户冷启动条件下的推荐效果等3方面对SDAE-CTR模型和CTR模型进行比较。结果表明,SDAE-CTR模型在冷启动或非冷启动的条件下,推荐效果都要优于CTR模型的,虽然新颖性较CTR模型稍微逊色一些,但理论上在合理的范围内,总体上SDAE-CTR模型表现较优。

主题协同教学在“新班级教育”中的应用

本文结合主题协同教学在"新班级教育"中的实践开展,具体论述了该种教学的基本原则、实施形式、及实践体会与启示,期望能引起广大教育工作者的理论兴趣与实践探索。

基于政策文本计算的开放数据与数据安全政策协同研究

[目的/意义]5G、人工智能、区块链等技术的发展给大数据产业带来了崭新的机遇,数据政策作为国家调控大数据产业的重要手段,它的制定与实施受到了社会的广泛关注。在数据政策中开放数据与数据安全作为主要任务,两者协同关系的研究是推动大数据产业健康发展的关键因素。[方法/过程]文章通过LDA主题聚类方法选取数据政策中开放数据和数据安全的主题关键词,再把主题分布、共现强度、政策力度的数值进行加权计算得出主题协同度。[结果/结论]数据分析发现:我国数据政策中开放数据和数据安全主题协同度数值整体较低,但部分政策主题协同度数值大于0.8,说明这些政策间协同关系较为紧密,最后根据我国大数据产业实际发展情况结合计算结果,给出政策制定对策与建议。

基于政策文本计算的数据开放与隐私保护政策协同度研究

开展隐私政策中数据开放和隐私保护的主题协同度研究,旨在完善政府数据开放平台的隐私政策,进而推动数据开放和隐私保护在实践中的协同和平衡,对推进我国政府数据开放的可持续发展具有重要意义。文章通过政策文本计算,用LDA主题聚类法选取主题关键词,分别计算主题分布和共现强度,再经过加权计算得出隐私政策的主题协同度。研究发现,我国政府数据开放平台隐私政策的数据开放和隐私保护的主题协同度数值偏低,近5成政策得分为零分,数据开放主题数值大概率高于隐私保护主题数值。结合我国政府数据开放实践中的实际情况,文章提出继续完善数据政策网络体系、加强隐私保护、构建多元协作机制、增强政策实施协同效力等对策。

一种基于多任务学习的科学文献推荐算法

传统推荐算法通过主题模型或者词语向量化的平均值对文本内容进行映射。针对现有方法不能充分利用文本信息或忽略词序信息这一问题,文中面向科学文献,提出了一种多任务学习推荐方法。该方法基于多任务学习框架,设计编码器并搭建了GL模型。该模型被训练为内容推荐与文本元数据预测的组合,可改善传统协同过滤的稀疏性问题,使得协同过滤模型正则化。最后,分别在公开数据集与私有数据集上进行了评估测试,结果表明所提方法性能优于现有的经典方法。

基于LDA和CTR的用户模型分析

个性化服务一直是研究的热点,但是如何构建完整的用户模型是一个颇有挑战性的问题。将基于主体模型LDA对用户模型进行预测,在用户和推荐项目的特征向量上采用CTR进行约束,使结果更为准确。在只需要少量人为因素下,由机器来训练最初的主题模型,在训练模型的基础上,通过选取100名用户的微博作为测试,用等级打分制来对推荐的项目进行打分,最终的结果显示,在新闻推荐上,微观满意度达到82.5%;而在名人推荐上,微观满意度达到了84.3%,综合以上,推荐服务的满意度还是令人满意的。

区域协同研修的内涵及实施路径

区域协同研修是指针对教师研修机会不均等、研修主题不关联、研修经费不均衡等问题,以及区域教研与校本教研分层的现象,以区域“主题研修工作坊”为场域,由教师发展中心实施的资源统筹、潜力整合和场域联动的教师研修模式。这种模式包含了管理协同、团队协同、区校协同三个维度的协同关系。

基于大数据技术的农产品智能推荐方法研究

随着智慧农业与大数据智能的兴起,农产品电商平台智能推荐方法正成为高效满足个性化需求的重要手段。针对传统推荐方法存在的耗时长、效率低问题,本研究提出了基于大数据处理技术的农产品智能推荐方法。该方法首先将文档主题算法与矩阵分解算法混合,形成文档主题与矩阵分解混合算法;然后,将基于物品的协同过滤算法和文档主题与矩阵分解混合算法进行加权融合;最后,搭建Spark并行化计算平台,抓取京东商城和中国农产品网销售评分、评论等数据,进行特征提取、加权融合、智能推荐、误差测评。实验结果表明:文档主题与矩阵分解混合算法可有效提高推荐准确率;主题加权融合协同过滤算法可提高多样性;农产品智能推荐方法在推荐质量及执行效率方面具有明显提升。