融合兴趣主题矩阵和主题生命树的社交用户长短兴趣挖掘

[目的/意义]针对当前社交用户兴趣挖掘效果不理想,且缺乏对兴趣类型特征的深入研究,提出一种新的长短兴趣挖掘方法。[方法/过程]首先引入兴趣价值参数作为先验知识对Labeled LDA主题模型进行改进,依据改进的主题模型挖掘不同时间窗口的兴趣主题,构建兴趣主题矩阵。然后基于用户兴趣的变化规律构建主题生命树,挖掘用户兴趣的生命特征和潜在关联,将用户兴趣划分为长期兴趣、短期兴趣和过期兴趣。最后依据兴趣主题的强度和波动幅度量化用户不同类型兴趣的权重,实现对用户兴趣的准确表示。[结果/结论]实验采用从新浪微博爬取的真实数据作为训练集和测试集,与已有的兴趣挖掘方法进行比较,结果发现长短兴趣挖掘方法在F1值和MRR值上最高分别提升了7.68%和7.41%。[局限]仅利用微博文本信息对方法进行验证,缺乏对跨平台信息的深入探讨。

基于混合兴趣主题模型的推荐方法

针对跨领域项目推荐过程中用户兴趣稀疏造成的推荐冷启动问题,提出一种基于混合兴趣主题模型兴趣领域潜在狄利克雷分布(PA-LDA)的推荐方法。PA-LDA使用兴趣潜在狄利克雷分布(P-LDA)模块挖掘用户历史行为数据,生成关于目标项目中兴趣主题的概率分布,综合考虑主题和项目内容词对兴趣的影响进行参数估计建模,得到用户对目标项目的兴趣评价。PA-LDA使用领域潜在狄利克雷分布(A-LDA)得到领域对项目目标的兴趣评价,混合两类兴趣评价,使用top-k方法推荐目标项目。在EdX和GCSE两组真实数据集上进行实验,验证方法的有效性和准确性。研究结果表明:PA-LDA可以有效解释用户兴趣和领域兴趣对项目推荐的作用原理,实现多维领域推荐的兴趣特征捕捉,提升推荐的适应性与准确性。

论学生兴趣培养中的“被兴趣”问题

学生兴趣培养问题既是家事也是国事,不仅涉及孩子身心健康发展,也涉及国家高水平创新型人才培养。当前,我国中小学生“兴趣”培养中存在按照“他们”对未来的判断规约孩子兴趣的问题。这种兴趣培养中的“被兴趣”现象和“兴趣”选择中功利化倾向,会导致家庭矛盾、师生冲突,影响学生健康发展,不利于我国高水平创新型人才培养。兴趣源于个体内部需要,是孩子发自内心的喜欢,其形成和发展受环境影响,是认知、情绪和志向相互作用的结果。家庭和学校不仅要深刻认识兴趣之于学生发展的重要性,还要按照兴趣形成和发展的逻辑,为“我”创造丰富的体验空间和包容的成长环境;给“我”营造鼓励性和赞赏性文化氛围;引导“我”深入理解所探究问题的价值;让“我”在自己兴趣领域不断体验高成就感,使“我”的兴趣与崇高理想同向同行。

推荐算法平台“兴趣领袖”:内涵、功能与模式

推荐算法平台的算法迎合、物化计算和算法权力的背后,存在着能影响和引领其他用户兴趣走向的可称之为“兴趣领袖”的关键用户,其角色与作用易被忽视。推荐算法平台“兴趣领袖”体现着从内容传播到兴趣传播、从意见影响力到兴趣影响力、从网络平台到算法平台兴趣传播的面向,强调算法兴趣权力下的用户影响力、算法兴趣制造下的用户间兴趣关系、算法对用户“算计”下的用户反向驯化、算法数据主义中的计算非理性、趣缘社群之外的平台全局引领性。推荐算法平台中的“兴趣领袖”存在着高算法可见度兴趣领袖、高算法优势度兴趣领袖、高算法代表性兴趣领袖、高算法迎合度兴趣领袖、高算法活跃度兴趣领袖、高算法流行度兴趣领袖、高算法连接度兴趣领袖这些主要的角色模式。在推荐算法技术“装置”体系中,需要强调兴趣领袖的角色和传播功能,重视以算法为中介的人和人之间的社会兴趣再生产方式。

融合项目特征级信息的稀疏兴趣网络序列推荐

在以往提取多兴趣嵌入的序列推荐模型中仅能通过聚类的方法发现少量兴趣概念,忽视项目交互序列中特征级信息对最终推荐结果的影响。针对此问题,对传统的多兴趣序列推荐模型进行改进,提出一种融合项目特征级信息的稀疏兴趣网络序列推荐模型。实验结果表明,相比其它模型,该模型可以更好捕捉用户的多样化偏好并缓解冷启动问题。在给定数据集上,该模型比传统的序列推荐模型在命中率上平均提高了6.4%,归一化折损累计增益平均提高了8.7%。

兴趣教育理论的哲学基础和思想渊源

任何一种理论或学说都有自身的哲学基础和思想渊源。兴趣教育理论或兴趣学说是教育学和心理学交融而成的一个重要学说,也是对现代教育和学习产生很大影响的一种理论。关涉这个理论或学说的哲学基础和思想渊源较为复杂,有多种哲学和教育哲学流派以及哲学上一般兴趣说为其提供强力支撑。具体来说,在教育哲学上表现为自然主义,在伦理学上表现为幸福主义或快乐主义,在社会哲学上表现为民主主义,在人生哲学上表现为趣味主义。此外,哲学上的一般兴趣说,如康德的理性兴趣说、培里的价值兴趣说和哈贝马斯的认识兴趣说,也为兴趣教育理论或兴趣学说提供了重要理论支撑。

如何培养孩子的数学兴趣

数学是一门对学生思维能力要求较高的学科,有学生觉得比其他科目难学,由此产生的焦虑往往会导致对数学学习缺乏兴趣甚至丧失信心。在小学数学的教学过程中,教师要注重激发学生学习数学的兴趣,可以从游戏引导、营造氛围、联系生活、学会分享四个方面入手。

培养小学生数学学习兴趣的策略

教育最大的奥秘是让孩子们“觉醒”,这种“觉醒”便是对学生学习兴趣的唤醒。兴趣是数学学习最好的催化剂,能让抽象的概念、精确的数字变得更加生动有趣,让数学课堂变得更加活跃。作为一名数学教师,帮助学生养成良好的数学兴趣是一项长久性的工程,以下是笔者的一些拙见。

激发初中学生物理学习兴趣的策略探究

爱因斯坦说:“兴趣是最好的老师”。在枯燥的学习体验中,学生在具备足够兴趣的基础上,其学习积极性和主动性会更强,思维发散更加有效,学习创造力更强,进而学习质量和效率也会更好。因此,在初中物理教学过程中,教师应注重激发学生的学习兴趣,让学生更好地融入到初中物理教学,带给学生更好的学习体验,具有很强的现实意义。

融合自适应周期与兴趣量因子的轻量级GCN推荐

推荐系统在成熟的数据挖掘技术推动下,已能高效地利用评分数据、行为轨迹等显隐性信息,再与复杂而先进的深度学习技术相结合,取得了很好的效果.同时,其应用需求也驱动着对基础数据的深度挖掘与利用,以及对技术要求的减负成为一个研究热点.基于此,提出一种利用GCN(graph convolutional network)方法进行深度信息融合的轻量级推荐模型LG_APIF.该模型结合行为记忆,通过艾宾浩斯遗忘曲线模拟用户兴趣变化过程,采用线性回归等相对轻量的传统方法挖掘项目的自适应周期等深度信息;分析用户当前的兴趣分布,计算项目的兴趣量,以获取用户的潜在兴趣类型;构建用户-类型-项目三元组的图结构,并结合减负后的GCN技术来生成最终的项目推荐列表.实验验证所提方法的有效性,通过与8个经典模型在Last.fm,Douban,Yelp,MovieLens数据集中的对比,表明该方法在Precision,Recall及NDCG指标上都得到良好改善,其中,Precision平均提升2.11%,Recall平均提升1.01%,NDCG平均提升1.48%.

结合兴趣点类别周期属性和用户短期偏好特征的推荐模型

随着基于位置的社交网络在日常生活中的广泛应用,有效提取用户的隐藏兴趣和行为序列模式并向用户提供满足其个性化需求的下一个兴趣点推荐服务成为推荐领域的热点问题之一.针对下一个兴趣点推荐中的用户偏好挖掘问题,提出基于用户兴趣点类别周期性偏好和短期兴趣相结合的兴趣点推荐模型(Combining Periodic and Spatio-Temporal Intervals'Network,CPSTIN).该模型将用户的签到记录按小时时段模式嵌入时间窗口并使用多头自注意力机制提取用户结合用户兴趣点类别的周期性偏好;同时,将非连续时空间隔信息送入可学习矩阵,使用线性插值法提取用户基于高阶关联性的短期兴趣.最后,在两个真实数据集上验证了该模型的有效性,证明其能有效地利用用户高阶关联性短期兴趣和结合兴趣点类别的周期偏好,更准确地预测用户最有可能访问的下一个兴趣点.

消费观念的转变与兴趣经济的兴起

当前,兴趣消费成为扩大居民消费的一个重要抓手。兴趣经济是继物质经济和符号经济之后兴起的新的消费经济类型。消费者选择消费品时,不仅会注重其物质功能和意义表达功能,而且越来越趋向于以兴趣满足作为优先考虑。消费过程也不再是单一维度的消费,而是物质维度、符号维度和情感维度的交织与融合。兴趣消费可以分为三种类型:作为选择“过滤网”的兴趣消费、作为消费伴生物的兴趣消费和作为消费对象的兴趣消费。

全域兴趣电商助力传统制造业企业转型升级的案例研究:三只小山羊

以“三只小山羊”作为研究对象,采用探索性单案例研究方法,探讨全域兴趣电商助力传统制造业企业转型升级问题。研究发现,“三只小山羊”通过全域兴趣电商增进消费者了解产品背后的品牌理念和品牌文化,激发起消费者的认可和信任,同时通过与全域兴趣电商合作促使企业加快包含产品设计研发、公司组织架构、生产管理、供应链反应等各个方面升级优化,“三只小山羊”利用全域兴趣电商平台最终实现品牌化发展。

全域兴趣电商助力传统制造业企业转型升级的案例研究:衬衫老罗

以衬衫老罗为研究对象,采用案例分析的研究方法,探讨全域兴趣电商助力传统制造业企业转型升级的重要机制。研究发现,全域兴趣电商作为一种消费互联网新业态,具有成本低、用户广、社交属性强等特点,衬衫老罗作为一家纺织服装行业的传统制造业企业,在全域兴趣电商平台的助力下,摆脱了传统的规模化、低利润发展模式,通过引入柔性制造生产线、数字化供应链和电商运营团队等方式,实现了向拥有自主衬衫品牌企业的转型升级。

兴趣诱导结合个性化护理在肺炎患儿治疗中的应用效果

目的:探讨兴趣诱导结合个性化护理在肺炎患儿治疗中的应用效果.方法:选取2022年2月至2023年2月本院收治的104例肺炎患儿作为研究对象.按随机数字表法,将其分为研究组(n=52,采用兴趣诱导结合个性化护理模式)和对照组(n=52,采用常规护理).比较两组患儿相关症状消失时间,护理前、后肺功能指标及护理依从性.结果:研究组患儿发热、咳嗽、呼吸急促、肺部啰音等症状消失时间均短于对照组,差异有统计学意义(P<0.05);两组患儿护理后与护理前相比,肺功能指标[用力肺活量(FVC)、第1秒用力呼气量(FEV1)、第1秒用力呼气量占全部呼气量比值(FEV1/FVC)]均有改善,并且研究组改善水平高于对照组,差异均有统计学意义(P<0.05);研究组患儿总依从率(92.31%,48/52)显著高于对照组(65.38%,34/52),差异有统计学意义(P<0.05).结论:兴趣诱导结合个性化护理在肺炎患儿治疗中能加快缓解患儿临床症状,改善肺功能,提升患儿对护理工作的依从性,建立良好医患关系,值得临床推广应用.

基于导学互动的混合式教学对高校公共体育学生体育学习兴趣的影响分析

《教育信息化十年发展规划》指出要重点推进信息技术的发展,要与高等教育“深度融合”。本文立足“线上线下+导学互动”的教学思维模式,以高校公共体育排球教学为例,运用文献、教学实验、问卷调查等研究方法,对基于导学互动的混合式教学模式对学生体育学习兴趣产生的影响进行分析。研究结果发现:针对学生的体育学习兴趣,将导学互动的混合式教学模式与传统教学模式相比,其对学生运动动机、技能学习、课余锻炼、体育关注度四个方面的影响更为显著。

基于用户兴趣模型的个性化旅游线路生成建模研究

针对个性化旅游线路生成过程中用户个人喜好分析环节较为薄弱,依照用户兴趣分析结果生成路线景点过于分散,旅游线路景区覆盖率较低的问题,提出一种基于用户兴趣模型的个性化旅游线路生成建模方法。获取用户数据,并按照显性兴趣、隐性兴趣的分类方式设定数据标签,完成数据预处理。根据关联规则结合数据预处理结果,构建用户兴趣模型,分析用户对部分旅游目的地的兴趣值以及用户的旅游行为特征。基于用户兴趣模型的个性化旅游线路生成建模方法设计完成。实验结果证实,所提模型可有效克服用户个人喜好分析问题,提升旅游线路景区覆盖率。

时空邻域感知的时序兴趣点推荐

如何捕捉用户行为的动态变化和依赖关系是当前兴趣点推荐的一个重要问题,主要面临着数据稀疏、时空序列特征提取难以及用户个性化差异不易捕捉等挑战。为了解决这些挑战,提出了一种基于时空邻域感知及隐含状态变化的时序兴趣点推荐方法。该方法将用户行为的学习转换成了潜在状态的学习,并以一种结合距离信息的方式引入空间信息,有效地捕捉了用户的移动特征。首先,利用变分自编码器表征用户的潜在状态,再通过图神经网络学习到潜在状态之间的依赖关系,从而捕捉到用户行为的时序依赖;然后,利用注意力机制和径向基函数来捕捉用户与地点候选集之间的空间依赖,进而评估用户访问每个地点的概率,实现兴趣点推荐。在三个真实数据集上进行了实验比较和分析,显示了该方法相比于现有的基准算法具有更好的时序推荐性能。

动物医学专业兴趣培养途径探索及效果分析

为了提高动物医学专业本科毕业学生从事专业相关工作的就业率,以新疆农业大学动医142班为对象,采用引导学生大一开始参加临床实习、成立专业兴趣小组、提高学生专业自信心、邀请临床动物医院院长做专题报告等途径来提高学生的专业兴趣,经过四年引导和培养,并经过四年的持续调查回访,从事专业相关工作的毕业学生较其他同级毕业学生比例明显增加。说明加强学生专业兴趣培养对学生继续进行研究生深造、通过国家执业兽医师考试、毕业后从事专业相关工作等方面具有十分重要的意义。

兴趣驱动模式下的《数值分析》课程教学改革研究

随着科学技术的迅猛发展,数值分析在工程、科学和计算机领域的重要性日益突显。然而,传统的课堂教学模式往往无法有效激发学生的学习兴趣和动力,导致学习效果欠佳。本研究旨在探索并实施兴趣驱动模式下的《数值分析》课程教学改革。通过结合学生的兴趣和实际需求,设计富有趣味性和挑战性的教学内容和活动,以激发学生的学习热情和动手能力。我们采用了基于项目驱动的教学形式,将课堂讲授与实践练习相结合,并鼓励学生参与学科竞赛和科研项目,从而促进其计算思维和知识迁移能力的提升。