基于眼动数据的网络地图界面用户兴趣分析方法

分析网络地图界面用户兴趣对完善网络地图界面设计和提升网络地图用户体验十分重要。现有的分析方法大多针对人机交互数据进行研究,无法直接反映用户的真实兴趣。为解决此问题,该文提出了基于眼动数据的网络地图界面用户兴趣分析方法。首先通过眼动实验,获取了用户在网络地图兴趣区内的注视点数量,并利用熵权法计算用户兴趣度;其次,融入用户背景信息,建立了网络地图用户兴趣信息集,通过决策树ID3算法对其进行分类,归纳提取了用户兴趣分析结果集;最后利用查全率、查准率与F值进行分析结果评价。实验表明,分析结果集匹配成功率为90%,基于眼动数据的用户兴趣分析成功率为85%,高于基于Web日志的用户兴趣分析结果,证明了该方法能有效分析网络地图界面用户兴趣。

关联规则在浏览者兴趣分析中的应用

文章讨论了关联规则、Aporioi算法、多层次关联规则以及在挖掘电子商务网站用户兴趣方面的应用,并以网站部分数据为例,应用多层次关联规则进行兴趣分析。

当代大学生对体育理论课兴趣分析

通过对在校大学生对理论课兴趣趋向的调查剖析,揭示一成不变的理论教学模式急待调整改变,教学内容急待更新充实,大学生的健康理念提升,体育知识摄取范围日趋扩大,进而对体育理论课教学效果提出新的更高的要求。

对中学生上体育课的兴趣分析与建议

就中学生上体育课的兴趣进行调查分析 ,提出了完善教学方法的理论观点 .

基于兴趣图谱的用户兴趣分布分析及专家发现

尽管用户可自主生成个性化数据以更全面描述个人偏好,但由于用户创建数据不严谨、不可控,导致生成的庞大数据集大多存在质量低、噪声严重的缺陷.因此管理复杂网络信息时,不能仅使用写入性知识,必须重视具有大量领域知识的专家,因为其可为系统提供高质量的信息.本文通过构建和分析用户兴趣分布曲线以发现兴趣领域专家,并提出甄别状态不正常的伪专家算法.由于网络中权威专家数量较少,所以所提供的信息是有限的.因此本文定义的领域专家不仅包含权威专家,而且包含普通用户中对某领域有极高关注的兴趣领域专家.实验证明算法的正确性和高效性,并且较低的复杂度使其可处理海量用户节点信息.

作者主题演化模型及其在研究兴趣演化分析中的应用

从海量科技文献中自动挖掘隐含主题、研究人员的研究兴趣及其演化规律是信息服务迈向知识服务需要解决的关键问题之一。目前的方法多从静态的角度分析文献主题、科研人员的研究兴趣，而演化分析的方法主要集中文档的内部特征，即文档内容本身，很少考虑作者等外部特征。基于此，本文在AT和ToT模型的基础上构建了作者主题演化（AToT）模型，并给出了一种估计AToT模型参数的吉布斯采样方法。该模型集成了AT和ToT模型的优势，不仅可以揭示科技文献中隐含的主题、作者的研究兴趣，而且可以挖掘研究兴趣随时间变化的规律。最后，以1740篇NIPS会议论文集作为实验数据，通过与AT模型的对比分析验证了AToT模型的可行性和有效性。

基于兴趣区检测与分析的水上桥梁识别

研究自然景物光学图像中大型水上桥梁自动识别的问题 ,提出了一种新的基于知识的两阶段目标识别策略 .首先在全视场中检测符合水上桥梁上下文关系的兴趣区 ;随后对检出的兴趣区进行图像分割与特征抽取 ,基于桥梁的几何特征运用模糊推理识别目标 ,并选择中央桥墩或桥身为瞄准点 .对多种场景多种类型的大型水上桥梁光学图像作识别实验 。

课堂教学环境下学生学习兴趣智能化分析

学习兴趣影响学习发生的方式和学习过程,是提高学习效果的重要因素。目前对教学环境下学生学习兴趣的研究大多采用传统的问卷调查或案例分析等方法,不利于教师对课堂中学生学习兴趣的及时获取以便有效改善教学行为。因此,本文基于多模态自然感知技术展开对学习兴趣的智能化分析研究,提出了三维学习兴趣模型,通过对头部姿态、面部表情、课堂互动多模态信息识别与融合,从认知注意力、学习情感与思维活跃度三个维度综合理解学生的学习兴趣。实验结果表明,该学习兴趣智能化分析方法能真实反映学生的学习兴趣状态,为教师改进教学方法、提高教学效果提供客观依据及有效手段。

基于DBSCAN算法的大学生课程兴趣度分析

针对校园无线网对大学生学习行为的影响,通过采集的校园无线网行为数据,挖掘分析评估学生课程兴趣度,更好地辅助教学管理。本文基于DBSCAN聚类算法评估了学生群体课程学习兴趣度。并通过实验验证了DBSCAN聚类算法在大学生课程兴趣度分析的有效性,实验分析结果可为学校学生管理提供了有效决策依据,研究方法也可为其他高校解决类似问题提供了参考。

强迫症患者局部脑血流变化的SPM和ROI分析

目的 用99Tcm 双半胱乙酯(ECD)SPECT显像研究强迫症 (OCD)患者的局部脑血流 (rCBF)变化。方法 受检者为 14例OCD患者 (OCD组 )和 2 3例年龄相匹配的健康志愿者 (CN组 )。99Tcm ECD脑SPECT显像后 ,用统计参数地图 (SPM)和感兴趣区 (ROI)两种方法分析OCD组和CN组的rCBF分布差别 (rCBF增高区和降低区 )。P值设为 0 .0 1。结果 SPM分析显示OCD患者双侧壳核、颞上回和楔前叶 ,右侧眶回、额上回和额中回 ,左侧颞枕叶、顶上小叶和小脑蚓部的rCBF降低 ;同时 ,左侧额下回和扣带回后部有小范围的rCBF升高。ROI分析显示OCD患者右侧大脑颞前叶、顶颞叶和左侧大脑颞枕叶的脑血流分数明显低于正常大脑的相应皮层 (P <0 .0 1)。基底节的rCBF无明显差异。结论 研究结果支持OCD患者的额纹状体环路病变假说 。

农村高中学生学习武术健身操兴趣的调查研究

本文对普通高中学生学练武术健身操前后对武术健身操兴趣的变化进行分析，揭示兴趣在武术操教学活动中的功效，探索其形成条件和培养方法，促进武术健身操教学的深入发展，进一步提高武术健身操教学质量。

浅谈小学美术课堂学生学习兴趣的提升

目前,美术成为推动艺术课堂教学的必然趋势,利用审美形式的创新性特点,让美术课堂更加生动形象,辅助学生提高对艺术的审美情趣,推动学生对美术的追求精神,给学生提供了更加丰富的艺术体验环境,对艺术课堂教学推动达到很好的效果。

浅谈激发小学生英语学习兴趣的策略

在当前的社会发展过程中,小学英语教学有着极为重要的现实作用,能够进一步使学生综合能力得以不断提升,并且使我国基础教育所拥有的国际化特征得以进一步体现。英语教师需要充分对优质且高度和谐性师生关系进行综合性构建,为优质英语环境进行创设并为优质创新型教学活动进一步设计,充分地使整体教学形式进行综合性更新,使学生对英语学习兴趣能够得到大幅度提升,激发学生学习英语兴趣,并能够养成极为优质的英语学习习惯,学生能够将终身学习作为其自身所拥有的学习态度,为学生更加优质的掌握各类英语知识打下较为良好基础。

谈如何提高学生的学习兴趣

众所周知,兴趣是最好的老师,是帮助学生开启成功之门的钥匙。学生只有对学习产生了兴趣,才会真正全身心投入到学习当中。兴趣可以引领学生不断探索学习中的乐趣,让原本单调的学习生活,变得多姿多彩,让学生乐此不疲。素质教育下的教学,应结合学生的实际情况,创设有利的教学情境,提高学生的学习兴趣。让学生愿意学习,主动学习,喜欢学习。本文旨在研究提高学生学习兴趣的策略,希望能给广大教育工作者提供一些参考和启迪。

LDA模型在微博用户推荐中的应用

潜在狄利克雷分配(LDA)主题模型可用于识别大规模文档集中潜藏的主题信息,但是对于微博短文本的应用效果并不理想。为此,提出一种基于LDA的微博用户模型,将微博基于用户进行划分,合并每个用户发布的微博以代表用户,标准的文档-主题-词的三层LDA模型变为用户-主题-词的用户模型,利用该模型进行用户推荐。在真实微博数据集上的实验结果表明,与传统的向量空间模型方法相比,采用该方法进行用户推荐具有更好的效果,在选择合适的主题数情况下,其准确率提高近10%。

灵活适应不同业务的个性化推荐系统研究

互联网技术的迅速发展,尤其是以个性化为主要特点的Web 2.0的不断成熟,使得大量信息同时呈现在人们面前,个性化推荐技术的价值日益凸显。提出了一种灵活适应不同业务的个性化推荐系统设计方案,采集并分析用户的所有显式行为和隐式行为,结合用户行为配置文件和熵值法分析用户对物品的兴趣度,并引入时间遗忘函数,解决用户兴趣漂移问题,然后基于协同过滤技术得到用户的个性化推荐列表。通过实际数据进行测试,给出了系统推荐效果评估分析。

基于数据中心模式的多网站数据挖掘技术研究

随着互联网的快速发展，Web上的数据飞速增长。面对海量的数据，如何从中找出有价值的信息，运用到商业决策的制定中，已经成为越来越多的人关心的课题。该文主要介绍了web数据挖掘的概念和分类，论述了在电子商务中web挖掘的过程和方法，揭示了数据挖掘在电子商务中广泛的应用前景。论文实现了一个面向多电子商务平台的数据挖掘系统，系统面对多电子商务平台，实现了统一的数据收集和预处理过程，对用户的访问日志进行分析，从网站、商品类别、商品等角度进行数据分析，并又对用户的访问数据进行挖掘，从这些数据中发现潜在的规律，把握用户动态，帮助企业制定商业决策，使电子商务更具个性化和针对性。

基于关联规则挖掘的关联检索建议模型

文章提出了一种基于关联规则挖掘的关联检索建议模型。该模型提供关联关键词建议服务,引导用户进行有效检索。同时模型在用户检索兴趣分析和图书采购中也起到决策支持作用。

美国孩子们的“职业日”

在美国，一些学校过一段时间就会有一个“职业日”。 “职业日”那天，校方请各行各业、三教九流的人到学校来给孩子们介绍各自的工作，走进校园的有律师、拍卖师、营销员、消防队员、警察、运动员、作家等等。孩子们学到的并不是什么职业能赚多少钱，而是社会上的人到底是怎样生存和发展的。

基于深度学习的大学生求职能力与岗位匹配模型构建

大学生就业关系着高校毕业生的稳定,也与国家经济快速发展密不可分,但疫情影响、每年持续上涨的高校毕业生人数、大学生社会经验不足、能力缺乏等都对大学生就业产生不利影响,部分学生至今未解决就业问题。为解决大学生就业难问题,构建大学生求职能力与岗位匹配平台,依托模型预测学生自身的综合能力,进而选择自己感兴趣或者擅长的领域,之后和岗位能力需求进行对比分析,并借助于深度学习DISC算法对岗位能力偏差进行深入的剖析研究,深入了解企业文化,最后结合偏差结果在平台上匹配到相对适合的岗位,进行线上模拟。系统选择使用微信小程序框架、Servlet技术、MYSQL数据库等研发人员常用的系统开发工具,其界面简洁直观,功能丰富,性能出色。