融合多知识点与群体特征的个性化知识推荐方法

个性化知识点推荐是智慧教育中的重要问题,旨在提供个性化学习服务和提升学习效果。现有基于深度知识追踪的推荐方法,难以直接处理包含多知识点的综合性习题。仅依赖学习者自身的知识状态进行推荐,存在数据稀疏和结果单一的问题。提出一种多知识融合深度知识追踪与群体特征协同过滤性的个性化知识点推荐方法,将习题对应的多个知识点视为习题特征,引入多热编码表示习题与知识点间的关系,对学习者知识状态建模;通过考虑目标学习者的知识水平和学习者群体的近邻信息,获得相似学习者,并利用协同过滤算法获取群体学习偏好进行知识点推荐。该方法可以更好地适应多知识点习题推荐,同时挖掘群体学习特征,提升推荐效果。

一种多知识源汉语语言模型的研究与实现

针对汉语语言模型中知识获取不足的问题 ,提出了一种统计与多种形式规则信息结合的机制 ,将规则的表示量化 ,提出语法语义规则矩阵的概念 ,通过扩充词网格、对基于最大可能性的 n元概率值合理调整 ,将短语构成规则、二元语法语义规则、最少分词原则等融入统计模型框架 ,构成多知识源语言模型 ,模型应用于智能拼音汉字转换系统 ,明显提高了音字转换正确率 。

科技竞赛驱动及多知识点融合的计算机学科创新人才培养模式

针对传统人才培养模式存在的弊端,提出一种计算机学科创新人才培养模式,该模式以计算机科技竞赛为驱动,以深化实践教学、实施创新教育为手段,通过开展课外创新项目和科技竞赛相结合的多知识点融合的创新型人才培养的研究和实践,培养高素质人才。

一种基于遗传算法的Rough集多知识抽取方法

Rough集理论为知识约简提供了一种有效的方法.提出了一种基于遗传算法的Rough集多知识抽取方法.针对决策系统中知识约简的不唯一性,构造了一种多约简算法,创建了多知识.在此基础上,利用遗传算法从一个更高的层次对多知识进行优化,并从中抽取最优知识集.试验结果分析表明,通过遗传算法优化后抽取的多知识较单体知识具有更高的精度,使知识的表示更具广义性.

基于多知识源的同音词识别方法

本文提出了基于多知识源的同音词识别方法。该方法利用上下文条件测试函数实现了不定范围的信息相关处理，并根据词性、语义、位置、音节和词频等多种关联信息进行同音词综合识别，取得了较好的同音词识别效果。

基于BERT多知识图融合嵌入的中文NER模型

针对目前特定领域知识图谱构建效率低、领域已有知识图谱利用率不足、传统模型提取领域语义专业性强实体困难的问题,提出了基于BERT多知识图融合嵌入的中文NER模型(BERT-FKG),实现了对多个知识图通过融合语义进行实体间属性共享,丰富了句子嵌入的知识。该模型在开放域和医疗领域的中文NER任务中,表现出了更好的性能。实验结果表明,多个领域知识图通过计算语义相似度进行相似实体的属性共享,能够使模型吸纳更多的领域知识,提高在NER任务中的准确率。

基于多知识源的汉语词义消歧方法

针对已有词义消歧研究方法的不足,分析了多种不同结构知识词典的可计算性及其计算复杂度,选择北大计算语言所的《现代汉语语法信息词典》、《现代汉语语义词典》和已经标注了词义的人民日报语料作为词义消歧知识源,研究异构知识源的知识获取与融合方法,并结合统计与规则方法构建词义消歧模型,取得了比较满意的词义消歧实验结果。

多知识综合判决的字符切分算法

高性能的印刷体文字识别系统中,在单字识别技术比较成熟的条件下,字符切分成为比较关键的环节。字符切分可以看作是对字符边界正确切分位置的一个决策过程,该决策需要同时考虑字符局部的识别情况和全局的上下文关系。该文通过对中日韩三国文字字符切分的研究,提出一种基于多知识综合判决的字符切分算法。该算法成功应用于AsiaOCR项目,对于东方文字中常见的混排英文问题也能很好处理。实验结果表明,和以前的算法相比,新算法在中日韩三国文字识别系统中的切分错误率平均下降50%。

基于多知识源的语义搭配知识库的构建及应用

针对汉语文本语义搭配错误,在对《现代汉语语义信息词典》(以下简称《语义词典》)及《知网》相关属性的研究基础上,提出了基于多知识源的语义搭配知识库的构建方法,并设计出了面向汉语文本语义查错的三层语义搭配知识库结构。在此基础上,设计并实现了一个汉语文本自动查错算法。实验结果表明,基于上述方法所设计的语义搭配知识库,可以大大提高汉语文本语义查错算法错误查找的召回率,对于语义查错的研究具有一定的借鉴作用。

基于隐藏单元条件随机场的多知识源融合改进自动语音识别置信度

鉴于自动语音识别(ASR)中置信度估计困难的问题,该文提出一种基于多知识源融合的策略来提高置信度的鉴别能力。具体做法是,首先选择关于识别结果的声学层、语言层和语义层等不同层次的信息,然后通过实验确定这些信息不同的组合方式,并以此为特征在隐藏单元条件随机场(Hidden-units Conditional Random Fields,HuCRFs)框架下计算识别结果的条件概率。最后将HuCRFs条件概率作为语音识别结果置信度的新的估计。实验首先证明了HuCRFs条件概率是比归一化的网格后验概率鉴别能力更强的一种置信度估计方法。同时基于HuCRFs条件概率置信度,对解码器一遍识别得到的网格重新搜索最佳候选序列,取得了相对一遍识别最佳候选序列绝对近2%的字错误率(CER)下降。同时,该文也对比了基于HuCRFs条件概率搜索的最佳候选序列和基于长语言模型网格重估的最佳候选序列的性能,进一步证明了使用HuCRFs条件概率作为置信度估计是一种更好的选择。

基于Hypertext和多知识源的智能汉语教学系统

ICTS(Intelligent Chinese Tutoring System)是关于汉语知识的智能型计算机辅助教学系统。本文首先给出了ICTS的总体结构和各主要部分的设计思想,提出了基于多知识源的推理机制;接着阐述了hypertext技术在ICTS构造中的应用;最后对ICTS的实现作出了总结。

金属性的比较与高中化学多知识模块的衔接探析

元素的金属性比较与高中化学多章节、多知识模块存在着有机衔接,也就是说比较元素的金属性可以从多角度、多方面,利用多个规律进行。本文将高中化学适用于比较元素金属性的方法进行归纳。

精选涵盖多知识点习题 提高高三数学复习效率

高三复习时间紧、任务重,如何高效地进行数学复习是摆在教师面前的难题.笔者从如何选择和利用习题的角度入手展开研究,指出教师应精选习题,使所选习题尽可能地涵盖多个知识点,做到题目虽小、五脏俱全,通过此类习题,提高复习效率,提升学生的综合能力.

基于多知识源的信息处理方法

简述了住宅设计专家系统（ＥＳＡＳＤ）的知识表述方法－元知识与约束知识的表示，讨论了基于多知识源的信息处理方法。

基于“知识生产模式3”的现代学徒制人才培养模式研究

现代学徒制人才培养模式是职业教育的有力抓手。基于知识生产模式3的规律,分析了现代学徒制人才培养过程的多主体参与、多层次传递、多知识集群及网络化运用等特征,提出了现代学徒制人才培养模式的完善策略。即通过制订实施过程中主体行为准则、营造各层次知识传递场、有效约束和激励知识集群主体、发挥网络多媒体优势等途径,让师傅更有效地讲授、传递知识,让学生更高效地接受、掌握知识,让现代学徒制人才培养模式真正服务于高职教育。

"拆分与整合"——环境设计专业多模块式教学研究

多模块式教学模式是在研究现代环境设计方法和创作实践的基础上,结合国际环境设计教育发展的趋势,从设计过程入手形成教学思路,通过对环境设计过程的细分,将设计过程拆分为五种设计的基本方法。多模块式教学模式设置五个训练单元,再综合于实际案例的实践中,侧重培养环境设计专业本科学生对环境认知、设计资料解读、概念构思、空间功能组织与建构、方案表达的综合能力,训练学生从分析实际出发形成方案的意识与能力。

一种面向机器人的超市形态建模方法

结合超市经营客观实际,围绕环境、商品、货架形态建模过程遇到的体系结构、关键症结解决对策等展开深入讨论,给出了问题处置策略、指导原则与技术路线。

“流体传动与控制综合实验”教学改革探索与实践

针对理论教学课程中出现的课程项目涉及知识体系与现实工程实际应用技术不同步,实验学习分组不科学和学生综合应用能力弱等问题,进行了实验课程教学改革。从面向现实工程问题,关注现实工程实际应用技术,建立了多知识融合课程项目;关注学生学情,探索了科学分组策略;关注学生能力,探索了实验过程中多项能力递进培养模式。教学结果表明,学生的设计创新能力和专业知识综合应用能力得到持续改进和提升,学习成效和课程目标达成度均明显提高。

锆合金薄板冲压工艺的多种群社会群体算法优化

为了减小锆合金薄板冲压成形件的最大减薄率、提高冲压成形件质量,提出了基于多种群社会群体算法的冲压工艺优化方法。介绍了冲压件的3维尺寸和锆合金材料力学参数,以有限元仿真的方式确定了锆合金冲压成形的缺陷。选择冲压速度、压边力、模具间隙作为优化参数,以减小冲压件的最大减薄率为目标建立了优化模型。使用智能神经网络建立了输入参数与输出参数的回归模型,并对回归效果进行了检验。分析了社会群体优化算法的多样性缺陷,在算法中加入了多种群机制和多知识来源机制,提出了多种群社会群体优化算法。使用多种群社会群体算法求解优化模型,得到了工艺参数的优化值。依据优化参数生产了10个冲压试制件,经测量冲压试制件的最大减薄率均值为7.916%,明显小于优化前的最大减薄率10.746%,说明经过优化明显减小了锆合金冲压件的最大减薄率。10个试制件的最大减薄率标准差仅为0.652%,说明生产过程稳定。

基于AdaBoost.MH算法的汉语多义词消歧

本文提出一种基于AdaBoost.MH算法的有指导的汉语多义词消歧方法,该方法利用AdaBoost.MH算法对决策树产生的弱规则进行加强,经过若干次迭代后,最终得到一个准确度更高的分类规则;并给出了一种简单的终止算法中迭代的方法;为获取多义词上下文中的知识源,在采用传统的词性标注和局部搭配序列等知识源的基础上,引入了一种新的知识源,即语义范畴,提高了算法的学习效率和排歧的正确率。通过对6个典型多义词和SENSEVAL3中文语料中20个多义词的词义消歧实验,AdaBoost.MH算法获得了较高的开放测试正确率(85.75%)。