深度解析宇宙的空间维度

直观描述正旋转和反旋转宇宙的每种空间维度,解答物理学界尚未定论的重大理论,提出新的力学理论.

基于三层维度的文献个性化推荐模型研究

【目的/意义】大数据情报分析和知识服务时代,如何快速高效地从海量文献中获取情报并实现精准的文献个性化推荐,是文献推荐个性化服务亟待解决的问题。【方法/过程】对文献个性化推荐模型进行研究,通过专家权重维、用户维以及情境感知维三个维度的协同,识别用户的兴趣点。推荐模型使用层次分析法和熵权法量化专家意见;使用潜在狄利克雷分布和KL散度计算量化用户相似度;通过用户社会标注行为、搜索行为、浏览行为得到用户情感倾向,并引入时间因子量化用户情感;最后引入"最大频度值"确定各个维度的推荐指数,加权计算得到文献综合推荐指数。【结果/结论】以高校图书馆为实验平台,对本文提出文献个性化推荐方法进行验证。实验结果表明,与传统的基于内容的推荐方法、协同过滤推荐方法以及混合的推荐方法相比,基于三层维度的文献个性化推荐方法在准确率与召回率上都取得了更好的性能。

基于自适应变异算子的差分进化算法

针对差分演化算法易于早熟、收敛速度慢和收敛精度低等问题,提出一种基于自适应变异算子的差分进化算法。给出个体向量粒子及维度层定义,并提出了基于维度层加权的异维维度选择策略,首次将加权异维学习策略引入差分演化算法中,有效地提高了种群的多样性;根据种群聚集度的思想,提出一种基于种群聚集度自适应的变异算子,该算子能依据种群个体当前的种群聚集度自适应地调整DE/best/1变异算子和加权异维学习变异算子的变异权重,加快算法收敛速度、提高其收敛精度。通过在20个典型的测试函数上进行测试,与7种具有代表性的算法相比,结果表明提出的算法在求解精度和收敛速度上具有很大优势,并显示出了非常好的鲁棒性。

知识员工胜任力模型研究综述

基于胜任力的知识员工管理是知识经济时代永恒的话题。在梳理相关文献基础上,首先综述了知识员工胜任力模型维度层的研究现状,并分别从胜任力指标内容层、定义及标准层、权重层三个方面回顾了知识员工胜任力指标体系的研究成果。最后,从提高模型应用效度的角度出发,展望了未来组织知识员工胜任力模型研究的方向,以期为今后该领域的理论研究与应用带来启示。

问责的概念与模式

本文探究了问责的词义和词源、问责的两层维度、问责的多重语义和问责的模式等具体问题,试图通过梳理,为问责制度的进一步研究奠定一定的理论基础。