基于区块链技术的学分银行系统的设计与实现——以北京外国语大学的“外语教育创新”项目为例

目前,区块链技术因其防篡改性而在各行各业的应用越来越广泛,但其在教育领域的应用尚未普及,实践成果更是鲜见。而将区块链技术应用于教育领域中的学分银行系统建设,不仅可以创新学分银行的管理方法,还可以提高学分银行的可信度,发挥学分银行在人才培养方面的积极作用。基于此,文章以北京外国大学的“外语教育创新”项目为例,进行了基于区块链技术的学分银行系统的实践探索,重点阐述了建立在区块链平台基础上的学分银行的设计与实现过程,并分析了系统的试运行情况与评价结果。文章的研究是区块链技术与教育领域深度融合的一次尝试,对于人才培养具有积极的现实意义。

大语言模型的技术应用前景与风险挑战

针对大语言模型(LLM)技术的快速发展,剖析它的技术应用前景和风险挑战,对通用人工智能(AGI)的发展和治理有重要参考价值。首先,以Multi-BERT(Multilingual Bidirectional Encoder Representations from Transformers)、GPT(Generative Pre-trained Transformer)和ChatGPT(Chat Generative Pre-Trained Transformer)等语言模型为代表,综述LLM的发展脉络、核心技术和评估体系;其次,分析LLM现存的技术局限和安全风险;最后,提出LLM在技术上改进、政策上跟进的建议。分析指出作为发展阶段的LLM,现有模型存在非真实性及偏见性输出、实时自主学习能力欠缺,算力需求庞大,对数据质量和数量依赖性强,语言风格单一;存在数据隐私、信息安全和伦理等方面的安全风险。未来发展可从技术上继续改进,从“大规模”转向“轻量化”、从“单模态”走向“多模态”、从“通用”迈入“垂类”;从政策上实时跟进,实施有针对性的监管措施,规范应用和发展。

Access数据库技术及应用分析

数据库在计算机技术中发挥重要作用,而当前已经开发出了多种数据库技术,最具有代表性的包括SQL server数据库和Access数据库。在这类数据库技术的专业应用过程中,都必须要根据其运行标准和运行方法并经过选择。基于对Access数据库技术方面所涵盖所有特点和信息的分析,本文论证了数据库技术的具体应用方法,从而让该数据库的实际运行质量提高。

大数据时代计算机网络信息安全问题研究

当前,我国正处于信息化社会,科技水平有了很大提高,信息的传播效率显著加强,同时信息的遗失风险也逐渐增加。基于此,笔者对大数据时代计算机网络信息安全隐患进行了介绍,并对计算机网络信息安全管理力度的强化提出了相关建议,希望能够有效地改善网络安全环境,全面保障网络信息安全。

计算机数据库管理技术探析

笔者首先对计算机数据库技术的特点进行分析,包括功能性、共享性、可控性与独立性,然后列举出四种关键的管理技术,分别为安全管理技术、存取管理技术、备份管理技术与加密管理技术,并以医院信息系统为例,从多个角度分析数据库管理技术在其中的应用措施与价值,力求使数据信息得到高效管理。

计算思维下的大学计算机基础课程教学模式

当今社会,计算机的应用十分广泛,给人们的生活和学习提供了极大便利,计算机相关的教学工作也日益受到重视。在新时代的发展背景下,传统的大学计算机基础课程教学工作存在很多的问题。基于此,从计算思维入手,根据当前大学计算机基础课程教学中面临的问题,探讨了将计算思维合理运用到教学模式中的方法,希望能为相关工作提供一定的借鉴作用。

大数据时代背景下人工智能在计算机网络技术中的应用探讨

在现阶段的大数据环境下,计算机网络技术的运用为人们带来很大的便捷,也给我们的日常工作和生活方式带来了巨大的变化。同时人们对网络信息安全也越来越关注,因此,想要切实提高用户信息安全,就要保证计算机具备足够的反应力以及洞察力。伴随计算机技术的不断优化与完善,其运用领域也在不断延伸。在计算机网络技术的运用中人工智能需要进一步的创新与探究,进而实现两者的有机结合,最终在确保网络安全的基础上为人们提供最理想化的智能服务。下面,针对大数据时代以及人工智能展开介绍,并阐述大数据时代人工智能在计算机网络中发挥的优势,接着探究大数据时代人工智能在计算机网络技术中的运用价值。

大语言模型与多语言智能的研究进展与启示

针对大语言模型(LLM)在高资源语言上表现优异而在低资源语言上表现欠佳的现状,深入分析LLM在多语言场景下的研究现状、技术与局限。首先,从2018年至今以Multi-BERT(multi-lingual Bidirectional Encoder Representations from Transformers)、GPT(Generative Pre-trained Transformer)和ChatGPT(Chat Generative Pre-trained Transformer)等语言模型为代表,综述LLM的发展脉络;然后,具体分析了大语言模型在多语言智能上的探索,总结现有LLM在多语言智能的研究局限及其改进方向;最后,探讨LLM未来的多语言智能应用场景。分析指出现有LLM受限于多语言训练语料不均衡,存在语言文化的伦理偏见、语言模型的风格趋同化、多语言能力评估基准缺乏以及多语言场景下的模型幻象输出等问题,未来可采用同一语系家族语言的联合训练、多语言适配器技术、跨语言迁移学习技术、提示语工程技术、基于人工智能反馈的强化学习技术等策略实现多语言智能的LLM。

基于Python爬虫和聚类的热映电影数据抓取与可视化设计

本文使用Python网络爬虫技术对热映电影的影评数据进行爬取,包括伪装网络请求、导入网页链接、重复抓取过滤等,完成了对电影《新蝙蝠侠》在国、内外不同平台影评数据的获取。通过数据可视化技术对获取的影评文本制作了词云,并对评论数变化、评论所在城市分布进行了展示。根据手肘法和TF-IDF矩阵,通过K-means聚类,得到几个分类的主题词,清晰地呈现观众的情感倾向,直观地展示了电影上映后观众对电影的关注程度和观影感受,并能够进一步剖析各个平台评论的特性和内涵及其产生原因。

一种基于情感特征表示的跨语言文本情感分析模型

基于深度学习的跨语言情感分析模型需要借助预训练的双语词嵌入(Bilingual Word Embedding, BWE)词典获得源语言和目标语言的文本向量表示。为了解决BWE词典较难获得的问题,该文提出一种基于词向量情感特征表示的跨语言文本情感分析方法,引入源语言的情感监督信息以获得源语言情感感知的词向量表示,使得词向量的表示兼顾语义信息和情感特征信息,用于跨语言文本的情感预测。实验以英语为源语言,分别以汉语、法语、德语、日语、韩语和泰语6种语言为目标语言进行跨语言情感分析。实验结果表明,该文所提模型与机器翻译方法、不采用情感特征表示的跨语言情感分析方法比较,能够分别提高约9.3%和8.7%预测准确率。该模型在德语上的跨语言情感分析效果最好,英语与德语同属日耳曼语族,在语法和语义上更为接近,符合实验预期。实验部分对影响跨语言情感分析模型的相关因素进行了分析。

大数据背景下计算机网络信息技术发展分析

现代信息社会的快速发展,使得计算机网络信息技术被广泛应用于各个领域,比如教育领域、农业生产领域等,成为人们社会生活中不可或缺的重要技术组成。基于此,为进一步促进计算机网络信息技术发展,本文立足于计算机网络信息技术发展现状围绕大数据背景分析发展途径,并探讨该技术的安全发展前景,以期为相关工作提供有效参考建议。

一种面向医疗健康领域知识图谱的可扩展系统架构的研究

随着医学的信息化发展和临床信息数据量的大规模增长,知识图谱在医学领域发挥着越来越重要的作用.医学领域是高度专业化的,同时具有丰富而多样的高质量医学概念资源,并且有很多专业的子领域,如心血管疾病领域,糖尿病领域等.由于数据获取的困难以及来自疾病领域的先验知识的缺乏,一次性构建涵盖所有疾病领域的医疗健康知识图谱是十分困难的.提出了一个面向疾病领域可扩展的医疗健康知识图谱构建系统架构.它基于先验的医学知识、医院电子病例(EMR)和供医生使用的工具,构建面向特定疾病领域的知识图谱,以解决上述问题.还提出了应用这个系统架构将现有疾病领域知识图谱扩展到新疾病领域知识图谱的详细过程.经证实,使用该系统架构,医生可以方便有效地获得高度专业化的医疗健康知识图谱.

《兴隆场》的学术价值与伊莎白的中国情怀

伊莎白·柯鲁克是北京外国语大学终身荣誉教授,新中国英语教育的拓荒人,在中国生活了近百年,被授予中华人民共和国“友谊勋章”。伊莎白还是一位汉学人类学家,20世纪上半叶在中国开展了多次田野调查。除了与丈夫大卫·柯鲁克共同合作完成的《十里店》系列著作,伊莎白还著有《兴隆场》系列著作。《兴隆场》深度描绘了特殊历史背景下中国的乡村社会和建设实验,具有极高的学术价值,其中所蕴藏的伊莎白的中国情怀值得我们深入探究。

PromptWE:一种融合解释的提示学习事实核查模型

针对事实核查任务中如何利用生成的解释更好地辅助真实性判断的问题,该文提出一种融合解释的提示学习事实核查模型PromptWE。该模型在生成任务中通过证据筛选和摘要生成更易理解的解释,然后在分类任务中将解释融合进提示学习模型的提示模板中,从而将解释与预训练模型储备的知识相结合,以提高真实性判别的准确率。该模型在2个数据集上的F1值比SOTA模型高5%,表明模型生成的解释能提升模型判别信息真假的能力。此外,为了说明高质量的解释在分类任务中的重要性,该文将数据集中的专家证据直接作为解释,融合进提示模板中进行了提示学习训练,比融合模型生成的解释的F1值提高了16%,证明了高质量解释能有效激发通用语言模型在事实核查任务上的能力。

意大利中国戏剧研究之肇始

安东尼奥·帕里奇·布罗齐于1887年撰写的《东方人民的戏剧与演出》一书是意大利最早全面介绍东方戏剧的著作,布罗齐基于比较文化的视角对中国戏剧作品、演员的生存状态、戏剧表演形式以及剧院环境等进行详细阐释。因意大利汉学资料匮乏,他查阅了英、法、德文等多种语言的资料,借助剧作译本、研究著作、访华者游记等力图全方位还原中国戏剧的样貌,呈现出中国戏剧研究的另一“他者”视角。

跨语言情感分析研究综述

【目的】对跨语言情感分析的研究脉络进行梳理总结。【文献范围】以Web of Science数据库为检索平台,以TS=cross lingual sentiment OR cross lingual word embedding为检索式,筛选90篇文献进行述评。【方法】根据跨语言情感分析所采用的技术进行分类概述,包括基于机器翻译及其改进、基于平行语料库、基于双语情感词典三种早期的主要方法,再到引入Word2Vec和GolVe等词向量模型后,基于跨语言词向量模型的方法,最后到2019年以来基于Multi-BERT等预训练模型的方法。【结果】总结跨语言情感分析相关研究的主要思路、方法模型、不足之处等,分析现有研究覆盖的语言、数据集及其性能。发现虽然Multi-BERT等预训练模型在零样本的跨语言情感分析上取得较好性能,但是仍然存在语言敏感性问题。早期的跨语言情感分析方法对现有研究仍有一定指导和参考价值。【局限】部分跨语言情感分析模型属于混合模型,分类时仅按照主要方法进行归纳。【结论】展望跨语言情感分析的未来发展和亟待解决的问题。随着预训练模型对多语言语义的深层次挖掘,适用于更多更广泛语种的跨语言情感分析模型将是未来发展方向。

基于深度融合特征的政务微博转发规模预测模型

【目的】预测政务微博的转发规模,研究及评估影响政府微博传播规模的重要特征,把握政务微博的信息舆论走向。【方法】针对政务微博的特点,提出一种深度融合特征的政务微博转发预测方案,引入卷积神经网络(CNN)和梯度提升决策树(GBDT)将发布者特征、时间特征及内容特征深度融合,预测政务微博的转发规模并对影响转发规模的特征进行重要性排序,找出影响政务微博转发规模的最重要特征。【结果】引入文本语义特征显著提升了转发规模的预测准确率,所提模型将政务微博转发规模的预测准确率提升至0.933。特征重要性实验结果表明,文本语义特征在影响政务微博转发规模的所有特征中最为重要。【局限】未考虑间接转发对整体转发规模的影响。【结论】深度融合发布者特征、时间特征及内容特征的CNN+GBDT模型能够显著提高政务微博转发规模预测的准确率。

CLOpin:一种面向舆情分析与预警领域的跨语言知识图谱架构

【目的】探索信息在不同语言之间的映射关系,可以实现对域外舆情的有效监控,并对境内受众进行积极正面引导。【方法】提出涵盖多来源的面向舆情分析与预警领域的跨语言知识图谱构建架构CLOpin,针对不同场景设计多个工具集处理跨语言的数据集,高效整合多种来源的数据,构建跨语言知识图谱CLKG(Cross-Lingual Knowledge Graph)以实现跨语言的舆情分析与预警。【结果】CLKG与单一语言知识图谱相比,突发事件一小时内的知识完整度提升13.9%,且仅比后者24小时内的完整度低5.2%。【局限】CLKG的构建受制于领域专家的稀缺,成为非通用语知识图谱建设的瓶颈。【结论】在CLOpin架构中,不同来源的知识相互补充,对事件信息量的扩充效果显著,有利于准确把握舆情动态并据此做出预警。

基于标签嵌入注意力机制的多任务文本分类模型

【目的】将文本分类算法根据不同分类任务的特征进行动态调整,使文本分类算法的性能与任务特征紧密相关。【方法】提出一种基于标签的注意力权重学习,通过标签嵌入的方法同时对文本语义的词向量和文本的TF-IDF分类矩阵进行学习,为文本中的单词赋予不同的权重提取与分类任务更相关的特征,改进文本的注意力权重学习。【结果】所提方法相比现有的LSTMAtt、LEAM和SelfAtt方法在准确率上平均提高了3.78%、5.43%和11.78%,并通过可视化结果分析验证所提方法的文本分类性能。【局限】未比较不同词向量表示对文本分类任务的性能影响。【结论】为多任务文本分类算法的设计提出了有效的改进和优化方案。