基于教育云平台资源推荐的知识图谱构建与应用研究

随着教育信息化进程在教育领域的不断推进,互联网教育资源平台中形成了大量的学习资源。文章以教育云资源平台中的课程资源为例,通过提取用户数据、资源标签以及使用情况等信息,对资源的不同特征进行量化,建立基于模型的知识图谱,从而直观展示课件资源、用户需求等相关关系,利用知识图谱从海量学习资源中为学习者推荐最佳学习内容,帮助学习者理清知识关系,提升个性化推荐资源多样性和用户信任度。

在线教育平台资源分类管理及推荐研究

受新冠肺炎疫情影响,教育部提出了停课不停学的要求,远程在线教育成为当下教学培训的主要方式,在线教育平台的核心在于教育资源。本文通过研究教育平台资源的分类管理,基于课件资源协同过滤算法,实现针对用户的个性偏好资源推荐。

自主可控视阈下课程思政元素融入新一代信息技术人才培养课程的实践路径初探

作为推动全球产业变革核心力量、实现颠覆性创新、解决“卡脖子”问题的重要支柱,国家高度重视新一代信息技术发展及其人才培养问题。本文以“自主可控、安全可靠、竞争力强”为着眼点,在新一代信息人才培养课程体系中挖掘并融入课程思政元素,对解决“为谁培养人”问题具有重要价值。

基于非线性编辑技术的无缝多模态内容混合呈现方式

针对现有Web AR(Web Augmented Reality)系统存在多模态数据繁杂、内容难以有效整合的问题,本文提出一种基于非线性编辑技术的无缝多模态内容混合呈现方式。利用非线性编辑技术只需要上传一次多模态数据,即可突破单一的时间顺序编辑限制,按照各种顺序进行多次排列编辑,具有快捷简单、自由度高的特点。该方法有效解决了Web AR内容制作效率低下、形式单一的问题,能够使用户自动化地体验具有故事主线的多模态Web AR内容。

面向传统服饰的细粒度跨模态检索算法

目的由于跨模态数据集有限和模态异构表征问题,利用跨模态检索算法解决实际应用问题一直是当前多模态研究中的一大研究方向。方法提出了一种面向传统服饰的细粒度跨模态检索算法,解决传统服饰跨模态检索的单模态表征和跨模态表征一致的问题。在单模态特征表征方面,沿用DCMH使用深度学习的方法对初始数据进行特征提取;在跨模态表征一致方面,新增自监督语义网络,以自监督的方式对应标签信息提取细粒度信息,并将其用于图文哈希学习的监督,从而得到更好的图文哈希表征。通过在传统服饰数据集上与其他方法进行对比实验,验证算法的有效性。结论有关此方面的应用探索,有利于解决互联网时代中国传统服饰文本、图像处理等的保护性难题,为未来纹样检索中的工作做铺垫,实现中国传统服饰的创新性传承和发展。

基于边缘先验的文化图案层次分割算法

本文针对现有图像分割算法应用于文化图案时出现的区域缺失和线条不连续问题,提出一种基于边缘先验的层次分割算法,该算法由颜色空间转换,图案边缘预测与层次分割三部分组成。首先,将图像颜色空间从RGB转换到Lab空间;然后,使用图像颜色、纹理和亮度特征检测文化图案边缘,确定图像中文化边缘轮廓;最后,对图像其他区域进行压缩与合并,获得层次分割结果。实验结果表明:基于边缘先验的层次分割算法能够获得完整的文化图案,并且在文化数据集上的分割指标优于现有图像分割算法,能够为解读文化图案寓意提供技术支撑。

我国“未来课堂”研究现状评述:热点与趋势

本文分析了近十年（2007—2016年）中文核心期刊、CSSCI来源期刊等高质量期刊上发表的243篇与“未来课堂”主题相关论文的基本特征和深层特征，以期能够为深入研究未来课堂的研究者提供理论参考。