基于深度神经网络融合特征信息的协同过滤模型

针对神经协同过滤方法仅对用户和物品的交互信息建模,无法学习用户和项目辅助信息中的潜在特征的问题,提出一种基于深度神经网络融合辅助信息的协同过滤模型.该模型用双重的多层感知机分别对用户和项目的交互信息以及辅助信息建模,计算用户对物品感兴趣的概率.在MovieLens和The Movies数据集上的实验表明,本文模型在PR-AUC高于以往的协同过滤算法,验证了该模型在推荐系统中的有效性和可行性.

智慧校园发展现状分析

在对国内外智慧校园建设的发展现状进行分析的基础上,提出了智慧校园建设的发展趋势.大数据环境下智慧校园建设是数字校园的第二阶段,以云计算、物联网、移动互联、大数据、人工智能为技术支撑,是数字校园的发展和延伸,以智能为建设重点,在教学、科研、管理和社会服务等方面提供更加人性化的服务.

高校防疫决策支持系统的设计与实现

针对当前国内高校疫情反复、人员数量庞大、师生态势不易于管理等问题,基于云计算技术设计了高校防疫决策支持系统,利用数字化技术手段,依托大数据态势感知功能,为高校疫情防控提供了大数据决策支持.根据分层架构设计设备读取层、数据传输层、数据管理层和应用层的四层架构,动态掌握人群分布和人员轨迹信息,追溯个人历史行动轨迹,拉取实时数据,有助于及时科学开展校园疫情防控信息的精准流调,为高校疫情防控提供决策支持,有效管控校园疫情传播扩散风险,大幅提升学校疫情防控应急反应能力和校园治理信息化水平.

IPv4/IPv6双栈+DHCP环境下的用户网络流量监测

本文对IPv4/IPv6双栈+DHCP环境下的实名用户的网络流量监测方式进行探讨。通过从交换机中获取ARP(IPv4)、邻居(IPv6)的信息,把IP与MAC进行一一对应。通过查找实名认证系统的认证记录,把IPv4和实名用户信息一一对应,结合IP+MAC的记录,把IPv6和实名用户信息一一对应。用上面的信息结合流量监测记录,把IP(IPv4+IPv6)的流量记录与实名用户一一对应,从而准确地获取实名用户的IPv4和IPv6流量。这种流量监测方式有效地解决DHCP环境下,准确获取某个实名用户的网络流量(IPv4+IPv6)的难题。