基于爬虫和信息抽取技术的大学生心理健康干预方案评估框架

近年来越来越多的大学生存在心理健康问题,但是许多学生无法及时、有效地获取帮助,而在线的心理干预/治疗方案可提高大学生心理健康水平。许多研究致力于相关方案的设计和实施,本研究旨在针对上述研究设计自动化、系统化的综合性数据收集和评估框架,从主流数据库中抓取文献并设计评估指标,如治疗效果、易用性、可接受性、推广程度等,对为大学生提供在线心理健康干预的方案进行评估分析,用于其后续改进参照。

结合平移关系嵌入和CNN的知识图谱补全

为解决基于翻译机制的知识图谱补全模型在处理复杂关系时的性能局限,该文提出一种ATREC(algorithm based on transitional relation embedding via CNN)算法,将三元组的实体和关系映射至低维向量空间,并将不同的关系特征与头/尾实体融合,将原始三元组和融合三元组的嵌入表示合并为6列k维矩阵,使用卷积神经网络(CNN)降低参数规模,提取特征后拼接、赋权并评分。链路预测和三元组分类的实验结果表明,ATREC在较大规模数据集和复杂关系上相较主流算法有一定性能提升。

结合卷积特征提取和路径语义的知识推理

传统特征提取方法大多基于嵌入表达,常忽略了路径语义;基于关系路径的推理方法多考虑单一路径,性能仍有提升空间。为进一步提升知识推理能力,使用自定义的卷积神经网络框架编码随机游走生成的多条路径,利用双向长短期记忆网络的隐藏状态合并向量序列,结合注意力机制实现差异化的多路径语义信息集成,计算候选关系与实体对的概率得分,用于判断三元组是否成立。NELL995和FB15k-237数据集上的链路预测结果证明方案可行,F1等指标相比主流模型也有一定优势;进一步在大型数据集和稀疏数据集上验证方案可行。

我国垃圾处理行业专利数据分析

专利是常用的技术指标,也是衡量行业态势的重要切入点。文章在收集、整理国内外垃圾处理行业的专利数据的基础上,利用其时间、地域和类别分布分析行业的历史发展情况和整体趋势,判断我国该行业在世界上的地位,辨别相关技术领域的领头羊,即优势地区、企业或实体,对行业前沿研究方向,如垃圾热分解、填埋用渗透膜、生物降解等进行专利角度的量化评估,结合专利的法律状态和投入实用比例的数据为行业发展、资源投入和政策支持提供参考。

结合图片语义规则和机器学习的情感分类方法

传统微博情感分类方法往往忽略对大量表情符号和图片型表情的情感分析。在图片去重算法的基础上,利用表情词和表情符号的相关性构建表情图片情感词典,并加入对官方扩展表情包和图片型表情的情感识别与验证。由于单纯词典方法的性能有限,将词典抽取的规则情感特征与机器学习的基本特征模板融合,使用朴素贝叶斯等分类器,提高情感分类的性能表现。实验结果表明,图片情感词典的加入使方案的准确率有所提高,特别在处理情感词表达不规范的样本方面具有一定优势。

流式数据的动态正交降维算法

针对行业数据增长快、维数高且核心特征不明确等特点,提出基于Schmidt正交分解的动态正交降维算法(DOADR),在线性独立性基础上,设计自适应阈值机制以筛选基底矩阵,同时实现维数动态增长;根据流式数据的特点进一步提出增量DOADR算法优化阈值设计。真实数据集上的实验证明,算法较主流模型在计算开销、重构误差和分类准确率等指标上具有一定优势。

中外合作办学背景下1+X课证融通的改革实践

文章以"计算机网络安全"课程改革为切入点,把握中外合作办学发展趋势,引入外方课程标准和评价体系,围绕国家及省内职业教育改革工作方案的政策精神,紧贴地方经济社会发展和企业岗位真实需求,在学时有限的前提下,开展中/外方课程匹配/映射和1+X课证融通的理论分析和实践验证,培养满足企业岗位现实需求、符合国际化标准的高素质技能人才,同时推动课程思政和课程生态建设。

基于聚类的分层降维框架

在分析、验证主流降维算法性能的基础上,设计了基于聚类的分层降维框架,将聚类和降维结合,实现了类内和类间分别降维的处理机制。实验结果表明,随着数据集规模增长,分层降维框架的时间效率逐渐体现出优势。

结合神经网络的文本降维方法

传统文本表示模型多为稀疏矩阵,文本规模的增长导致维度灾难。文中提出一种结合神经网络的文本降维方法,利用随机映射、非负矩阵分解、隐含语义分析等方法实现文本降维,使用自建微博文本数据集比较其效率和准确率,并在最优降维方案的基础上使用自组织神经网络算法进行聚类。实验结果表明,该方案准确率相比传统不降维的K-means聚类方法有一定提升。

基于ElasticSearch的语料库教学方案的设计与实现

语料库被广泛应用于语言教学,自建语料库规模的提升往往导致检索效率下降。文章设计并实现了基于ElasticSearch的高效检索方案,搭建分布式集群,从文件和数据库导入现有语料,对索引、存储和检索过程进行优化,验证方案功能和性能表现,归纳语用现象,提取语言规则和语用特征,分阶段分层次开展语料库教学,最后结合多种方法验证了教学实效。

用户情感分类和话题推荐的图片语义应用实证

用户/话题推荐的传统方法多基于用户热度,忽视了用户希望寻找志同道合伙伴的心理需求,推荐效果存在改进空间.尝试将融合图片语义后的微博情感分类结果用于计算,利用情感一致性和同意度,从而得出用户整体情感影响力和话题影响力.在此基础上结合聚类算法,计算并排序用户间的相对影响力,构建情感网络拓扑用于用户/话题推荐,推荐匹配特定用户的观点、态度和情感,提高推荐结果对用户的吸引力.实验结果表明,方案相比主流推荐算法,用户关注数、微博数等结果指标有一定提高.

结合时间映射和卷积神经网络的知识补全

现有知识库存在大量缺失事实且事实常携带时间信息。针对主流嵌入表示方法在知识补全时常忽略时间维度的问题,设计一种时间敏感的三元组嵌入表示方法TSKGC(time sensitive knowledge graph completion)。通过为时间戳分配超平面,将时序信息合并到实体关系空间中,并进一步将映射后三元组的3列k维矩阵表示用作卷积神经网络的输入,在不同超平面对应的多通道中并行处理,提取三元组特征用于知识补全。在YAGO11k和Wikidata12k数据集上的实验证明,TSKGC具备一定的时间预测能力,并能有效利用时间信息提高链路预测的性能表现,特别在1-M、M-1和M-M复杂关系类型上相比主流模型具备一定优势。