基于Att-CN-BiLSTM模型的中文新闻文本分类

将卷积神经网络（CNN）和双向长短期记忆神经网络（BiLSTM）相结合,提出一种基于注意力机制的Att-CN-BiLSTM中文新闻文本分类模型.模型通过注意力机制有效融合了CNN层和BiLSTM层提取的新闻文本语义特征.在THUCnews新浪新闻数据集上与CNN、BiLSTM及其改进模型进行对比实验,模型分类准确率达到98.96%,精确率、召回率和F1值指标也都优于对比模型,实验结果表明Att-CN-BiLSTM模型可以有效提升中文新闻文本分类效果.     

基于QQ群聊的成人学习模式探究

互联网技术和现代通讯技术为成人学习提供了新的平台和手段,网络环境下的成人学习已越来越受到人们的重视。借助于QQ的文字、语音、视频的实时或非实时交流的特点及其它功能,通过网络和同伴互助形成共同体,可以让成人参与、讨论,共叙学习经验,共享学习资料,探讨学习问题,提高水平。QQ群聊是成人之间异地“零距离”互动研讨、实现成人间智慧共享的方式之一。     

教育数字化转型背景下人工智能教育应用的态势——基于文本数据挖掘的分析

随着教育数字化转型的推进,人工智能教育应用受到更多关注,迫切需要对人工智能教育应用的态势进行辩证、系统的梳理。基于文本数据的分析发现,人工智能教育应用形成了关注热点,面临着机遇与挑战。人工智能教育应用的健康发展要关注三点:明确应用目的,规避技术风险;提升理性认知,规范实践应用;逐级开展实践,产生真实效果。     

基于QQ群聊的高中历史网络小组主题探究学习

网络技术的发展将带来整个教育思想、模式和方法的深刻变革,并为现代教育的发展提供难得的历史机遇。本文尝试以QQ群聊为介质探索网络小组主题探究学习在高中历史教学中的应用,旨在探讨网络环境下高中历史教学的有效途径,阐述了基于QQ群聊的网络小组主题探究活动在高中历史教学中的实际操作、存在的问题以及应对的策略。     

基于CNN与Bi-LSTM混合模型的中文文本分类方法

针对卷积神经网络（CNN）难以获取文本的全局特征,而双向长短期记忆网络（Bi-LSTM）没有考虑到局部特征对文本分类结果影响的问题,提出一种基于CNN与Bi-LSTM混合模型的中文文本分类方法。该方法将词作为文本表示的基本单元,在特征提取层构建了两条通道,分别使用CNN和Bi-LSTM提取文本的局部特征和全局特征,然后将局部特征和全局特征进行融合,生成包含丰富语义的特征向量,送入Softmax分类器中实现分类。实验结果表明,该方法能够有效地提升中文文本分类准确性。     

引入双循环机制深度学习模型的文本情感分析

深度神经网络模型通常使用注意力机制或融合卷积神经网络来提取特征,但由于注意力机制抓取的特征过于单一,存在提取特征不完善的问题。 将循环机制引入卷积神经网络中,构建了具有双循环结构的网络模型(DRCNN),从而改善模型的特征提取能力,将其与双向长短期记忆网络结合,提出一种带有注意力机制、特征提取能力更强的混合模型(BiLSTM-DRCNN)并应用于情感分类任务中。通过情感分类的实验分析表明,BiLSTM-DRCNN 神经网络模型具有比较好的性能,与融合卷积神经网络(CNN)和双循环长短期记忆神经网络(BiLSTM)模型相比,综合评价指标提高2%以上;与BiLSTM-CNN、Fusion Model 模型相比,综合评价指标提高了近1%,且收敛速度更快。     

基于文本需求的需求模型自动生成方法

在软件开发的需求阶段,文本需求的二义性、歧义性等问题可能导致后续软件工件与需求描述不一致,难以保证软件开发过程的顺利进行和最终产品的质量。为了解决文本需求与生成的需求模型（UML类图）之间的不一致性问题,提出一种基于自然语言处理的文本需求自动生成需求模型的新方法。该方法从文本需求中提取信息,分析自然语言文本并转化为形式化模型,最终生成需求模型。开发的原型工具实现了文本需求的一致性检测和需求模型的自动生成。通过实例表明该方法能够帮助软件开发团队更好地理解文本需求,减少不一致性的出现,从而提高软件开发效率和质量。     

基于神经网络算法的文本分类器研究

文本自动分类是目前最常用的文本信息自动处理技术,也是人工智能、自然语言处理和信息检索领域的研究热点。对文本自动分类所涉及的相关问题进行了全面论述,并简单介绍了基于神经网络的文本分类器的设计与实现。     

基于注意力机制的深度协同推荐模型

针对传统矩阵分解算法无法挖掘深层隐含信息,以及未能充分利用用户和项目评论的问题,提出基于注意力机制的深度协同推荐模型。首先采用注意力机制对评论文本赋权,使用并行的卷积神经网络分别提取用户评论和项目评论特征,同时将评分矩阵输入多层感知机,得到用户隐表示和项目隐表示;然后对两个网络提取的用户特征和项目特征进行融合;最后使用因子分解机和深度神经网络分别提取线性和非线性特征,以进行评分预测。在Amazon的3组公共数据集上进行实验,发现该模型的RMSE达到0.83。与5组对照模型相比,新建模型的RMSE分别降低了14.0%、11.2%、9.8%、7.7%、3.9%,表明该模型能有效提升推荐效果。     

基于BP神经网络的网络学习评价模型研究

研究网络学习评价问题对推动网络教学资源的使用具有十分重要的意义,传统的网络学习评价方法具有很强的主观性,且仅限于线性模型,缺少科学性。为克服传统网络学习评价方法的不足,实现网络学习评价的智能化,提出了一种基于BP神经网络的的网络学习评价模型,并利用MATLAB进行实验仿真,测试结果表明,该评价模型准确率高,能为网络学习评价提供可靠数据。     

美国阿波罗教育集团的经营模式

在过去的20多年中,阿波罗集团的异军突起是美国高等教育领域中最值得人们关注的变化。该集团连续多年在华尔街的股票市场中保持着良好的业绩,同时在美国高等教育市场中也获得了飞速的发展。对其发展现状、经营模式、以及教育服务的原则与标准进行分析和研究,可以启示我们更深入地理解教育理念与市场现实是如何紧密结合在一起并取得成功的。     

基于语篇知识的“以读促写”大学英语写作教学模式

英语写作一直是英语学习者较为薄弱的语言技能,如何教好、学好英语写作是广大英语教师及学习者的一项难题。以语篇知识为基础,在阅读中学习写作的大学英语写作教学模式有望为解决这一难题打开思路。文章以一线教师的教学经验为基础,梳理相关的理论,提出了＂以读促写＂教学模式的基本步骤,以期为后续相关研究打下基础？拓展视野。     

整体语言教学法在大学英语课文教学中的应用

针对大学英语课文教学中存在的问题,简要概述整体语言教学法的理论和原则,探讨整体语言教学理论在大学英语课文教学中的具体实施步骤,以期激发学生英语学习兴趣,提高学生英语综合运用能力。     

基于建构主义的互助式小组学习在线教学模式研究

提出了一种基于建构主义的互助式小组学习在线教学模式。首先给学生分组,然后助教进组,教师的教学设计以小组学习为基础展开。要求学生分组预习和复习,课堂上和课后分组研讨,以小组为单位完成课程报告,并在期末分组进行在线课程报告质询和答辩。这种在线教学模式经过实践证明其能够有效达成教学目标。     

基于多媒体网络教学系统多维互动教学模式的应用研究

多媒体网络教学系统是集图形、图像、动画、视音频及文字等各种信息于一体的专用多媒体计算机网络教学平台,其为多维互动式教学的开展提供了资源和途径。本文简要介绍了多维互动教学模式的理论基础,重点构建了基于多媒体网络教学系统的多维互动教学模式,并在实践中进一步探讨了模式的具体应用。     

以建构主义学习理论为指导的大学英语口语教学

对影响大学英语口语教学质量提高的主要因素进行了总结,简单介绍了建构主义学习理论,并对建构主义学习理论为指导以课文学习为基础的大学英语口语教学方式进行了探索,提出"口语训练三部曲"。教学实践证明,该教学方法深受学生的欢迎,英语口语教学取得丁明显的效果。     

基于状态转换方法的不良信息文本过滤模型

在定义文法的基础上,基于状态转换方法,给出了一种不良信息文本过滤模型。进行文本过滤时,只需检测是否到达终止状态,就可断定过滤文本中是否含有不良信息。因而本模型具有较强的过滤能力。     

基于CDIO教育模式的激光加工教学的实践探索

针对目前我国工科毕业生实践能力和创新能力明显不足这一现状,文章通过激光加工工训教学的改革和成效,从一个侧面佐证了实践教学对工程教育和培养学生创新能力的重要性,提出实施CDIO工程教育模式、改革实践教学方式方法是培养学生具有扎实的专业知识、较强的实践能力和创新能力的有效途径,是工程教育专业认证的需要,也是经济社会发展及参与国际交流的需要,更是实现工程学位国际互认和工程师资格国际互认的需要。     

问题预览方式和篇章类型对英语听力理解的影响

文章以某师范大学非英语专业二年级4个班205名学生为研究对象,从问题预览方式和篇章类型两个维度,探讨问题预览对英语听力理解的影响。实验结果表明：（1）听力理解分别受问题预览方式和篇章类型的影响,但两个因素不存在显著交互作用;（2）就总体而言,完全预览比题干预览与无预览更显著有利于听力理解,选项预览比无预览更显著有利于听力理解;（3）会话篇章采用不同的预览方式,答题的正确率不存在显著差异,但在讲座篇章中却存在非常显著差异。