基于深度学习的数字图书馆资源个性化推荐模型设计

针对海量在线资源带来的“信息迷航”情况,本文提出基于深度学习的数字图书馆资源个性化推荐模型.首先对深度学习的特点进行分析,再运用其对数字图书馆用户进行画像建模,根据用户特征、行为与偏好等信息,构建用户画像,再根据提取到的用户画像特征,结合深度学习算法,引入用户特征与时间关系参数,提高用户与资源间的匹配度,以此实现数字图...     

用户异常行为分析方法研究与应用

为了应对高级持续性威胁（APT）攻击造成的威胁,解决传统基于规则的分析方法对用户异常行为检测的误报与漏报问题,提高用户异常行为检测效果,通过采集用户行为日志生成用户操作行为矩阵,并通过模型定义方式对用户行为进行相似度分析。采用容忍度测算、突变测算、差值测算与峰值测算方法,分析与发现用户异常访问。基于用户画像的异常行为分析方法结合了用户操作行为特征及角色定义,利用用户行为日志历史信息勾勒出用户行为画像,使系统能准确、实时地判断用户行为异常,提高了对异常行为的实时检测与快速响应能力。     

基于大数据技术的红色旅游用户画像应用

大数据技术的深度应用,为行业发展特别是在提升红色旅游用户画像精准性方面奠定技术基础,而红色旅游用户画像是红色旅游营销系统实现数据驱动的关键举措。通过构建红色旅游用户画像模型,描述这部分游客群体特征,为精准营销服务提供了切实可能。有鉴于此,在基于红色旅游用户画像相关理论基础上,分析了红色旅游用户画像的数据来源及大数据实现技术,进一步验证红色旅游画像在业务系统中的场景应用。大数据平台与红色旅游用户画像的融合,从API接口服务输送到各个业务方,增加数据服务人员范围,描述用户量化特征,能够推动红色旅游更深层次发展。     

K-12区域级学习平台个性化推荐系统资源画像模型建设研究

随着在线课程和线上学习的普及,大量的在线学习行为数据被积累。如何利用数据挖掘技术分析积累的大数据,从而为教学决策和学习优化提供服务,已经成为新的研究重点。文章基于苏州线上教育中心的学习行为数据,结合用户设定与对用户行为数据的挖掘分析,提出了一套资源画像的建设方法,该方法为个性化推荐及跟踪提供了数据基础。     

基于视觉的四旋翼室内悬停与定位控制

为使四旋翼飞行器具有更好的室内定点悬停效果及定位精度,提出一种基于视觉辅助与四旋翼飞行器惯性传感器数据融合的控制算法。利用机体下视摄像机获得光流航速信息,与惯性传感器姿态信息数据融合实现良好的室内悬停效果。机体前视摄像机通过ORB算法将当前帧与关键帧进行特征点匹配,以提高四旋翼飞行器的室内定位精度。将PARROT公司的ARDrone 2.0四旋翼飞行器作为实验平台, 采用OpenCV软件对图像进行处理,对控制算法进行验证,结果表明：基于光流和惯性传感器姿态数据的融合确保了四旋翼飞行器控制的安全性,提高了飞行器悬停效果和定位精度。     

基于在线作业数据的学习行为投入画像构建研究

学习者画像是描述学习者特征、实现智能化推送、实施个性化教育的重要基础.如何挖掘并利用在线学习平台中的数据构建学习者画像是当前亟待解决的问题.研究以在线作业为目标场景,以在线学习行为投入为切入点,构建了以参与、坚持、专注、学术挑战和自我调控为主要维度的分析框架和测量指标,利用7695名小学生在线作业数据进行了27个测量指标的有效性验证,采用K-Means聚类方法对在线学习者的行为特征和结果特征进行了标签分类,形成了四类学习者的群体画像,提出了相应的学习指导建议.研究发现,学习者的学业成绩与作业行为投入之间存在显著相关,不同的行为投入平台指标与学业成绩呈现不同的相关性,学习品质相关指标与学业成绩呈现强相关.因此,在线教育平台应通过画像技术,持续跟踪学习者的在线学习行为投入,评估学习者的学习品质,提出个性化的指导建议,推送精准化的学习资源,进而提升学习者在线学习效率.     

利用学习者画像实现个性化课程推荐

在"互联网+"在线学习环境下,探索符合学习习惯和偏好的个性化推荐路径能够降低学习者学习的盲目性、提升学习者在线学习体验.文章提出了一种基于学习者画像的个性化课程推荐方法,首先,利用爬虫技术获得Bilibili网站30多万名学习者的数据,然后对学习者学习数据进行定量分析,尤其是在个性化特征最明显的情感表达方面,采用了基于注意力机制的双向长短时记忆网络进行情感分析,从而构建了包含学习者基本信息、行为和弹幕文本三个维度的学习者画像特征模型.在此基础上,利用深度神经网络建立了教学资源与学习者画像之间的关系模型,用该模型预测学习者新的学习需求.实验结果表明,当学习者登录后,输入要选择的课程,模型能够根据学习者画像推荐相似学习者学习过的课程,提供个性化课程推荐服务,且推荐评价指标也表明该模型能够提高推荐性能.     

新高考改革背景下考生择校行为可视化分析 ——以M大学为例

新高考改革倒逼高校更加关注"用户需求".通过采集某师范大学新生数据构建可视化模型,发现存在三类特征差异较为明显的新生"典型画像".基于画像,可以制定不同群体的精准招生宣传措施并提供不同阶段的个性化服务.根据细分市场提供精准信息服务成为研究热点和行业共识.精准服务的前提是对细分市场用户群体特征的分析,把握潜在目标群体的择...     

基于用户画像的区块链激励设计

区块链由于具有不可篡改、数据可追溯的性质,已应用于金融、版权、数据交易等多个领域。在公交车司机行为画像基础上,设计一种基于用户画像的区块链激励设计方案。首先定义司机画像评分方式,将评分作为区块链产生的依据,然后根据司机画像设计智能合约机制,最后提出区块链激励构架与功能组件。该方法有利于解决考核过程中的去中心化问题,为公司提供一种新的激励制度设计思路。     

基于校园行为数据分析的学生画像系统初步构建研究

随着互联网的普及与推广,各大高校的教学与管理都实现了信息化。学生行为数据能够全面、系统地反映出大学生的行为规律和特征。面对海量的校园数据,如何从中有效挖掘、筛选有价值的信息,已成为提升学生工作信息化管理水平的重要内容。基于校园行为数据分析的学生画像系统,以大学生各种行为数据为基础,对数据进行动态更新、实时处理、综合分析。通过"七观"与"六维"方法将思想与行为相关联,实现对学生思想特征"画像",对学生不良情况进行预警,提升学生工作管理水平,为高校教育教学、教育管理的决策和规划提供更加可靠的依据。     

高校网络舆情用户画像构建与应用研究

大数据时代,高校网络舆情管理挑战与机遇并存.探讨了国内高校网络舆情用户画像的研究现状,结合高校网络舆情管理实际,从资源层、数据层、存储层、处理层、模型层、应用层提出构建高校网络舆情用户画像的架构图,并从构建可视化用户画像、建立专业化管理队伍、培养网络意见领袖三个方面提出应用建议.     

基于 LDA 特征扩展的用户画像

采用用户历史查询词构建用户画像时,现有向量空间模型存在特征稀疏和上下文依赖性强的问题。针对该问题,通过引入 LDA 主题模型,首先提取查询词潜在主题,得到查询词对应的主题分布;然后将概率最大的主题对应的词扩充到原始特征空间中,丰富用户特征;最后采用 SVM 分类算法对用户基本属性进行分类,构建用户画像。实验表明,利用 LDA 模型对用户特征进行扩展比传统向量空间模型用户画像精度提高了 1.6%。     

基于大数据的开放教育学生画像构建研究——以西安开放大学为例

学生画像的构建与应用已经成为提升教育治理能力现代化的重要举措。学生画像的潜在价值与应用，为教育决策、教学设计、过程监督和质量评估带来了重大改变。学生画像的构建主要是通过学生学习行为大数据的分类、汇总，建立相应特征标签，构建多维度模型，直观展示学生学习行为的主要特征。通过融通学习平台，完善数据指标，提升数据处理水平，规范安全制度能够提升学生画像质量和整体管理水平，为管理者提供决策依据和决策支撑。     

通航飞机姿态数据获取系统设计与仿真

针对目前仍有较多通航飞机无法获取姿态数据这一现状,根据通航飞机的运动规律,提出了一种基于MEMS惯性传感器的姿态数据采集方案,选择合适的传感器以及姿态解算算法。硬件设计完成后,利用全动模拟机进行实验,将采集的数据利用MATLAB进行仿真,与模拟机真实数据进行对比,误差在接受范围内,验证了系统的可行性。     

基于行为特征的ATM机用户身份识别研究

传统自动柜员机（ATM）监控系统以摄像为主,不能及时检测用户身份是否异常。提出一种基于行为特征的ATM机用户身份实时识别方法,采集用户输入密码时的触屏行为特征数据,通过SVM分类算法判断该用户行为是否属于合法用户。该方法不仅要求用户输入的账户密码正确,还要求该用户的行为特征与预设定的合法用户行为特征一致。实验结果表明,通过数据预处理和SVM分类算法参数优化后的ATM机用户身份识别系统识别精确度达到97.9769%,比没通过数据预处理和SVM分类算法参数优化后的识别精确度高出4.5769%。     

基于多传感器与WiFi融合的室内定位方法

针对室内定位精度不高的问题,通过融合多惯性传感器定位技术和WiFi定位技术,提出一种基于多惯性传感器和WiFi定位结合室内定位方法。首先使用基于WiFi的室内定位中的RSSI算法,根据位置指纹、利用最近邻匹配算法获得绝对位置信息,再通过基于三轴加速度传感器与陀螺仪的步数检测方法以及基于电子罗盘与陀螺仪的航向估算方法获得相对位置信息。最后基于位置指纹的方式对多传感器的室内定位进行步长校正,得到较为准确的定位结果。实验结果表明,该方法与单独运用惯性传感器或单独使用基于WiFi的室内定位方法相比,精度更高。     

基于改进PSO的多传感器数据自适应加权融合算法

加权融合算法是多传感器数据融合中的常用方法,但加权因子的确定非常困难并直接影响算法的性能.文章提出利用改进的粒子群优化算法对各个传感器的加权因子进行自适应优化,引入种群进化度、聚合度来反映种群的多样性,当种群多样性低于阈值时执行变异操作,并交替使用基于聚合度、进化度的自适应惯性权重函数,从而避免算法陷入局部最优解.通过UCI数据集测例表明本文算法是一种较有效的多传感器数据融合方法,相对其它算法具有较高的融合精度.     

Lambda架构下基于用户行为的机构知识库推荐系统建设研究

本文利用用户在线行为数据,构建了针对机构知识库的个性化推荐系统。具体方法为:基于大数据Lambda架构,实现系统对用户隐式和显式行为的数据采集、汇总、融合、计算功能,构建基于本体的加权向量用户兴趣离线计算模型;同时针对用户对机构知识库行为的反馈,进行实时推荐。最后得出结论:利用大数据思维和技术,构建多维度用户行为模型,对机构知识库的个性化推荐有一定实用价值。     

大数据时代高校辅导员"精准思政"路径探析

互联网改变了新时代大学生的思想行为方式和认知行为习惯,而大数据技术的运用变革了高校辅导员思想政治工作的思路与方法.基于大数据的学生数据画像、动态监测、行为预测是辅导员"精准思政"的重要内容,也是切实提高工作实效性、针对性的重要途径.为此,高校要做好顶层设计、搭建数据平台;不断增强数据意识,提高工作人员数据分析能力;引育并举,建设专业化人才队伍.     

基于四元数互补滤波和PID控制算法的两轮自平衡车系统设计

为探究两轮自平衡车系统中惯性传感器的数据误差问题和车体平衡抗扰适应性,利用主控制器KL25、惯性传感器MPU6050等器件搭建了实验平台。基于四元数与互补滤波数据的融合解算车体姿态,通过数字PID算法调整PWM信号量的输出实现姿态的自我调整,最终实现对两轮车体系统的自平衡控制。测试结果表明,在小幅度偏角范围内车体能够及时调整姿态,表现出了良好自平衡性能。