区域活动的有效指导策略——一次幼儿主题建构活动案例而引发的思考

本拟结合本班幼儿自发进行的建构“机器人基地”的区域活动案例，浅谈自己对区域活动的有效指导策略问题的看法。     

基于神经网络的概念联想和概念聚类

本文针对信息检索中自动标引和用户的检索提问问题 ,介绍了一种概念空间技术以及采用Hopfield神经网络进行概念联想与概念聚类的算法 ,并对其中部分算法进行了模拟和实验 ,针对存在的问题提出了改进方法 ,并通过数据说明其可行性     

网络搜索引擎的工作原理及检索技巧比较研究

在分析了大量数据资料的基础上,对Internet上最广泛使用的信息搜索工具——搜索引擎进行了全面的研究。主要探讨了网络搜索引擎的工作原理,着重介绍和分析了最常用的几种英文和中文搜索引擎的特点及检索技巧,介绍了几种专业的和特殊类型的搜索引擎的使用,并对搜索引擎的新发展趋势进行了分析探讨。     

一种改进的神经网络算法在销售预测中的应用

本文针对传统神经网络算法的不足之处给出了一种改进算法，且将该算法应用于销售预测中，获得了良好的预测结果，可作为预测商品销售的一种手段。     

基于无监督图神经网络的学术文献表示学习研究

学术文献特征表示,是学术文献搜索、分类组织、个性化推荐等学术大数据服务的关键步骤。研究表明,图神经网络能够有效学习文献的特征表示,然而当前研究主要集中在有监督学习方法上,不仅对数据集的大小和质量的要求较高,且学习到的文献特征表示与具体任务高度耦合。基于此,本文将四种无监督图神经网络方法引入学术文献表示学习,从Cora、CiteSeer和DBLP (database systems and logic programming)数据集的引文网络、共被引网络和文献耦合网络中学习文献的表示向量,并应用于文献分类和论文推荐两大下游任务。研究结果表明,(1)深度互信息图神经网络适合于文献分类任务,对抗正则化变分图自编码器则在论文推荐任务上性能更佳;(2)Cora数据集上的结果表明,相较于共被引和文献耦合网络,引文网络更适合于学习通用的文献表示向量。     

社交平台的话语争夺:中英文语境下政治机器人涉华议题舆论干预比较研究CSSCI

在推特等境外社交平台,政治机器人频繁操纵涉华议题,给我国国家形象建构带来挑战。本研究综合运用社会网络分析、内容分析及时间序列分析,从交互关系、主题分布以及议程引导这三个方面,对中英文语境下政治机器人涉华议题舆论干预进行比较。研究发现,传播策略上,不同语境下政治机器人信息会进行差异化投放,在中文语境下政治机器人发布更多有关中国政府的负面信息;传播效果上,受“网络民族主义”“粉丝民族主义”等因素影响,中文语境下的人类用户注重自身态度的表达,更加倾向于和人类用户之间互动,议程更少被政治机器人引导。本文从宏观层面对两种语境下政治机器人涉华议题干预进行探索,以期为今后国际传播能力建设工作提供参考。     

基于CPN网络的Web正文抽取技术研究

 通过研究使用CPN神经网络进行页面正文抽取,针对传统抽取技术在通用性、可扩展性和可维护性方面的不足提出一种解决问题的思路。