高职教育"订单式"培养模式若干环节的分析

"订单式"培养模式是高职教育实现培养目标的一种运行方式.这一模式涉及订单鉴定,进行与订单相适应的专业改革,与区域间和全国范围内经济社会发展良性互动等环节.分析各环节内涵及不同的地位和作用,目的是为实施这一模式提供借鉴.     

国际标准关联标识符在图书馆的应用研究

国际标准关联标识符(ISLI)标准已经在新闻出版领域取得快速普及与应用。作为信息资源与用户的枢纽中心,图书馆领域与新闻出版业存在天然的联系,了解ISLI标准在新闻出版等领域的实施情况,有利于加速ISLI标准在图书馆行业的应用。文章在梳理ISLI标准的概念、编码体系、实践应用等的基础上,提出优化图书馆数字资源管理系统以支持ISLI编码的识别与管理,积极制定适合于图书馆知识资源和知识元关联的行业标准ISLI/LIB,进行基于ISLI/LIB的知识资源回溯关联、知识元关联服务以及注册中心的构建等应用对策,为用户提供更加精、准、深、专的知识资源和知识服务。     

Laurent多项式环的导子李代数的一个直和的模的导子

记DerA为Laurent多项式环A的导子李代数,本文讨论直和A＋DerA到其Larsson模F^n（Vλ,b））的导子。     

论运动休闲产业中的竞合关系及其管理

竞合关系是现代市场竞争中企业普遍存在的一种既有竞争又有合作的关系,它是一个健康经济社会必须的企业间关系.积极建立企业间竞合关系对于企业的发展至关重要.运动休闲产业作为一个新兴产业,其间企业管理者首先需要有对竞合关系的理解和意识,然后要在建立企业间竞合关系的具体方法和原则方面通晓其理、运筹帷幄.     

对我国优秀年轻女子乒乓球运动员郭跃技术特征的分析

国际乒乓球比赛规则的不断变化对我国乒坛长胜地位造成了巨大的困扰,只有去主动适应规则,寻找规律,勇于创新,才能突破困扰,立于不败之地。文章以郭跃的技战术个案分析为例,总结出她技战术的一些规律和存在的问题,希望为我国的女线上横拍反胶弧圈结合快攻打法的发展提供科学理论和参考依据。     

网络计量学的理论、方法及应用

网络计量学研究的对象包括网络信息直接计量、网上文献信息及相关特征信息计量、网络结构单元的信息计量。网络计量学有其规律和研究工具。它具有内容新颖、广泛和大量运用统计学知识的特点。其研究方法有链接分析法、统计分析法和图论分析法等。网络计量学在网站评价与建设、信息资源开发与管理、网络信息检索,以及数字图书馆资源管理等方面,都有广泛的应用。参考文献12。     

基于链接分析的网站评价研究

从排名前50位的美国商学院中,随机抽取20个,把它们主页所在网站作为研究对象, 以指向网站的网页数和网络影响因子(Web-IF)作为测定核心网站的依据。研究表明:用这两种依据来测定核心网站,所得结果基本一致;Web-IF对评价网站质量和测定核心网站具有重要价值;在计算Web-IF时应以其他网站指向被研究对象的网页数和网站在该时刻可访问到的网页数作为依据;布拉德福定律可能适用于核心网站的研究。表3。参考文献11。     

我国大学图书馆网站链接的实证分析——以中国"211工程"高校为例

文摘以我国“211工程”大学图书馆作为研究样本,以Google和Altavista为搜索工具,得到相关网站的12个链接分析指标。通过对这些指标数据进行分类处理与综合分析,全方位展示并评价我国重点大学图书馆网站的规模、影响以及各指标的相对排序位置,为我国大学图书馆网站的建设提供借鉴性信息,并从所得数据的处理结果对链接指标与链接分析工具进行了讨论。     

MTGCN: A multi-task approach for node classification and link prediction in graph data

Both node classification and link prediction are popular topics of supervised learning on the graph data, but previous works seldom integrate them together to capture their complementary information. In this paper, we propose a Multi-Task and Multi-Graph Convolutional Network (MTGCN) to jointly conduct node classification and link prediction in a unified framework. Specifically, MTGCN consists of multiple multi-task learning so that each multi-task learning learns the complementary information between node classification and link prediction. In particular, each multi-task learning uses different inputs to output representations of the graph data. Moreover, the parameters of one multi-task learning initialize the parameters of the other multi-task learning, so that the useful information in the former multi-task learning can be propagated to the other multi-task learning. As a result, the information is augmented to guarantee the quality of representations by exploring the complex constructure inherent in the graph data. Experimental results on six datasets show that our MTGCN outperforms the comparison methods in terms of both node classification and link prediction.     

挖掘知识的内在联系,激发学生的学习兴趣

结合《数学分析》等课程的教学实践,阐述揭示数学知识的内在联系对于激发学生认知兴趣的作用.