面向智慧课堂的视频服务系统设计与实现

随着智慧课堂的日益普及,急需构建安全、稳定、高效的视频服务系统,提供丰富海量的视频信息资源、个性化的视频服务、教与学数据分析与决策支持等。通过实践调查和文献分析,基于智慧课堂教学设计与实施对视频服务的需求,设计实现了面向智慧课堂教与学服务的视频服务系统。该系统采用MVC模式,基于ThinkPHP高性能框架开发,基于角色实现了海量视频信息资源的智能检索,用户个性化视频推荐和图形化数据统计分析等功能,为智慧课堂提供全方位、个性化、智能化的教与学环境和信息资源服务,解决了传统课堂教学平台缺失和信息资源受限问题。实践应用与课堂调查表明,教师更关注视频信息资源的便捷获取与灵活发布、学情智能分析,学生更偏爱视频学习与立体化交互,基于平台的分组讨论与汇报,汇聚了师生智慧,实现了学生知识、技能、情感等多维学习目标的达成。     

基于LDA主题模型的标签推荐方法研究

针对现有的标签推荐方法存在的推荐准确率不高与效果不理想等问题,本文提出了基于LDA主题模型的社会化标签推荐方法。该方法利用LDA主题建模技术将传统的基于对象间关系的推荐方法扩展到融合对象间关系与资源内容特征的统一推荐。实验结果表明,该方法取得了理想的预期效果,能够显著提高标签推荐的质量与效果。     

从“庞统两次自荐均遭冷落”谈大学生就业问题

本文通过分析《三国演义》中“庞统两次自荐,均遭冷落”的原因,以引导和帮助大学生树立现代就业观,学习就业技巧,拓宽就业渠道,顺利实现就业。     

基于模糊聚类和模糊模式识别的数字图书馆个性化推荐研究

为提高图书馆个性化推荐的效果,采用模糊聚类和模糊识别技术建立数字图书馆的个性化推荐系统。通过分析用户的信息素质、兴趣爱好、网络和电子资源检索情况,对读者进行数学模糊聚类分析,确定最佳阈值λ,得到最佳聚类。根据个体用户的基本情况进行模糊识别,由识别结果的归属给出针对当前用户的个性化推荐。实验结果表明,在模糊聚类与模糊识别基础上的个性化推荐方案是可行的和有效的,为创新数字图书馆个性化服务提供了一种新的方法。     

国家科技重大专项科研人员激励机制分析和建议

对国家科技重大专项科研人员的激励机制进行深入研究,通过政策分析、问卷调查、实地调研和专家座谈等多种方式分析存在的若干问题,提出相应的对策建议。     

网络表示学习在学者科研合作预测中的应用研究

在大数据环境下,科研合作是提高科研水平、促进科研产出的重要途径。如何在浩如烟海的学者、机构、领域信息中准确地找到与自身研究方向相近的合作对象是近年来科研合作预测的研究重点。本文通过科学学领域科学文献的记录数据,构建作者-作者、机构-机构、作者-机构、作者-关键词、机构-关键词的共现网络,接着通过网络表示方法学习作者、机构、关键词在所处网络中的语境信息,将信息实体表示成相同空间的低维稠密向量,最后根据表示向量的相似度计算实现合作对象、合作领域挖掘。通过网络表示学习方法能实现多种异质信息融合,定量计算各信息实体间的关联强度,可以很好地捕捉科研网络中学者-学者、学者-机构、学者-关键词的关系,准确地为学者挖掘潜在合作者、合作机构和关键词。     

高校图书馆阅读推荐书目特色研究

如今大学生阅读有多种途径,社会中出版的书籍量也是巨大的,但是并非所有的书籍都适合大学生阅读,如何在书海中找到对大学生有益的书籍,推荐书目就显得非常重要。通过收集有关20所高校图书馆推荐书目的相关数据,并且采用问卷调查的方法对20所高校的学生进行调查,得出当前高校图书馆阅读推荐书目特色的现状。从而深刻剖析高校图书馆书目推荐中存在的问题,并就这些问题提出相应的优化对策,为提升高校图书馆推荐书目工作提供理论基础。     

基于领域本体的学习路径推荐策略研究

为了解决学生在线学习过程中的“认知过载”和“学习迷航”等问题,充分发挥网络课程资源的教学辅助作用,以《决策支持系统》课程为例,提出一种基于领域本体和语义相似度的个性化学习路径推荐策略。根据领域知识点及其关系构建本体库,建立知识点间语义关系,并用Protégé进行本体形式化编码;基于本体设计学习路径生成策略和相关知识协同策略;最后,结合《决策支持系统》课程现有网络资源设计并开发原型系统,实现个性化学习引导及资源空间优化。实验表明,该平台能够实现在线学习路径的有效引导,为学生提供个性化学习空间,优化在线学习效果。     

基于Web的个性化网络教学系统原型的研究

网络教育已成为我国教育的重要组成部分，但其发展还面临着若干瓶颈问题，网络教学缺乏个性化就是其中之一。本文针对这一问题，提出了在传统网络教学系统中引入个性化技术、数据挖掘技术，构建基于Web的个性化网络教学系统原型。系统通过实时跟踪学习者在线学习行为，动态掌握其学习进度和学习效果，以此向学习者和教师进行个性化推荐。     

基于用户行为分析的自适应新闻推荐模型

针对新闻浏览者的偏好易变等特点，通过度量在线用户的点击和阅读行为，依据其不同的阅读策略类型，分析其页面偏好，并综合各页面偏好和新闻偏好，以关键字偏好表的形式表示;然后设计自适应的评分推荐机制，动态地分析用户兴趣及其转移;设计学习机制，根据用户实际阅读的新闻，调整其关键字偏好，并采用模糊相似度来分析用户偏好结构与新闻结构的相似性，从而产生推荐。实验表明，所构造的模型能够提供良好的个性化新闻推荐服务。