【摘 要】
：
信息时代背景下,海量的知识正在快速地融入学科体系。学习对象除了单个知识点外,还有知识框架以及知识点间的隐含关联。在人工智能的推动下,不少知识图谱的研究成果成为了当下有利的辅助工具,这使得更多智能化的教学平台在学科领域内具有新的应用前景。论文以计算机学科为例,从构建和分析学科型知识图谱入手,结合目前新的教学需求,介绍一款基于知识图谱的多策略组卷系统。
【基金项目】
：
国家自然科学基金面上项目(编号:61977032),华中师范大学中央高校基本科研业务费专项资金项目(编号:CCNU18TS016),湖北省高等学校省级教学研究项目(编号:2017091),华中师范大学教学研究项目(编号:2017038)资助。
论文部分内容阅读
信息时代背景下,海量的知识正在快速地融入学科体系。学习对象除了单个知识点外,还有知识框架以及知识点间的隐含关联。在人工智能的推动下,不少知识图谱的研究成果成为了当下有利的辅助工具,这使得更多智能化的教学平台在学科领域内具有新的应用前景。论文以计算机学科为例,从构建和分析学科型知识图谱入手,结合目前新的教学需求,介绍一款基于知识图谱的多策略组卷系统。
其他文献
针对SAMME算法对于不平衡数据集的分类效果不理想,对不同数据集的适应能力弱的缺陷,将其和极限学习机(ELM)结合并进行有针对性的改进,根据样本分布对训练样本的初始化权值进行重新分配,对训练过程中样本的权值和弱分类器的权值更新策略进行改进,给予弱分类器一个与其对少数类样本识别能力成正比的奖励项,增强了所得分类器对难分类样本的敏感性,使最终集成分类器性能有了显著提升。经过该集成算法与组成该算法的子算法的对比实验,论文方法取得了更优的G-mean以及F1值,验证了论文算法的有效性。其次,论文算法和其他分类算法
针对传统多帧湍流图像复原耗时长及观测帧序列空间不齐时需匹配的问题,论文提出一种基于关键帧间矩阵约束的多帧湍流图像盲复原算法。该算法首先对观测序列自适应提取关键帧,然后在频域内分别构造估计原始图像和点扩散函数的代价函数方程,利用关键帧间矩阵约束指导点扩散函数复原,通过各向同性总变分模型约束指导图像复原,采用变量分离和增广拉格朗日方法对代价函数交替迭代优化,以达到快速性估计点扩散函数和恢复图像。仿真实
在互联网环境下,许多消费者在购买商品之前都会参考网上的评论信息以及星级评价,比如五星好评。但是这些评论大多都是一些个人主观的评价,带有个人感情色彩,有的时候是片面的。如何从大量评论中找到有价值的信息成为研究的重点和难点。针对这一问题,文中提出有关在线评论有用性投票的分析方法。在实验中,利用论文的方法来提取评论集只出现一次低频关键词并对其进行排序。结果发现,所提取出的短语越有用,这条评论也就越有用,有用性投票数也就越高,可以更加客观、准确地反映该产品的实际情况,便于为消费者提供更好的消费决策。
新闻事件检测是自然语言处理任务中的一项任务。新闻事件检测旨在从新闻文本数据流中检测出新闻事件并给出事件主题。人工构建新闻事件的特征费时费力。传统的新闻事件检测方法是根据新闻事件之间的空间距离检测新闻事件,对于不同的新闻事件相似度较高时,容易误判为同一事件。针对上述问题,论文提出基于注意力机制的双向长短记忆网络构建新闻事件检测模型,通过深度学习学习新闻文本深层次的特征并且基于新闻事件检测模型构建新闻事件建模应用系统。实验表明论文方法在准确率、召回率优于传统方法,可对新闻事件准确识别。
论文针对户外道路下的无人驾驶卡车,提出了一种基于微机电系统惯性测量单元和激光雷达融合的姿态估计方法。论文的主要内容包括三个方面:1)基于扩展卡尔曼滤波器设计无加速度数学模型,克服惯性测量单元的纵向和横向测量漂移。2)从激光雷达一维点云分布建立多线扫描几何模型,分析路面障碍物(包括凸起障碍物和凹陷障碍物)的几何特征得到道路特征。3)结合激光雷达提供的道路特征,利用所提的无加速度模型,移除因户外不平整
推荐系统作为帮助用户快速获取有用信息的重要工具之一,得到了深入的研究和广泛的应用。为了更好地挖掘基于上下文信息的推荐场景中“用户-项目-上下文”三者之间的潜在关系,定位用户可能的兴趣点,进而提升推荐准确度和用户体验。通过分析目前已有的关于上下文情景数据处理技术的原理和特点,在时间复杂度或者时效性方面仍存在着不足之处,这也是目前融合上下文推荐算法的研究重点和难点之一。针对推荐的时间复杂度高这一方面,提出了融合因子分解技术的推荐算法(FM-CR)来提升基于上下文推荐的效果,包括用户接受率和时间复杂度。经过实验
针对和声搜索算法在求解多目标问题时效率不高、易陷入局部最优、在算法后期收敛精度不够等不足。提出一种改进的多目标和声搜索算法,其思想是通过引入自适应操作,加强算法的全局搜索能力,增加解的多样性;同时对解集根据Pareto最优解进行非支配排序,提高算法效率,增加算法在后期的收敛精度。在数值仿真实验中选取4个测试函数进行实验,并同其他算法进行多方面比较,结果表明该算法具有更好的性能。
随着工程技术的发展,室内温湿度的智能化控制越来越成为科研人员所关注的重点。论文主要采取一种以单片机系统为基础,辅之以BT神经网络PID算法调节的新型智能控制系统。其中采用STM32F407ZGT6型单片机作为该系统的控制核心,采用DS18B20温度传感器和AM2305数字温湿度传感器对室内的实时温度和湿度进行检测,并以LCD1602显示元件对检测到的温度进行实时显示,以超导热管作为降温系统核心元件,并在室内安装喷洒装置用于降温和加湿。此外为了更好地控制室内的温湿度,辅之以BT神经网络PID算法来对单片机系
为了改善传统ItemBased推荐算法在大数据环境下的数据稀疏性问题和可扩展性问题,论文提出了一种基于Hadoop平台的ItemBased推荐算法。通过Pearson相关系数公式获取数据项之间的相关度,并根据数据集中的数据稀疏程度赋予一定的权值。在此基础上,将该算法在Hadoop平台上分布式并行化,在保证算法的平均绝对误差情况下,提升集群的运算速度。实验表明,改进的算法能够改善推荐质量、提高推荐效率,并且在大数据环境下拥有良好的可扩展性。
海洋设备的无损检测对于保障设备安全使用至关重要,由于设备所处的海洋环境特殊,要实现对海洋设备缺陷位置的准确估计难度较大。论文提出了一种基于粒子群优化BP神经网络(PSO-BP)预测设备缺陷位置的方法。通过模拟了海洋检测环境,用钢板作为实验对象,用超声波探伤仪对缺陷钢板进行了数据采集,获取了水下钢板的实时数据。通过粒子群算法对BP网络进行优化后对数据进行分析,对比缺陷出现的实际位置和预测位置,证明了粒子群优化的BP神经网络对于超声波检测的缺陷出现位置具有较好的预测效果。