“中国式”消费

时至今日,不少人都将中国的消费者视作高端化的消费群体。然而在我看来,无论是汽车行业、改装行业、抑或其他行业,事实并非如此。在这个已经是世界最大的汽车市场里,消费者的消费观念被遗落在了过去。买一台新车,对于中国式的消费来说其实很简单,却又不简单。一个不错的品牌推出了一款有着眼见为实的“中国式外观”的车子,而且还伴有促销的冲击,很难想象这款车会不受到中国式消费者们的青睐。     

阅读教学中多媒体课件的运用

语文课程标准指出：“工具性和人文性的统一,是语文课的基本特点。”这说明语文教学的工具性和人文性是相融共存的,犹如一枚硬币的正反两面,谁也不可或缺。本文从实际的案例入手,着重呼唤人文的多媒体阅读教学的回归。     

KENAOTE：一种知识增强的方面和意见对提取多任务学习模型

方面和意见对提取旨在根据给定句子提取方面和意见项并匹配关系,然而相关研究通常独立提取方面和意见项,而不识别关系。为了识别方面和意见项关系,提出一种知识增强的方面和意见对提取多任务学习模型。首先使用预训练语言模型为文本生成具有语义信息的词向量,为了实现知识增强的效果,使用遮蔽注意力的方式将知识图谱的语义信息融入词向量中,然后使用基于距离注意力和条件随机场的序列标注方法提取方面和意见项,最后再将提取的方面和意见项两两匹配预测对应关系。为了加强方面和意见项提取模块和匹配模块的联系,采用共享编码层的方式实现联合训练。在训练流程中,匹配模块采用真实标签作为输入,在测试过程中采用提取模块的结果作为输入。为了证明模型的有效性,使用三个通用领域数据集进行对比实验,该模型在方面和意见项匹配任务中F1值分别达到66.99%、75.17%和67.30%,并优于其他比较模型。     

多模态情感分析算法综述

多模态情感分析作为近年来的研究热点,比单模态情感分析具有更高的稳定性和准确率.介绍了多模态情感分析研究背景,分别对基于文本的、基于音频的和基于视频的单模态情感算法分析进行了阐述,又讲解了多模态的3种融合方法:特征级融合、决策级融合和混合融合以及相关算法,并分析了多模态情感分析存在的问题.     

基于注意力机制和BiGRU融合的文本情感分析

针对简单的神经网络缺乏捕获文本上下文语义和提取文本内重要信息的能力,设计了一种注意力机制和门控单元(GRU)融合的情感分析模型FFA-BiAGRU.首先,对文本进行预处理,通过GloVe进行词向量化,降低向量空间维度;然后,将注意力机制与门控单元的更新门融合以形成混合模型,使其能提取文本特征中的重要信息;最后,通过强制向前注意力机制进一步提取文本特征,再由softmax分类器进行分类.在公开数据集上进行实验,结果证明该算法能有效提高情感分析的性能.     

基于用户兴趣词典和LSTM的个性化情感分类方法

微博是一个可以分享生活、发表看法、发泄情感的社交平台,由于数据量大且易于获取,微博数据已被广泛用于网络用户情感分析.传统对微博进行情感预测的研究没有考虑用户的用词喜好、语言风格等个性化因素的影响,使得情感分类结果的准确性不高.首先通过分析用户兴趣特征构建用户兴趣词典,在此基础上提出基于用户兴趣词典的情感分类模型;然后利用长短期记忆网络(Long Short-Term Memory,LSTM)分类准确性高的特点训练一个通用的LSTM分类模型;最后利用支持向量机融合不同模型以得到最终的情感分类结果.实验结果表明,与支持向量机、朴素贝叶斯等传统分类器相比,基于用户兴趣词典与LSTM的个性化情感分类方法在分类精度上有较大提升;与LSTM、循环神经网络等深度学习方法相比,该方法在保证运行效率的前提下能获得更高的分类精度.     

基于新型两阶段混合算法的电力系统无功优化

针对电力系统无功优化领域现有的人工智能算法易早熟和收敛精度不佳的缺点,将萤火虫算法和量子粒子群算法相结合,形成一种新型两阶段混合优化算法。该混合算法采用串联的方法将GSO算法与QPSO算法混合,使两种算法优势互补。在算法迭代前期充分利用萤火虫算法可同时搜索全部局部最优解的特性,保证了寻优的全面性。在迭代中后期,利用量子粒子群算法收敛速度快、解的精度高的特点进行寻优,保证了算法的收敛精度。同时基于黄金分割点理论,引入了群体替代算子,避免了迭代后期算法陷入局部最优。经过算法在IEEE30节点算例中的对比仿真,结果表明:在无功优化领域中,两阶段混合算法的全局搜索能力,收敛速度及精度均优于对比算法。     

基于GAED-MADDPG多智能体强化学习的协作策略研究

目前多智能体强化学习算法多采用集中学习,分散行动的框架。该框架存在算法收敛时间过长和可能无法收敛的问题。为了加快多智能体的集体学习时间,提出多智能体分组学习策略。通过使用循环神经网络预测出多智能体的分组矩阵,通过在分组内部共享智能体之间经验的机制,提高了多智能体的团队学习效率;同时,为了弥补分组带来的智能体无法共享信息的问题,提出了信息微量的概念在所有智能体之间传递部分全局信息;为了加强分组内部优秀经验的留存,提出了推迟组内优秀智能体死亡时间的生灭过程。最后,在迷宫实验中,训练时间比MADDPG减少12%;夺旗实验中,训练时间比MADDPG减少17%。     

不确定环境下考虑群体冲突与指标关联的应急群决策EI北大核心CSCD

针对不确定环境下的应急群决策问题,提出一种新的基于语义信息的考虑群体冲突与指标关联的应急群决策模型。利用自由语义信息与可能性分布—犹豫模糊语言集刻画并处理不确定信息;提出一种基于可能性分布—犹豫模糊语言集的群体意见冲突检测与调整算法,降低了专家群体的意见冲突水平;提出一种新的基于决策试验和评价实验室与网络层次分析方法的指标关联权重确定方法;考虑决策专家的风险偏好,提出一种基于前景理论的逼近理想解排序算法。以某高铁车站应对大量旅客滞留突发事件为例,验证了所提模型的有效性与科学性。     

大学生就业忠诚度培养模式重建探究

面对高等院校毕业生就业过程中日渐凸显的“高就业高流失”现象,以及由此引发的有关大学生就业忠诚度缺失的问题,用人单位将其原因指向高等院校就业指导教育的欠缺以及“先就业后择业”等就业观的不良影响。结合某高校应届毕业生实际情况,围绕完善就业指导体系、抓好诚信教育、重视情感教育等方面,探究高校毕业生就业忠诚度培养模式的重建问题。