基于PU学习的链接预测方法

基于分类的链接预测方法中,由于链接未知节点对的大规模性与不确定性,选择可靠负例成为构造链接预测分类器的难点问题.为此,文中提出基于正例和无标识样本(PU)学习的链接预测方法.首先,提取节点对的拓扑信息以构造样本集.再利用社区结构确定候选负例的分布,基于分布进行多次欠采样,获得多个候选负例子集,集成多个负例集与正例集中构建的分类器选择可靠负例.最后基于正例与可靠负例构造链接预测分类器.在4个网络数据集上的实验表明文中方法预测结果较优.     

以信息技术推进高校学生个性化学习

现今社会人们对未来教育的关注持续增多,学生教育正是未来教育的主体。如何通过信息技术,推进高校学生个性化学习,成为各界人士关注的课题。时代的进步与发展需要创新思维,信息技术改革已经开始影响社会各界,它对教育行业的影响更应受到重视。笔者将讨论使用哪些信息技术以及如何使用这些信息技术,推进高校学生个性化学习。     

大数据背景下教师推进学生主体个性化学习研究

大数据时代,随着社会的快速发展,教育领域强调个性化教育,教师应积极面向全体学生,发现学生的独特性,承认个性差异,鼓励个性发展,因材施教,最大程度展现所有学生的个性和潜力。基于此,通过分析高职院校学生主体的个性化差异,探索研究大数据背景下教师推进学生主体个性化学习的策略,为后续教育改革和促进学生个性化学习提供参考。     

基于SVM的电压扰动识别研究

针对电力系统中出现的电压暂升(暂降、暂断)以及谐波、电压脉冲和电压闪变这六种常见电压扰动进行建模,将特征量输入到SVM进行电能质量扰动多类分类。首先采用相应小波包分解算法将电能质量中某一频段内的信号分解到特定频段上,其次在这些特定频段上提取特征向量,最后针对该特征向量构造相应支持向量机分类器。结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

卷积深度神经网络在基于文档的自动问答任务中的应用与改进

基于文档的自动问答,尤其是语义匹配,其目标是计算两个文本之间的相似度。这是自然语言处理中的典型任务,并且用以衡量对自然语言的理解程度。深度学习方法得益于可以自动化地学习到给定任务的最优特征表示,在许多研究中取得成功,也包括文本匹配。针对基于文档的自动问答,提出一个基于卷积深度神经网络的语义匹配模型,以便对每一对问题和文档提取特征,并据此计算它们的得分。通过问题和文档之间的交互计算,利用重叠词等文本特征,在中文开放域上的自动问答任务中取得的实际效果证明了该模型的有效性。