教师教学质量评估体系的研究

本文运用层次分析法构造了四级共二十三个评估指标．并完成了每一个指标的权重分配。为了使高校教学质量评估模型更加民主、更加科学合理。排除人为主观因素的干扰．可以通过层次分析法AHP。来建立教学评估的合理模型。同时．通过权重因子的计算。分析影响教学质量的关键因素，找到提高教学质量的有效途径。     

基于互联网语音交互系统的研究与实现

本文研究与分析了目前IP电话的现状,描述了在Internet环境下,实现语音交互的关键技术。并利用现有的硬件设施和技术力量,研究Windows的多任务机制,通过Windows MDK低层音频服务、Windows Sockets网络编程和音频压缩等技术实现了语音交互系统的基本功能,实现了PC to PC的实时通话。     

基于XML的配置文件技术在PDA邮件代理系统中的实现

本文主要介绍了PDA电子邮件代理系统,重点阐述了XML技术在该系统用户配置文件中的应用。本文通过分析PDA在电子邮件方面现有的不足,首先提出了一个PDA邮件代理系统的设计框架及实现流程,最后详细阐述了如何运用XML技术具体设计与实现用户的配置文件,并对整个系统进行了客观的评价和展望。     

基于Internet的语音交互系统的设计和实现

描述了实现Internet语音交互系统的关键技术，即利用Windows的多任务机制，结合WindowsMDK低层音频服务、WindowsSockets和语音压缩等技术，实现了PCtoPC的实时通话。     

一个SMS增值应用系统

介绍了一个SMS增值应用系统的设计框架及相应的技术特点。通过对现有移动通信网络的分析，引出SMS自身的特点，以及针对这些特点提出一些与之相应的适合服务。详细分析了短消息的PDU组帧格式。同时结合其他相关技术构架和设计出了一个具体服务系统，具体阐述了其实现过程和应用价值。最后提出本系统的服务易扩充性，只要通过一定的方法步骤即可方便地达到系统服务的升级。     

IM与SMS集成在PDA上的应用与研究

本文介绍了IM与SMS的现状及其各自的技术特点.通过针对现有各IM系统协议标准不统一的现状,构架了C/S模式的IM应用程序,提出了类IMPP协议标准,使之应用于PDA端和IM服务器端之间的IM数据交互.同时在IM服务器端完成协议转换工作.通过分析短消息组帧格式以及关于收发短消息的AT指令,实现了在PDA上通过与之相连的手机收发SM,以及PDA与手机信息同步.     

基于深度学习的课程推荐模型

针对网络课程推荐中数据稀疏和推荐效果不佳的问题,将深度学习引入课程推荐,提出基于辅助信息的神经网络模型（IUNeu）. 该模型在已有神经矩阵分解模型（NeuMF）的基础上,结合用户信息和课程信息,并考虑它们之间的相互作用关系,以提升模型表示用户和课程的准确性. 爬取慕课网（MOOC）上的学习数据进行实验,结果表明,随着向量长度和推荐课程数的增加,IUNeu模型的性能增长速度较NeuMF模型更快;不同的消极采样量对2个模型的影响较大,模型性能随着消极采样量的增加而增加,当采样量达到一定值时,变化趋于稳定;IUNeu模型比NeuMF模型具有更高的收敛速度. 在IUNeu模型中加入更多课程特征信息,可以进一步提高IUNeu模型的推荐质量.     

基于AJAX的电子地图系统

随着计算机技术飞速发展,传统的纸质地图在表现形式及信息查询方面已越来越难以满足人们对地图的使用需求,如何将互联网用于地图信息管理已成为当前研究的重点。本课题主要研究内容是利用Ajax框架开发“web电子地图系统”,满足用户对地图搜索定位等功能模块在性能方面上的要求。     

文本倾向性分析综述

介绍文本倾向性分析的基本流程,从主观性文本识别、文本倾向性分析方法、现有系统及评测方法、语料库建设4个方面对现有文本倾向性分析技术进行介绍和概括.综述了文本倾向性分析的3类研究方法：简单统计方法、机器学习方法和细粒度情感相关性分析方法,分析这3类研究方法的特点,从算法复杂性、效率和适用范围等方面比较各自的优缺点.概括现有研究的成就和不足,从基础性问题、具体应用的实现方法2个方面提出研究的前景.     

面向半监督情感分类的特征选择方法研究

特征选择旨在降低高维度特征空间,进而简化问题和优化学习方法。已有的研究显示特征提取方法能够有效降低监督学习的情感分类中的特征维度空间。同以往研究不一样的是,该文首次探讨半监督情感分类中的特征提取方法,提出一种基于二部图的特征选择方法。该方法首先借助二部图模型来表述文档与单词间的关系;然后,结合小规模标注样本的标签信息和二部图模型,利用标签传播(LP)算法计算每个特征的情感概率;最后,按照特征的情感概率进行排序进而实现特征选择。多个领域的实验结果表明,在半监督情感分类任务中,基于二部图的特征选择方法明显优于随机特征选择,在保证分类效果不下降(甚至提高)的前提下有效降低了特征空间维度。