面向本科生机器学习课程的教学探索

针对面向本科生机器学习课程建设存在的问题,分析机器学习所需基础知识、课程体系结构、涵盖内容等方面的特点以及本科生学习能力、课程实践环境等受限因素,探讨如何面向本科生合理安排理论教学内容、采用合适的教学手段、设计实践方式和内容、针对课程特征制订考核方式等。     

文档相似度量算法的研究与应用

针对向量空间模型在文档相似度量方面的局限,提出了基于计算公共子串的文档相似度量算法。对求公共子串算法进行了改进,提高了空间效率。用XML存储学生毕业设计论文文档,通过Java提供的DOM API生成文档对象树。深度优先搜索树中结点,进行结点比较,计算论文文档中出现的雷同文本,结合文档的结构相似性,能有效计算文档相似度。     

基于时间加权的重叠社区检测算法研究

随着网络结构的不断扩大和日益复杂, 重叠社区发现技术对挖掘复杂网络深层潜在结构具有重要意义. 本文提出一种基于时间加权的重叠社区检测算法. 该方法考虑了用户兴趣的时间因素, 构建带有时间加权链接的用户-用户图. 接着, 基于网络节点的影响力计算用户全局相似度, 在此基础上通过计算节点的中心度作为度量节点对社区结构影响力的重要性指标, 从而提出一种社区中心点的选取方法. 最后, 通过效用函数的迭代计算实现重叠社区检测. 利用人工网络和真实网络对提出的算法进行验证, 实验结果表明: 相对于传统的社区发现方法, 该算法在社区发现质量和计算效率方面都优于许多已有重叠社区发现算法.     

用ASP.NET开发基于Web的综合测评系统

利用ASP .NET技术构建基于Web的动态交互式综合测评系统 ,该系统可以在Windows 2 0 0 0 /XP局域网或Internet上使用 ,测评内容修改方便 ,适用范围广泛。     

结合评分和信任关系的社会化推荐算法

针对推荐系统中普遍存在的数据稀疏和冷启动等问题,提出一种综合评分和信任关系的社会化推荐算法。首先对网络中新用户的初始信任值进行合理赋值,有效地解决了新用户的信任冷启动问题。鉴于用户的喜好会受其朋友的影响,推荐模型又利用朋友之间的信任矩阵对用户自身的特征向量进行修正,解决了用户特征向量的精准构建及信任传递问题。实验结果表明,所提算法较传统的社会网络推荐算法在性能上有显著提高。     

基于.NET的教学质量监控平台的设计与实现

随着网络应用的不断普及,利用高校现有信息资源和校园网络环境架构网络化教学质量监控平台是高校教学管理的迫切需要。本文介绍了一个网络化教学质量监控系统的设计与实现方法。     

线上线下混合式一流课程建设的探索与实践

全面梳理大学计算机课程的教学内容,从课程建设目标、教学内容和方法、课程考核方式等方面提出大学计算机线上线下混合式一流课程建设思路,介绍相应课程建设实践过程,最后说明课程改革效果,并从师资队伍、课程应用、教学实施、数字化资源、新形态教材方面提出未来课程建设的方向.     

社会网络环境下的协同推荐方法

针对传统协同过滤推荐算法的数据稀疏性及恶意评分等问题,提出了一种融合信任度与矩阵分解技术实现社会网络推荐的方法。首先通过计算节点的声望值与偏见值发现网络中的不可信节点,并将其评分权重进行弱化。然后将用户－评分矩阵与信任度矩阵相结合,实现社会网络环境下的协同推荐。实验表明,相对于传统的协同过滤算法,该算法可以消减虚假评分或恶意评分给推荐系统带来的负面影响,有效地缓解数据稀疏性与冷启动问题,显著提高推荐系统的推荐质量。     

基于Web的课程群教学平台的设计与开发

由于高校网络教学课件发布在功能的实现上还不够完善，不能充分地对现有课程进行资源互补、信息共享，因此提出了课程群这样一个新的基于Web的教学模式，以方便教师协作教学。在此基础上，结合课程群的概念，设计和开发了一个基于Web的课程群教学平台，使得普通教师能够利用这个平台简单方便地构建出自己的网络课堂。     

复杂网络环境下基于信任传递的推荐模型研究

针对推荐系统中普遍存在的数据稀疏和冷启动等问题,本文结合用户自身评分与用户的社会信任关系构建推荐模型,提出了一种基于信任关系传递的社会网络推荐算法（Trust transition recommendation model,TTRM）.该方法首先通过计算信任网络中节点的声望值与偏见值来发现信任网络中的不可信节点,并通过对其评分权重进行弱化来减轻其对信任网络产生的负面影响.其次,算法又利用朋友的信任矩阵对用户自身的特征向量进行修正,解决了用户特征向量的精准构建及信任传递问题.同时为了实现修正误差的最小化,算法利用推荐特性进行用户相似度计算并通过带有社会正则化约束的矩阵分解技术实现社会网络推荐.实验结果表明,TTRM算法较传统的社会网络推荐算法在性能上具有显著提高.