基于微信公众平台的校园信息自助查询系统

在高校校园信息化系统建设与应用过程中,智能移动终端用户越来越多,对信息获取的随时性和随地性需求越来越强烈。现有的校园信息系统无法满足用户的需要,而单独开发适用于智能移动终端的系统存在成本高、更新维护复杂等诸多问题。针对这一现状,本文对微信公众平台的开发模式进行了研究,提出了一种基于微信公众平台开发校园信息自助查询系统的设计思路,并解析了系统的设计方法、实现流程和关键技术。     

前后端分离的校园闲置物品交易平台开发

大学生的日常生活中常囤积着许多闲置物品。为了提高闲置物品利用率,本文设计了校园闲置物品交易平台。该平台应用前后端分离技术,前端使用Vue.js,后端使用springboot框架,由此保证了交易的安全与便捷性。平台实现了面对面交货、在高校所在的大学城区域交易、用户聊天、短信认证、后台管理等功能。     

基于百度地图Web API技术的WEBGIS气象服务研究及系统设计

针对传统专业用户气象服务网站开发周期长,产品展示形式单一等问题,采用基于百度地图Web API技术,研究各类气象数据在WEBGIS地图上的叠加显示,设计陕西省气象服务中心专业用户气象信息服务网站系统。利用模块化开发方式,划分基础数据、天气预报、天气实况、气象服务、后台文件处理系统、后台管理平台等六个模块,通过后台功能模块参数的灵活配置,实现网站快速搭建、功能定制化、图形化及可视化、信息精准推送等功能。     

基于Wi-Fi室内定位的校园信息服务平台研究

基于Wi-Fi室内定位的校园信息服务平台是以云计算技术、物联网技术和移动互联网技术为基础,在智慧校园中提供楼宇内位置服务和信息发布服务的一套系统,校园用户可以通过智能终端获取校园信息位置服务。该平台主要是通过用户智能终端的APP设计和基于C/S模式的后台服务器"云"的搭建,从而实现在智慧校园中的定位信息服务。     

一种基于个性化需求的智能配镜算法研究

为实现基于用户个性化需求信息的智能配镜功能,构建用户个性化需求信息数据模型。搭建智能配镜眼镜模型库,建立用户个性化需求信息与眼镜模型库之间的智能匹配模型。将智能匹配流程划分为基于DFS的眼镜模型库检索、基于语义相似度的眼镜框型匹配、面部参数匹配、优化调整四个阶段。设计实现了用户个性化需求信息与眼镜模型库之间的智能匹配算法。应用该智能匹配算法开发智能配镜系统,并与关键词匹配算法进行对比,验证了该智能匹配算法的合理性及有效性。     

基于用户行车数据的情感交互设计研究

随着智能化时代的到来,人机智能交互逐渐融入人们的日常生活,并成为人工智能、数据分析、机器视觉等领域十分重要的研究课题。车辆行业亦将人机智能交互应用于提升用户行车的服务中,从而为用户提供更加精准贴心的人文关怀,提高用户行车体验。本文通过对用户行车数据的分析,提出了基于用户行车数据的情感交互技术的设计研究,描述了该设计方案的操作思路、可行性及应用价值,以期为未来车端的人机情感交互技术的实施落地提供一定的理论参考。     

基于大数据和物联网的智慧校园体系设计研究

随着我国大数据计算技术、物联网技术的快速发展,高等院校也开始将智能化的网络信息系统,引入学校内不同数据信息、在线业务的处理中,能够为学生提供更加方便快捷的服务。目前,高校提倡的"智慧校园"系统,就是利用大数据云计算技术、物联网技术等,对专业课程教学、学生日常生活等数据信息进行快速处理,并将处理后的数据内容存储至后台数据库,以满足领导管理决策、教师教学、学生学习的信息化数据需求。     

真相鸡simsimi

SimSimi是一个可爱的智能聊天机器人,他能和用户进行有趣的对话!该软件的使用方法非常简单,你只要点击屏幕开始对话,SimSimi就会立即向你问好。和其他传统的聊天应用一样,     

多信息融合的轨迹追踪系统设计与实现

轨迹可以看做是对象随着时间变化在空间中留下的印迹.近年来,随着移动终端使用的普及以及生活的信息化,大量的轨迹数据在日常生活中日益积累并为不同的应用所服务.针对用户在移动社交网络以及校园信息化统一管理平台留下的位置痕迹信息,研究和开发了多信息融合的轨迹追踪系统Argo.Argo系统分析了微博、邮件、BBS、一卡通等应用层留下的位置痕迹信息,并结合覆盖校园的无线接入点,采用无线接入点被动定位获取用户位置,实现了多信息融合下的用户轨迹追踪.实验结果表明,该系统能够有效地实现轨迹追踪,并依此提供更好的服务.     

对话推荐算法研究综述

推荐系统是一种通过理解用户的兴趣和偏好帮助用户过滤大量无效信息并获取感兴趣的信息或者物品的信息过滤系统.目前主流的推荐系统主要基于离线的、历史的用户数据,不断训练和优化线下模型,继而为在线的用户推荐物品,这类训练方式主要存在3个问题:基于稀疏且具有噪声的历史数据估计用户偏好的不可靠估计、对影响用户行为的在线上下文环境因素的忽略和默认用户清楚自身偏好的不可靠假设.由于对话系统关注于用户的实时反馈数据,获取用户当前交互的意图,因此“对话推荐”通过结合对话形式与推荐任务成为解决传统推荐问题的有效手段.对话推荐将对话系统实时交互的数据获取方式应用到推荐系统中,采用了与传统推荐系统不同的推荐思路,通过利用在线交互信息,引导和捕捉用户当前的偏好兴趣,并及时进行反馈和更新.在过去的几年里,越来越多的研究者开始关注对话推荐系统,这一方面归功于自然语言处理领域中语音助手以及聊天机器人技术的广泛使用,另一方面受益于强化学习、知识图谱等技术在推荐策略中的成熟应用.将对话推荐系统的整体框架进行梳理,将对话推荐算法研究所使用的数据集进行分类,同时对评价对话推荐效果的相关指标进行讨论,重点关注于对话推荐系统中的后...     

Towards identifying unresolved discussions in student online forums

Online discussion is a popular form of web-based computer-mediated communication and is a dominant medium for cyber communities in areas of information sharing, customer support and distributed education. Automatic tools for analyzing online discussions are highly desirable for better information management and assistance. For example, a summary of student Q&A discussions or unresolved questions can help the instructor assess student dialogue efficiently, which can lead to better instructor guidance for student learning by discussion. This paper presents an approach for classifying student discussions according to a set of discourse structures, and identifying discussions with confusion or unanswered questions. Inspired by the existing spoken dialogue analysis approaches, we first define a set of forum “speech acts” (F-SAs) that represent roles that individual messages play in threaded Q&A discussions, such as questions, raising issues, and answers. We then model discourse structures in discussion threads using the F-SAs, such as whether a question was replied to with an answer. Finally, we use such discourse structures in classifying and identifying discussions with unanswered questions or unresolved issues. We performed an analysis of the discussion thread classifiers and the system showed accuracies from 0.79 to 0.87 on several discussion classification problems. This analysis of human conversation via online discussions provides a basis for development of future information extraction and intelligent assistance techniques for online discussions.     

具有个人信息的对话生成模型研究

赋予聊天机器人个人信息对于提供自然的对话至关重要,对此提出具有个人信息的对话模型,包括问题分类、个人信息回复和开放域对话三个模块.在问题分类模块中,分析测试不同分类方法的效果;个人信息回复模块利用BiLSTM进行语义信息编码,训练采用对比损失函数,同时实验对比多种匹配模型;开放域对话模型以最大互信息为目标函数,减少无意...     

网络智能问答系统

目前高校传统问答模式采用Email或论坛纯文本的关键词匹配的形式,不能方便地加入数据库中,从而无法重复利用,因此需采用一种能突破时间空间限制的高效答疑模式。智能答疑方式对于常见的问题和学生提问较多的问题,随着问题的不断积累可方便重用作为其他学生的复习资料,避免老师重复回答。管理员可以方便地进行知识数据的增、删、改,而仍然保持数据库结构的良好性,相当于本系统具有一定自我学习能力。     

智慧校园环境下学生指纹考勤 智能管理功能的设计

With the development of science and technology, the information construction of many universities has begun to move from digital campus to smart campus. Attendance management system is an important part of the construction of smart campus and plays an important role in teaching management. Fingerprint attendance has been very widely used nowadays. It has the advantages of biometric characteristic, but it is difficult to apply to the university students' attendance management. The fingerprint attendance system based on the intelligent management mode can integrate the fingerprint attendance into the intelligent campus environment through three sub-function: automatic attendance, fingerprint attendance machine network monitoring and attendance inquiry, to en- hance the efficiency of student attendance management.     

学生宿舍远程智能管理系统设计

针对校园宿舍管理方面的难题,设计了一款基于人体红外传感与无线通信的学生宿舍智能管理系统。该系统把学生宿舍特定位置的人体信息采集信号实时上传到云平台,通过云平台对数据的智能分析与处理,能得到学生开学到校、平时就寝、逃课、宿舍网游等信息,便于学校管理人员与学生家长对学生到校、就寝、学习情况的全方位了解。同时,当学生出现违规情况时,系统能自动发出报警信息,报警信息能现场通过语音提示,提醒学生按时就寝与及时起床上课,对于一些特殊的报警信息,系统能以短信方式发送到学校管理人员与违规学生家长的手机上,方便学校对在校学生的管理,同时也方便家长及时了解子女在校信息。     

融合语义信息与问题关键信息的多阶段注意力答案选取模型

自动问答系统可以帮助人们快速从海量文本中提取出有效信息,而答案选取作为其中的关键一步,在很大程度上影响着自动问答系统的性能.针对现有答案选择模型中答案关键信息捕获不准确的问题,本文提出了一种融合语义信息与问题关键信息的多阶段注意力答案选取模型.该方法首先利用双向LSTM模型分别对问题和候选答案进行语义表示;然后采用问题的关键信息,包括问题类型和问题中心词,利用注意力机制对候选答案集合进行信息增强,筛选Top K个候选答案;然后采用问题的语义信息,再次利用注意力机制对Top K个候选答案集合进行信息增强,筛选出最佳答案.通过分阶段地将问题的关键信息和语义信息与候选答案的语义表示相结合,有效提高了对候选答案关键信息的捕获能力,从而提升了答案选取系统的性能.在三个数据集上对本文所提出的模型进行验证,相较已知同类最好模型,最高性能提升达1.95%.     

Slashdotting Digital Library Resources

This study analyzes 1557 chat reference questions received at Grand Valley State University Libraries over four semesters to determine the quantity and nature of the questions. Results indicated that use of chat reference was low and that less than a quarter of chat questions required a librarian to answer. The cost of a librarian answering a chat question ranged from $37 to $439 per question. The findings suggest that assigning chat reference to trained reference assistants will not affect patron service and that it is not cost effective to use reference librarians to answer chat questions.     

主动联想型对话机器人的设计与实现

人机对话系统通常仅是用户命令的执行者,很少能主动发起对话,或依据对话以外的内容展开个性化的人机交互.本文提出了联想型对话机器人的概念和对应设计方案,即通过融合用户提问和用户个人特征的方式产生对话内容,这样的对话系统不仅可以主动发出对话邀请,也可以个性化地回答用户问题,提升人机对话的满意度.文章首先介绍了联想型对话机器人...     

面向机器阅读理解的候选句抽取算法

使机器理解人类自然语言是人工智能在认知领域的终极目标,机器阅读理解是自然语言处理技术中继语音识别、语义理解之后的一大挑战,要求计算机具有一定的背景常识,全面理解给定文本材料,并根据材料内容对相应的问题作答。随着深度学习的快速发展,阅读理解成为当前人工智能的热点研究方向,涉及机器学习、信息检索、语义计算等核心技术,在聊天机器人、问答系统、智能化教育等多个领域具有广泛的应用前景。文中聚焦微阅读模式,根据问题或选项从给定文本材料中抽取包含答案的候选句,缩小推理范围,为进一步实现机器阅读理解提供技术支持。传统基于特征的方法耗费大量人力,文中将答案候选句抽取看成一种语义相关度计算问题,提出了一种答案候选句排序方法,即Att-BiGRU/BiLSTM模型。首先,利用双向长短期记忆和门控循环单元来编码句子中表达的语义信息;其次,设计Atten结构,结合相异性和相似性对语义相关度进行建模;最后,采用Adam算法来学习模型的参数。在SemEval-SICK数据集上的实验结果显示,该模型在测试集上的pearson指标超过了基线方法BiGRU将近0.67,在MSE指标上超过BiGRU方法16.83%,收敛速度更快,表明双向和Atten结构能大大提高候选句抽取的精度。     

校园智慧交通导引系统的设计与实现

目前高校建筑楼宇数量多、面积大、区域广,外来车辆路况不熟,车辆乱停乱放等问题突出。结合某学院校园环境,采用Android、PHP等开发语言,结合Dijkstra算法与iBeacon定位技术,设计并实现具有车辆进校预约、校园道路导引、停车场实时影像推送等功能的校园智慧交通导引系统。经实际测试,该系统能够满足外来车辆入校后的实际需要,较好地解决外来车辆在校园迷路、停车难等问题。