基于Linux的ACM在线评测系统研究

ACM竞赛是目前计算机水平最高的国际大学生程序设计竞赛,而ACM在线评测系统则是根据竞赛需求而提供的一个培训平台。由于Linux系统具有安全性高、稳定等优点,目前大部分服务器都是使用Linux系统。本文提出一个基于Linux的ACM在线评测系统,详述该系统中编译、测试、获取计算机消耗情况、返回测试结果这几种功能的具体实现。并分析该系统中可能出现恶意占用资源、恶意调用系统等不安全因素,提出相应的解决方案。该系统具有实用性强、安全性好等优点。     

基于XML的Web搜索推荐系统中用户兴趣模型的建立研究

本文主要介绍了基于XML的Web挖掘中用户兴趣模型的建立方法,该方法采用静态与动态相结合,对客户端用户weblog、cookies及Web收藏夹记录做分析,建立静态用户兴趣模型,并根据用户的浏览行为及反馈等动态的更新该模型。很好的解决了以往推荐系统中显式获取用户主动选择兴趣不准确,更新不及时等缺点;又弥补了隐式获取中用户兴趣捕获的不完整。     

基于时效性的Web页面个性化推荐模型的研究

Internet的快速增长导致了对个性化服务需求急剧增加。该文通过分析个性化挖掘的特点,提出了基于时效性的Web页面个性化推荐模型。该模型的挖掘算法在FP-Tree的存储结构上加入时效价值系数,并进行增量挖掘。通过实验证明,该模型挖掘出来的信息,能够更好地符合用户的真实需求。     

个性化Web推荐服务研究

本文主要论述了个性化Web推荐构成,提出了基于Web挖掘的个性化推荐服务研究中的用户聚类、Web页面聚类、n元预测模型及页面加权算法。利用这些算法得到的个性化信息可以准确把握用户兴趣模式并为用户提供“一对一”的具备自适应性的智能个性化服务。     

基于Web挖掘的个性化推荐模型

本文提出一种基于Web挖掘的个性化推荐模型,对web结构数据、内容数据和使用数据进行聚类分析,聚类挖掘结果通过统一的向量空间模式表示,从而为推荐模型提供一致的表示形式。由于集成了上述三种web挖掘结果,在使用数据比较少或web站点内容变化比较频繁的情况下．该模型也能提供高质量的个性化推荐服务。     

基于知识图谱与协同过滤混合策略的在线编程评测系统题目推荐模型

在线编程评测系统(Online Judge, OJ)是一种被广泛应用于计算机编程教学与竞赛的代码测评系统。用户在规模庞大的题库中寻找适合当前学习阶段的题目时,往往会感到迷茫。如何为用户推荐合适的题目和规划学习路径,是在线编程测评系统研发中的一个重要研究课题。传统推荐算法存在可解释性和准确性难以兼顾的问题。文中提出了基于知识图谱与协同过滤混合策略的在线评测系统推荐模型(A Hybrid Programming Task Recommendation Model Based on Knowledge Graph and Collaborative Filtering, HKGCF)。该模型通过推荐与用户当前知识和技能掌握程度相匹配的题目,来帮助用户提升学习效果。文中设计和实现了该模型,并将其集成到了北京航空航天大学在线编程测评系统中,以适应OJ平台特有的交互形式。线上测试和离线测试实验的结果表明,提出的HKGCF模型在准确率和可解释性方面均优于典型传统算法。     

一种基于ACM程序设计竞赛在线评测系统解决方案

分析了一种基于ACM程序设计竞赛在线评测系统的基本原理及系统的构成,重点阐述了程序性能评判原理及实现方法.对通信安全、资源占用等关键问题给出了相应的解决方案,主要模块给出了相应代码.     

推荐系统中在线特征提取研究

推荐系统作为目前主流的推荐形态已经在各大平台上获得了广泛应用.推荐系统最核心的要求是实时性,推荐系统的存在形态是一种实时在线的推荐方式,能够根据用户的动态兴趣变化实时调整推荐结果和推荐顺序,因此用户实时的兴趣变化捕捉和分析尤为重要.     

基于Web挖掘的个性化教学推荐系统

针对学生网络学习环境设计了一种新颖的个性化教学推荐系统。该系统通过测试学生的学习风格和挖掘Web浏览日志,构造了不同学生学习风格和Web使用习惯的模型。首先利用Item-Based Top-N推荐算法对数据稀疏的学习风格测量数据进行处理,实现对学生学习风格的诊断;然后,采用AprioriAll算法挖掘Web浏览日志中序列频繁集,分析出学生Web使用的常见习惯和兴趣;最后,依据不同的学习风格和Web使用习惯实现学习内容的个性化推荐。模拟实验表明,该推荐系统的设计是可行并有效的,能够很好地符合用户的真实需求。     

网上Bookmark服务系统及其基于Web挖掘的推荐引擎

网上Bookmark服务系统(WebBookmarkSystem)可以实现用户随意访问和管理自己的bookmark并随时共享系统或他人的优秀bookmark,而无需受操作系统、浏览器、甚至终端的限制.其在线推荐引擎基于Web挖掘(WebMining)技术,将bookmarks和用户以基于特征项空间的向量形式统一进行管理,采用聚类(clustering)的方法根据匹配度来为用户提供个性化服务.     

ACM在线评判系统设计与实现

开发了Online Judge系统,即在线评判系统,主要应用于ACM／ICPC国际大学生程序设计竞赛中。系统采用Strutsl．2＋Spring2．5＋Hibernate3．2（SSH1）组合框架。分析了ACM在线评判系统的功能,阐述了系统的设计与实现技术,以及SSH技术在实际开发中的应用,最后说明了数据库和内核的设计实现思路。     

基于数据挖掘的在线考试系统

根据现代化教育的发展需要和现行网上考试系统存在的不足,给出了一种基于数据挖掘在线考试系统的设计方案、新的思路和方法,并介绍了关键的实现技术和方法。     

基于数据挖掘的在线考试系统

根据现代化教育的发展需要和现行网上考试系统存在的不足，给出了一种基于数据挖掘在线考试系统的设计方案、新的思路和方遣，并介绍了关键的实现技术和方法。     

基于改进自编码器的在线课程推荐模型

随着互联网技术的发展以及2020年新冠疫情的爆发, 越来越多的学生选择在线教育. 然而在线课程数量庞大, 往往无法及时找到合适的课程, 个性化智能推荐系统是解决这一问题的有效方案. 本文根据用户在线学习具有明显时序性的特点, 提出一种基于改进自编码器的在线课程推荐模型. 首先, 利用长短期记忆网络改进自编码器, 使得模...     

基于ACM/ICPC在线测评系统的设计

针对ACM国际大学生程序设计竞赛培训教学中程序评测的需求,开发程序在线测评系统。系统基于Apache服务器,采用PHP和MYSQL数据库技术运行于Windows Sever 2003平台。采用软件工程黑盒测试的思想对用户提交的程序进行测评,系统主要分为三个部分：网站部分,数据库部分及测评部分。数据库部分对系统提供数据存储支持;网站部分则是系统与用户的交互接口;测评部分则是对用户提交程序运行的主要控制部分,它将控制提交程序的运行时间以及内存,并对运行程序的结果进行判断。     

基于B/S模式的教学质量网络评测系统设计

论文主要说明如何利用ASP技术来开发一个教学质量网络评测系统。该系统采用B/S三层体系结构,实现了教学质量评测的实时化、网络化。该系统是一个功能强大、操作简单、通用性强、同时适合我国高校的教学质量网络评测系统。     

多核平台上程序在线评测辅助教学系统

选用LAMP作为开发环境,进行了程序设计在线评测辅助教学系统的设计与开发。着重论述了基于多核平台上的多线程或多进程在线评测系统的设计与实现,与单核系统相比,解决了单线程或单进程评测效率低的问题。经过与单核串行评测系统比较得出,多核系统评测速度显著提高,评测结果和串行评测所得一致,准确率高。     

基于Web的在线考试系统的设计与实现

本文设计与实现了基于Web的在线考试管理系统,分别从系统需求分析、模块设计、数据库设计和系统实现的主要技术这四部分来阐述。     

基于Web的在线考试系统的设计与实现

本文设计与实现了基于Web的在线考试管理系统,分别从系统需求分析、模块设计、数据库设计和系统实现的主要技术这四部分来阐述。