论微文化时代高校辅导员的舆情预警能力

微媒体蓬勃发展,塑造了自由交互的微文化生态.高校的网络舆情管理工作面临新的挑战.辅导员是高校网络舆情管理工作的中坚力量,应当具备较强的舆情预警能力.在微媒体平台上,辅导员要善于打造自身的网络形象,成为微媒体的深度用户和网络意见领袖.在舆情预警方面,辅导员要善于使用舆情监测工具,准确捕获信息,科学预判舆情,主动把握微媒体话语权,做青年学生的良师益友,促进高校网络舆情健康发展.     

意见领袖——网络时代下高校辅导员角色的新拓展

网络意见领袖具有广泛的关注度和影响力,其对网络热点事件的见解常能影响网民的看法,进而引领网络舆情走向。辅导员是大学生思想政治教育的骨干力量,网络时代下拓展辅导员的意见领袖角色,有利于扩大思想政治教育的时空场域、把握网络舆情、增强思想政治教育的有效性。辅导员的网络意见领袖角色塑造应从提高知识能力、转变叙事语言、关爱学生注重身教几方面着手。     

政府网络舆情能力的时代意涵

网络信息技术的迅猛发展,网络舆情的大量涌现,给政府执政能力提出了新的考验。所谓政府网络舆情能力,就是政府借助网络舆情,来有效实施公共管理的一种综合性的执政能力。它包括政府同新兴媒体打交道、掌握网络技术、网络事件应急处理、舆情热点发现、网络舆情汇集、舆情公众预警、网络民意回应、舆情判断研究、舆情引导控制、网络监督管理等能力。当前,各级政府应充分认识提升政府网络舆情能力的现实必要性。     

大数据背景下高校网络舆情处置机制研究

随着互联网技术的革新与发展,人类进入大数据时代,以互联网为媒介的意见表达渠道层出不穷,民众的利益表达机制不断多元。高校作为一个特殊的单元其舆论敏感度十分显著,如何发挥高校在网络舆情管理领域中的积极作用,建立完善的网络舆情处置机制是高校网络舆情管理工作面临的新课题。利用文献研究方法,旨在研究大数据背景下高校如何利用大数据平台和信息技术手段开展网络舆情管理工作,合理构建网络舆情处置机制,并对目前高校网络舆情管理中的不足提出相应的对策建议。     

基于云计算的常州本地网络舆情特点与对策研究

网络舆情是考验政府处理事件的能力、关系政府部门的形象的重大问题。妥善应对舆情事件已经成为政府部门必须面对的现实问题。相关部门可以合理利用计算机网络和云计算技术，做好舆情分析工作，让舆情事件得到合理的引导和解决。     

高校辅导员创新创业教育能力提升的优化策略

阐述高校辅导员作为高校学生最直接的管理工作人员,在大学生创新创业教育中具有引导、组织、宣传等作用。通过对高校辅导员在大学生创新创业教育活动中存在问题进行分析,提出了高校辅导员在大学生创新创业教育活动中能力提升的优化策略。     

大数据时代高校学生网络舆情引导问题探析

高校学生网络舆情引导能力现已成为衡量高校管理水平的重要评价指标。在大数据时代,以大数据观念变革传统学生网络舆情引导思维,准确把握网络舆情的内在特征及其演化的潜在规律,对于新形势下做好学生网络舆情引导工作,维护社会的和谐稳定,具有重要的理论意义和实践价值。大数据时代高校学生网络舆情引导的关键出路在于:培养大学生良好的网络道德素养;推进舆情引导管理建设;建立网络数据基础平台;壮大网络舆情大数据人才队伍。     

“微文化”下高校网络舆情工作维稳功能探究

当前,高校的信息化程度在逐步提高,尤其是网络"微文化"的出现,为大学生了解公共事务、表达利益诉求提供了便利途径,网络舆情的影响力不断增强。如何保证高校网络舆情健康发展,形成和谐稳健的舆情环境,显得尤为重要。本文基于网络舆情视角,探析高校网络舆情工作的现实表征,梳理高校网络舆情维稳工作存在的困境与挑战,构建高校网络舆情工作维稳功能的实现路径,对于改善和调整高校网络舆情工作现状有着积极的促进作用。     

基于“95后”大学生特点的“85后”辅导员工作探析

"95后"大学生的特点是:理想信念意识淡薄、合作意识差、抗挫折能力差、交流依赖网络、分辨是非能力不足等。"85后"辅导员的工作现状是:不安心岗位工作、不能分类指导、工作力不从心、主动解决问题少等。探讨了新时期辅导员工作的新思路:重视辅导员工作、提升自身素质、树立正确的价值观、引导学生个性发展、利用新媒体传递社会正能量等。     

高职院校辅导员职业能力评价体系研究与实践

高职院校辅导员工作对象具有特殊性,建立促进队伍长期稳定健康发展的评价机制,具有一定的复杂性。《高等学校辅导员职业能力标准（暂行）》规范了辅导员工作标准,明确了工作边界。从辅导员职业功能、工作内容、能力要求三个维度,构建辅导员评价指标体系,实行定性与定量相结合的考核方式,运用内部质量保证体系基本理念,建立符合辅导员职业生涯发展的目标链,推进辅导员开展基于职业能力标准和工作绩效的诊断与改进,为客观地评价辅导员工作提供制度保障,有利于增强辅导员的职业归属感,提升其职业能力水平,促进队伍的专业化、职业化发展。     

目标检测的多尺度定位提升算法

对于目标检测任务,深度神经网络模型中的一阶段网络结构存在两个问题.首先,网络结构中的锚框超参数设计的合适与否将影响整个网络的训练结果;其次,较大的降采样因子会影响目标的定位能力.针对这两个问题,提出了多尺度定位提升网络模型.重新设计了一阶段网络模型结构,并且提出了更好的锚框超参数选择方案,它在保证一阶段网络效率的同时,...     

基于运营组织的城市群轨道客流预测法

为了提高城市群轨道交通客流预测“四阶段法”的精度,在分析城市群轨道交通客流特点的基础上,将轨道交通客流预测方法分为独立线网分配预测法和综合线网分配预测法,分析了两种预测方法的预测模式及优缺点,对基于方式划分-交通分配的联合分配的综合线网分配预测法进行改进研究,提出了基于运营组织的城市群轨道客流预测方法,阐述了预测过程及其在TransCAD软件中的具体实现方法。改进方法以城市和城际公共交通网络组成交通分配的综合基础网络,从运营组织层面考虑公共交通方式之间的合作与竞争,得到竞争后稳态的轨道交通客流,预测结果更加合理,最适合城市群的轨道交通和快速公交系统(BRT)的客流预测。     

BDCN和U-net边缘生成两阶段修复算法

为了对图像中大面积不规则缺失区域进行合理的结构修复和精细的纹理重构,提出了一种基于双向级联边缘检测网络（BDCN）和U-net残缺边缘生成的两阶段网络图像修复算法.第一阶段首先基于BDCN网络提取边缘,然后基于U-net架构的边缘生成网络用下采样对缺失图像边缘提取特征,再结合上采样的输入信息和下采样各层信息还原图像边缘纹理细节;第二阶段使用空洞卷积进行下采样和上采样,经过残差网络重建细节丰富的缺失图像.在公开数据集上将所提算法与现有经典算法进行对比,实验结果表明,所提算法能得到合理的结构和精细的纹理细节,优于对比算法.     

融合立场检测和主题挖掘的突发公共事件网络舆情演化研究

基于立场检测和主题挖掘的突发公共事件舆情演化研究,能够帮助政府及利益相关者快速地掌握突发公共事件网络舆情的演化规律,具有重要的意义。划分具体突发公共事件的舆情生命周期,提出新的立场检测模型和主题句挖掘方法,针对每个生命周期阶段,在识别大众网民的立场信息的基础上筛选出高效用的舆情信息,再挖掘高效用舆情信息的主题,以深入分析突发公共事件主题信息的演化规律。以“杭州女子失踪案”的微博数据为例,首先将本文方法与多种方法的实验结果进行对比分析,验证了方法的有效性;然后基于实验结果进行舆情演化分析,证明了其能够在实际的突发公共事件舆情中快速聚焦关键点,较好地分析突发公共事件舆情演化规律和特点。该方法能较有效、准确地识别和分析舆情内容,为网络舆情演化的研究提供了新视角。     

基于AHP-SCE的城市公交线网综合评价

评价城市公交线网受多方面因素的影响,在考虑影响公交线网评价多种因素的基础上,建立AHP-SCE模型进行定量与定性分析结合的评价,使评价结果更加科学,该评价结果可以为改善公交线网提供重要的依据。本文以南昌市公交线网为例,对南昌市公交线网进行了综合评价,分析中发现南昌市公交线网主要存在线网密度低、平均站距大、线路分布不均衡等问题,为南昌市公交线网改进提供参考。     

CNN视觉特征的图像检索

卷积神经网络( CNN)是当前图像识别领域的研究热点,利用预训练的CNN网络提取的图像特征展示出了较强的图像识别能力。主要对比分析了传统视觉特征和CNN视觉特征在基于内容图像检索任务中的性能表现,并指出了一些可以值得深入研究的方向。在两个公开数据库(Pascal Sentence和Pascal VOC 2007)的实验尝试表明CNN视觉特征比传统的视觉特征更适用于图像检索。     

基于注意力时序网络的非侵入式负荷分解

非侵入式负荷分解的本质是根据已知的总功率信号分解出单一的负荷设备的功率信号.目前基于深度学习模型大多存在网络模型负荷特征提取不充分、分解精度低、对使用频率较低的负荷设备分解误差大等问题.本文提出一种注意力时序网络模型(Attention Recurrent Neural Network, ARNN)实现非侵入式负荷分解,它将回归网络与分类网络相结合来解决非侵入式负荷分解问题.该模型通过RNN网络实现对序列信号特征的提取,同时利用注意力机制定位输入序列中重要信息的位置,提高神经网络的表征能力.在公开数据集Wiki-Energy以及UK-DALE上进行的对比实验结果表明,本文提出的深度神经网络在所有考虑的实验条件下都是最优的.另外,通过注意力机制和辅助分类网络能够正确检测设备的开启或关闭,并定位高功耗的信号部分,提高了负荷分解的准确性.     

一种基于Elman神经网络的网络舆情威胁估计方法

在详细分析网络舆情影响因素和自身属性的基础上,建立了网络舆情指标体系.依据模糊综合评价法和神经网络构建了网络舆情威胁估计模型.采用模糊综合评价法确定指标体系中各舆情因素的数值化评价值,并结合改进的Elman神经网络模型对网络舆情进行综合评判,最终得到网络舆情的威胁等级.仿真实验表明了该模型的有效性和准确性.     

基于卷积神经网络的电子鼻分类识别

在混合气体识别的研究中,针对目前电子鼻应用于化工污染物种类监测时难以达到理想精度的问题,提出了一个基于卷积神经网络的气体分类识别算法.首先利用卷积神经网络的自适应特征提取能力,有效降低原始数据对后续操作的影响;其次进行多次实验训练,对卷积神经网络进行参数优化,提高网络模型性能;最后将提出的卷积神经网络算法与BP神经网络算法分别应用于加州大学公开数据集中一氧化碳和乙烯混合气体的实验数据中.实验结果表明,卷积神经网络算法对此数据集的气体种类检测准确率达到93%,比BP神经网络算法应用于气体识别时精度更高、误差更小,为电子鼻系统气体种类检测提供了一种新的方法.