数据库系列课程中创新性学习模式的探索与实践

本文在探讨了创新型人才的内涵和创新性学习模式的特点之后,提出了创新型人才培养的教学改革理念和数据库系列课程中创新性学习模式的主要教学改革举措,重点介绍了我校开展大作业驱动下的双主体互动式实践能力培养、研究课题驱动下的双主体互动式创新能力培养的主要内容、举措和成效。     

文本情感原因自动提取综述

情感原因提取是情感计算领域研究的一个新方向,是一种细粒度的情感分析,其目的是要找出给定文档中触发情感的那部分文本,是对情感的一种追根溯源.情感原因提取涉及到语言学、心理学等相关的领域知识,具有较高的学术研究价值和广泛的应用场景.尽管情感计算的相关研究大多集中在情感识别、情感预测、情感信息抽取等方面,但近些年不少学者已开始深入到情感背后的原因分析与提取上,并产生了较为丰富的成果.从问题定义、任务类别、研究方法、主流数据集、评测指标等多个角度对基于文本的情感原因自动提取的研究成果进行全面回顾和分析,重点对情感原因提取的方法特别是基于深度学习的方法进行了梳理,最后总结了现有情感原因提取工作的不足及其未来所面临的挑战.     

基于Savepoint机制和日志的协作设计事务的恢复方法

给出了一个协作设计事务模型,介绍了一种新的保存机制——savepoint机制,然后在此基础上提出了一个基于savepoint机制和日志的协作设计事务恢复处理方法。     

移动实时数据库系统综述

移动实时数据库系统涉及到信息处理技术、分布式计算技术、移动通讯技术、实时处理技术等多个学科领域,是当前信息领域中前沿、开创性的课题。论文对移动实时数据库系统的体系结构、系统需求及移动实时环境下事务模型、数据复制和缓存、位置相关查询、数据广播、故障恢复等相关研究做了一个综述。     

基于多层局部信息融合的在线论坛用户心理危机识别

心理健康问题已经成为当今社会关注的焦点,它严重威胁着家庭和睦与社会稳定.有心理危机的用户经常通过特定的社区论坛或者社交媒体来求助或倾述,这为用户心理危机识别开辟了一个新的途径.论坛帖子长短不一,但判断心理危机的核心信息往往体现在局部内容上,基于此特点,本文构建了一个结合分层长短记忆网络和卷积神经网络的多层局部信息融合模型(Multi-layer Partial Information Fusion model,MPIF),利用论坛用户发布的帖子,检测用户的心理危机严重程度.模型的特点在于:1)利用预训练语言模型BERT对用户帖子中的句子进行向量化表示,充分考虑词语在不同语境中的不同含义表达; 2)分别从词、短语、以及句子层面挖掘反映用户心理危机状态的信息,采用深度分层LSTM网络和注意力机制相结合的方式来获取待分类帖子中词语层面以及句子层面的局部信息,利用CNN网络中多种大小不同的卷积核来提取帖子中短语层面的局部信息;3)采用注意力机制和最大池化层,使得模型不仅能够有效地利用局部信息给出心理危机程度的判断,同时可以将这些局部信息展示给心理专家,辅助专家更快了解患者.基于CLPsych2...     

面向能力培养的信息系统专业方向实践课程改革

本文以江西财经大学开设的信息系统专业方向为例,结合人才市场需要和我校财经背景,提出了面向能力培养的财经类院校计算机专业实践课程体系,特别指出了其中第二阶段实践课程的作用、地位和改革方案。     

移动分布式实时嵌套事务提交

在移动分布式计算环境中,事务移动性和无线网络固有的缺陷使得传统的分布式实时事务管理机制不足以支持移动分布式实时事务的执行,故有必要为移动实时事务研究新的事务处理机制,以提高其成功率.着重研究移动实时事务的提交机制.首先,通过分析移动分布环境中实时事务的特点给出了一个基于功能替代的移动实时嵌套事务模型.然后,提出了一个基于此模型的三层提交结构以及能够保证移动实时事务原子性和结构正确性的三阶段实时提交协议3PRTC(three-phase real-time commit).性能测试表明,所提出的事务模型及其提交机制能够提高实时事务的成功率.     

嵌入式实时数据库ARTs-EDB事务调度实现技术

着重讨论了嵌入式实时数据库系统ARTs-EDB中事务调度实现技术。给出了ARTs-EDB中事务的执行模型、状态及状态变迁；设计了一个考虑事务类型和截止期的多层动态可调整优先级分派方法；给出了一个优先级驱动可抢占的实时事务调度策略，以保证更多事务满足截止期要求。     

嵌入式实时内存数据库故障恢复技术

故障发生后,迅速而有效地恢复对数据库系统而言是至关重要的。本文针对嵌入式实时内存数据库的特征,结合一个具体的嵌入式实时内存数据库系统（ARTs—EDB）,给出了相应基于日志的恢复策略和实现技术。     

基于语义约束LDA的商品特征和情感词提取

随着网络购物的发展,Web上产生了大量的商品评论文本数据,其中蕴含着丰富的评价知识。如何从这些海量评论文本中有效提取商品特征和情感词,进而获取特征级别的情感倾向,是进行商品评论细粒度情感分析的关键。本文根据中文商品评论文本的特点,从句法分析、词义理解和语境相关等多角度获取词语间的语义关系,然后将其作为约束知识嵌入到主题模型,提出语义关系约束的主题模型SRC-LDA（semantic relation constrained LDA）,用来实现语义指导下LDA的细粒度主题词提取。由于SRC-LDA改善了标准LDA对于主题词的语义理解和识别能力,从而提高了相同主题下主题词分配的关联度和不同主题下主题词分配的区分度,可以更多地发现细粒度特征词、情感词及其之间的语义关联性。通过实验表明,SRC-LDA对于细粒度特征和情感词的发现和提取具有较好的效果。