卷积深度神经网络在基于文档的自动问答任务中的应用与改进

基于文档的自动问答,尤其是语义匹配,其目标是计算两个文本之间的相似度。这是自然语言处理中的典型任务,并且用以衡量对自然语言的理解程度。深度学习方法得益于可以自动化地学习到给定任务的最优特征表示,在许多研究中取得成功,也包括文本匹配。针对基于文档的自动问答,提出一个基于卷积深度神经网络的语义匹配模型,以便对每一对问题和文档提取特征,并据此计算它们的得分。通过问题和文档之间的交互计算,利用重叠词等文本特征,在中文开放域上的自动问答任务中取得的实际效果证明了该模型的有效性。     

云组合服务网络的异常植入数据检测算法

云组合服务网络在路由转发控制受到节点的同态扰动影响,容易受到植入入侵,为了提高网络的安全性,提出一种基于阈值组合判决的云组合服务网络的异常植入数据检测算法。构建网络异常植入数据的统计特征模型,采用大数据挖掘技术进行云组合服务网络异常植入数据特征检测和滤波分析,提取云组合服务网络数据的谱特征量,采用支持向量机学习方法进行云组合服务网络的异常植入数据检测过程中的自适应寻优控制,采用双门限阈值组合判决方法,实现对目标数据的准确检测,提高对异常植入数据的准确定位检测能力。仿真结果表明,采用该方法进行云组合服务网络异常植入数据检测的准确概率较高,检测性能较好,提高了网络安全性。     

两阶段领域自适应学习

针对领域自适应问题中源域和目标域的联合分布差异最小化问题,提出两阶段领域自适应学习方法.在第一阶段考虑样本标签和数据结构的判别信息,通过学习一个共享投影变换,使投影后的共享空间中边缘分布的差异最小.第二阶段利用源域标记数据和目标域非标记数据学习一个带结构风险的自适应分类器,不仅能最小化源域和目标域条件分布差异,还能进一步保持源域和目标域边缘分布的流形一致性.在3个基准数据集上的实验表明,文中方法在平均分类准确率和Kappa系数两项评价指标上均表现较优.     

新媒体时代大学生网络学习特征分析

新媒体时代,大学生学习行为呈现新的特征,把握大学生的网络学习特征,对于做好信息时代教育教学具有重要意义。通过对南昌市6所高校289名学生的调查研究,总结出学生网络学习的自主性、碎片化、偶发性与非线性、零散性与系统性、共享性、开放性与病毒性、模糊化七个特征。经过独立样本t检验和单因素方差分析,发现在性别、专业、年级、生源地四个方面,不同特征存在差异。     

基于互联网环境的高职院校学生自主学习能力培养

互联网如今已经渗透到社会各个角落,各种网络技术使得人们可以根据自己的实际情况完成自主学习。社会对人才的需求已经不仅仅是简单的岗位技能要求,还要求毕业生要具备自主学习这一职业核心能力。高职教育如何提高学生的自主学习能力,使学生能够适应瞬息万变的社会,就显得尤为重要。根据国内外学者的研究,结合高职院校学生的特点,通过问卷调查发现当前高职院校学生自主学习的现状,找到存在的问题,提出提高高职院校学生自主学习能力的对策。     

信息技术课堂引入的艺术

著名特级教师于漪说过,"课的开始,其引入就好比提琴家上弦,歌唱家定调。第一个音定准了,就为演奏或者歌唱奠定了良好的基础。课堂引入的艺术讲求的是第一锤就应敲在学生的心灵上,像磁石一样把学生牢牢地吸引住"。因此,信息技术教师需要深入思考和精心设计信息技术课堂的引入,针对不同的课程内容,采用不同的方式引入新课。游戏引入课题——激发学生学习兴趣现在的学生都喜欢玩游戏,什么游戏都能使他们迷恋。究其原因,从心理学角度讲,学生在玩游戏的过程中容易