网络环境下协同学习策略在英语教学中的应用

介绍了协同学习策略与合作学习策略的异同,阐述了在英语教学中运用计算机支持下的协同学习模式的步骤和方法.认为在英语教学中运用基于任务的协同学习模式,便于教师指导和监控,便于营造良好的语言学习环境,同时有利于培养提高学生的综合素质.     

异构网络中基于轨迹预测的资源预分配方案

针对轨迹预测的网络资源管理方法研究中普遍存在的轨迹特征学习不充分、轨迹预测结果精度低、颗粒粗单等问题,提出双向循环神经网络的轨迹预测算法。通过深度挖掘用户的移动规律,实现对用户的移动预测。根据用户的移动预测信息设计网络资源预分配方案、移动行为划分网络资源,实现对多小区的协作式资源优化管理。仿真试验结果表明,在轨迹预测问题中,双向循环神经网络的轨迹预测算法比普通神经网络算法有更好的综合性能。在网络资源管理中,轨迹预测的网络资源管理预分配方案能够较准确地预测用户所连接的基站,使基站具有较高的资源利用率。     

基于耗散结构理论的企业协同创新动力机制研究

协同创新需要动力,动力机制是企业协同发展的重要保障。文章应用耗散结构理论分析企业协同创新系统的结构特征及引起系统演变的动力因子,指出系统的随机涨落是企业协同发展的基本动力,并据此构建企业协同创新动力机制。     

一种基于桌面信息的个性化推荐方法

针对当前信息检索服务中存在的固有缺陷,提出了一种基于用户桌面信息抽取的个性化推荐方法．详细介绍了通过用户桌面资源信息抽取建立长期用户模型,以及通过工作场景信息抽取建立短期用户模型的算法．长期用户模型提供了完整全面的用户兴趣偏好信息,短期用户模型则为预测用户当前信息需求提供了依据．实验结果表明,基于用户桌面信息抽取的个陛化推荐服务能较好地预测用户当前需求、具有良好的推荐效果．     

基于社交网图和兴趣标签的协同推荐算法

为了提高用户对社交平台的粘性,通过用户的社交关系网来丰富用户的兴趣标签。以微博为例,用户的关注用户可以对用户的内容推荐进行协同性过滤,用户的关注用户的重要性受到自身粉丝数的制约,综合用户兴趣标签和用户社交网络图完成对用户推荐内容的协同过滤。以 Last．fm 数据作为测试数据集,实验结果表明：改进的算法能够较明显地提高推荐的准确度,从而表明融入用户社交关系网进行内容推荐对于提升用户的平台粘性具有一定的作用。     

基于对等模型的分布式协同设计系统

为了解决分布式协同设计系统中的信息快速检索以及多副本同步等问题,引入了对等模型,给出了该系统的功能模型、信息检索模型等。提出了DHT的对等信息检索方法,保证了用户能够在分布式协同设计系统中快速共享资源。采用基于DHT的分布式互斥等算法作为协同数据的一致性维护方法,给出了系统的具体实现方法和实例。     

Hybrid recommendations for mobile commerce based on mobile phone features

Mobile data communications have evolved as the number of third generation (3G) subscribers has increased. The evolution has triggered an increase in the use of mobile devices, such as mobile phones, to conduct mobile commerce and mobile shopping on the mobile web. There are fewer products to browse on the mobile web; hence, one‐to‐one marketing with product recommendations is important. Typical collaborative filtering (CF) recommendation systems make recommendations to potential customers based on the purchase behaviour of customers with similar preferences. However, this method may suffer from the so‐called sparsity problem, which means there may not be sufficient similar users because the user‐item rating matrix is sparse. In mobile shopping environments, the features of users' mobile phones provide different functionalities for using mobile services; thus, the features may be used to identify users with similar purchase behaviour. In this paper, we propose a mobile phone feature (MPF)‐based hybrid method to resolve the sparsity issue of the typical CF method in mobile environments. We use the features of mobile phones to identify users' characteristics and then cluster users into groups with similar interests. The hybrid method combines the MPF‐based method and a preference‐based method that uses association rule mining to extract recommendation rules from user groups and make recommendations. Our experiment results show that the proposed hybrid method performs better than other recommendation methods.     

基于直觉模糊聚类的Web资源推荐方法

在Web资源分类中,针对传统基于用户兴趣的方法不能准确反映用户兴趣的变化以及难以区分资源内容的品质和风格等问题,提出一种基于直觉模糊C均值聚类的Web资源聚类推荐方法。该方法首先根据用户兴趣度将Web资源表示为直觉模糊数,然后应用直觉模糊信息集成理论进行资源分类,最后实现向用户推荐相似或相近资源。理论分析和实验表明,该方法比传统的模糊C均值以及协同过滤方法在推荐质量上有很大的提高。     

聚焦爬虫技术研究综述

因特网的迅速发展对万维网信息的查找与发现提出了巨大的挑战。对于大多用户提出的与主题或领域相关的查询需求,传统的通用搜索引擎往往不能提供令人满意的结果网页。为了克服通用搜索引擎的以上不足,提出了面向主题的聚焦爬虫的研究。至今,聚焦爬虫已成为有关万维网的研究热点之一。文中对这一热点研究进行综述,给出聚焦爬虫(Focused Crawler)的基本概念,概述其工作原理;并根据研究的发展现状,对聚焦爬虫的关键技术(抓取目标描述,网页分析算法和网页搜索策略等)作系统介绍和深入分析。在此基础上,提出聚焦爬虫今后的一些研究方向,包括面向数据分析和挖掘的爬虫技术研究,主题的描述与定义,相关资源的发现,W eb数据清洗,以及搜索空间的扩展等。