基于MLP改进型深度神经网络学习资源推荐算法

针对在线学习过程中出现的知识过载及传统推荐算法中存在的数据稀疏和冷启动问题,提出了一种基于多层感知机（MLP）的改进型深度神经网络学习资源推荐算法。该算法利用多层感知机对非线性数据处理的优势,将学习者特征和学习资源特征进行向量相乘的预测方式转换为输入多层感知机的方式,改进了DN-CBR神经网络推荐模型。为验证模型的有效性,以爱课程在线学习平台数据为样本构建数据集,通过对比实验表明,在该数据集上,改进后模型相较于DN-CBR模型在归一化折损累积增益和命中率指标上分别提升了1.2%和3%,有效地提高了模型的推荐性能。     

企业研发项目价值评估建模与应用

基于企业研发项目演进特点,从经济价值、战略价值、科技价值和行业带动价值四个方面对研发项目价值进行量化评估;并借鉴科技进步贡献率思路,提出研发贡献率的概念,将商用化推进阶段研发工作带来的经济价值从企业总利润中拆分出来,研发价值进一步显性化。与此同时,建立研发项目价值评估矩阵,直观呈现项目综合价值表现,对于企业研发布局具有较强的指导性和可操作性,也为后续学术研究提供新的视角。