融入设计思维和跨学科理念的人工智能课程设计与实践

在人工智能时代,中小学开展人工智能教育成为提升学生智能素养的重要抓手,但现有课程存在偏重编程教学、缺乏真实情境等问题。因此,作者引入设计思维方法,融合跨学科的学习理念支持,并以智能硬件开发项目为载体,设计人工智能课程教学模式开展教学实践。这种方法能使学生全面理解人工智能的本质和应用,让学生在实践创造中学习,深入思考人工智能对社会和人类的影响,促进学生核心素养的形成和发展。     

基于遗忘函数的均值贝叶斯个性化排序算法研究

针对贝叶斯个性化排序算法未能充分应用用户的行为信息,导致算法在数据稀疏情况下推荐性能以及鲁棒性均大幅度降低的问题,提出了均值贝叶斯个性化排序(MBPR)算法,来进一步挖掘用户对隐式反馈信息的偏好关系。考虑到用户兴趣随时间变化的特征,又将遗忘函数引入MBPR算法中。该算法首先对用户的历史评分记录进行预处理;然后根据用户的评分信息对项目进行正负反馈的划分,对每名用户进行个性化建模,挖掘用户对未参与项目的喜好程度,生成推荐列表。为验证提出算法的推荐性能,在公开数据集MovieLens及Yahoo上进行分析和对比实验。实验结果表明该算法的推荐性能及鲁棒性较对比算法均有显著提高。