结合一维扩展卷积与Attention机制的NLP模型

自然语言处理作为人工智能的一个分支,在日常生活中有着广泛的应用。随着循环神经网络在自然语言处理领域的应用以及循环神经网络的不断演进与迭代,自然语言处理有了很大的飞跃。循环神经网络也因此迅速成为自然语言处理领域的主流算法,但是其具有结构复杂和训练时间漫长的缺点。提出一种基于一维扩展卷积和Attention机制的自然语言处理模型,利用一维扩展卷积提取语言文本的深层特征,再通过Attention机制给深层特征分配权重以整合各个时序特征。实验结果表明,该模型只需循环神经网络约30%的训练时间,就能达到与循环神经网络相近的性能,验证了该模型的有效性。     

重大突发公共事件背景下高校网络舆情特点与治理对策研究

本文以重大突发公共事件为研究背景，旨在对突发公共事件下高校网络舆情现状与特点、常见舆情类型、舆论风险成因及对策展开研究。通过对我国网络使用群体现状的数据分析引出重大公共突发事件下高校网络舆情的主要特点。采用个案分析、比较分析的研究方法，梳理出部分城市在重大公共事件突发期间，市内及周边地区高校针对学生在公共事件突发阶段的网络言论所采取的不同应对方法及后续所导致的舆论风险成因与类型，剖析不同高校在重大突发公共事件下衍生的网络舆情在校内学生群体中的传播过程与特点，从而分析总结出高校管理方所应采取的正确舆情引导方式与危机应对策略，为高校如何应对此类舆情危机建言献策。     

面向家居用户行为预测的BiGRU-DAtt模型研究

针对目前智能家居用户行为预测方法准确率低、通用性差以及缺乏人性化的问题，提出一种基于BiGRU-DAtt模型的智能家居用户行为预测方法。该方法根据智能家居用户操控行为数据具有服从幂律分布与对称性两大特点，基于双向门控循环（BiGRU）神经网络挖掘用户操控行为之间的关系，基于注意力机制重点关注一定范围内具有对称性的操控行为，使用真实用户操控记录进行对比实验。结果表明该方法能够充分挖掘用户操控智能设备之间的关联关系以及用户的行为习惯，实现高准确率的用户行为预测。     

面向高维数据的个人信贷风险评估方法

随着电商平台分期付款方式和P2P信贷平台的不断推广,如何从海量的用户信贷数据中挖掘出潜在的用户模型并对未知用户进行信贷风险评估,以降低信贷业务的风险,已经成为研究的主流。针对现有方法无法高效处理高维度信贷数据的问题,使用一系列的数据预处理方法和基于Embedded思想的特征选择方法XGBFS（XGBoost Feature Selection）,以降低用户信贷数据维度并训练出XGBoost评估模型,最终实现用户信贷风险评估。实验表明,与现有的方法相比,该方法能够从高维的数据中选择出重要属性,并且分类器在精确率、召回率等方面具有较为突出的性能。