摘要：在现有的教学资源推荐系统中算法和模型不断进步,但推荐策略仍然停留在学生偏好分析或内容相关性计算两方面,忽略了教学资源推荐中授课教师对教学目标的掌控以及企业导师的实践价值引导作用。为此,提出一种基于图神经网络和多主体评价的教学资源推荐方法,综合考虑学生、教师和企业导师3个主体的评价,并解决多主体评价导致的小样本问题。首先,构建包含教学资源和知识点的异质图,通过异质图嵌入分别获取教学资源和知识点的特征向量表征,计算教学资源与知识点的相关性;然后,设计多主体评价机制,分别制定针对学生、教师和企业导师3个不同主体的细粒度评价指标,利用基于图神经网络的小样本学习(GNN-FSL)模型获取不同主体对教学资源的评分向量估计;最后,利用注意力机制来综合不同主体的评分向量估计以及教学资源与知识点的相关性对推荐结果的影响。实验结果表明,该方法在小样本训练中具有较好的评分向量估计准确度优势,并且融合多个主体评价和增加细粒度多主体评价指标的两大措施均对提升推荐准确度和学习成绩具有显著作用。

摘要：现有的移动群智感知任务推荐方法主要包括基于时空信息和社交关系两大类,分别受到时空信息时变性和数据稀疏性问题的限制。为了突破上述限制并综合多源工人行为数据对任务推荐准确度的影响,本文提出了一种基于多源异构数据融合的移动群智感知任务推荐算法。该算法综合考虑了工人地理位置、时间可用性以及社交网络关系等多方面的因素,利用隐语义模型、双向长短时记忆网络模型分别生成空间、时间维度的工人–任务匹配度矩阵实现对工人偏好时空变化的挖掘,并利用Node2Vec图嵌入模型生成社交维度的工人–任务匹配度矩阵,缓解数据稀疏性问题。最后利用BP神经网络将上述三个矩阵进行融合以实现工人行为的多源异构数据融合,并最终进行任务推荐。实验结果表明,本文方法比单一数据源的任务推荐方法具有更好的推荐准确度。

摘要：偏振集成探测器具有体积小、重量轻、结构紧凑,并且无需图像配准对动态目标同时同地同源探测与识别的优势。本文主要介绍了偏振集成光电探测器单元器件、线列焦平面、面阵焦平面的研究进展,分析了光栅结构设计与仿真、亚微米偏振光栅制备、集成与测试、偏振图像数据重构等获得高消光比偏振集成探测器的关键技术,最后介绍了偏振成像针对无人机、伪装卡车、地雷、海面舰船、面部识别、无人驾驶道路识别、海面漏油检测及医疗检测等方面的典型应用。