摘要：目前,大多数推荐技术使用用户评分来推断用户偏好.当有充足的评分信息时,协同过滤技术表现良好.然而,评分数据普遍存在着稀疏性,或者难以让用户将其偏好表示为对物品的评分等级,故有效性受到限制.基于内容的推荐方法依据物品的内容来寻找与目标用户喜欢的物品内容相似的物品.在目标用户没有充足的历史数据的情况下,该方法仍然不充分,其推荐效果也很有限.当前,融合多视图的兴趣偏好信息构建混合推荐系统是个性化推荐研究发展的趋势.混合推荐系统通过融合用户物品的交互评分、隐式反馈和辅助信息进行个性化推荐,故本文提出了一种新颖的基于用户评论的深度情感分析和多视图协同融合的混合推荐方法.针对用户评论、物品内容描述等短文本的情感及语义难以分析,单一推荐视图易导致对用户画像建模粗放等问题,本文利用词向量对用户评论的短文本进行分布式表征,并结合长短期记忆网络实现从上下文语义层面对用户评论的情感进行分析.同时,本文提出基于观点预过滤和基于用户评分嵌入的情感融合方法,设计了一种嵌入的网络结构对用户评论进行深层语义分析和情感计算,以解决用户评分与真实兴趣偏好存在较大偏差、评分等级分布极度不均衡等问题.此外,本文利用分布式的段落向量表征对物品内容描述的短文本进行相似度计算,并设计了候选物品相似性的计算方法及度量K个最近邻物品的方法,解决了推荐系统中物品的内容信息不易挖掘和利用的问题.最后,本文提出了一种基于协同训练的融合用户评分、情感倾向和物品内容信息的混合推荐算法,实现对稀疏的用户评分矩阵的循环填充和修正,进而实现基于评分预测的Top N推荐.该方法解决了混合推荐系统中不同兴趣偏好的多推荐视图难以融合的问题,同时在一定程度上解决了推荐系统建模中缺乏足够的有标签数据问题.本文在亚马逊数据集上进行实验,与多种经典的和当前先进的推荐算法进行性能对比,采用平方误差、命中率和标准化折扣累积增益进行性能评价.实验结果表明,本文提出的算法在挖掘用户情感上效果显著;在10个推荐数据集上,系统的评分预测和Top N推荐指标皆有不同程度的显著改进.

摘要：谓词的自动识别是浅层句法分析的重要内容。本文提出了基于支持向量机分类算法的谓词自动识别方法,重点描述了在特征构建过程中基于信息增益的特征筛选方法与基于同义词词林的特征词度量方法。信息增益方法选取对分类影响较大的特征,降低了特征维度;同义词词林的度量方法将特征词映射为深层次的语义概念,增强了特征的表达能力,强调了属性特征与模型的相关度。在小规模语料库上的实验表明,谓词识别的最好F-Score达到了84.0%,相较于对数据无任何处理的情况F-Score提高了4.6%。结果表明,这种新的特征筛选与特征度量方法在谓词识别中十分有效,可以极大提高分类器的性能。

摘要：针对新工科背景下自然语言处理课程体系庞杂、基础理论与项目实践孤立等问题,提出一种联动式实践驱动的自然语言处理课程教学模式,从理论教学设计与方法、实验教学设计、课程考核等方面介绍具体改革措施,最后通过课程考核效果说明该教学模式的有效性。

摘要：针对传统教学模式在"Web程序设计"课程中普遍存在的理论与实践相脱节,不能适应现代Web前端开发工程师培养的问题,提出了Web程序设计课程中结合任务驱动和项目驱动的分阶段专题模式教学改革,探讨了相应的课程考核方式并进行实践。通过学生的期终成绩和评价反馈来看,该模式取得了较好的效果,基本达到了培养优秀的Web程序前端开发工程师的目的。

摘要：算法是计算机科学领域最重要的基石之一,但却受到了国内高校相关专业及学生的冷落。他们认为学习计算机就是学习各种编程语言,对算法学习没有兴趣。但是算法的学习更加重要,因为计算机语言和开发平台日新月异,但万变不离其宗的是那些算法。本文论述一个增强学生算法学习兴趣的算法实验设计方法。让学生在实验中体验算法学习的重要性,通过实验发现问题,分析问题出现的原因,寻找解决问题的办法,从而将原来的被动学习转化为主动学习。

摘要：针对系统分析与设计综合性、实践性强的特点,文章以学生熟悉的图书馆管理系统为对象,采用案例分析和横纵向对比分析方法,梳理结构化与面向对象分析设计方法之间的本质与差异,分析它们之间的不同思想和建模实践,从而加深初学者对系统分析和设计方法的理解,进而提升学生系统建模的理论水平和针对实际项目的分析设计能力。

摘要：本文针对学生在软件开发过程中对设计模式和SSH等技术应用混乱的情况,提出了渐近式的项目整合开发教学探索。让学生自主地发现问题,并思考解决方案,再给合软件工程师在解决此类问题应用的成熟技术,使同学们对软件开发模式和开发过程中涉及的SSH等技术有一个更系统和深刻的认识。综合近两年的教学评价和考核结果,表明该教学方案对改进学生的学习效果有十分积极有效的作用。