结合词性的短文本相似度算法及其在文本分类中的应用

针对基于语义的短文本相似度计算方法在短文本分类中准确率较低这一问题,提出了结合词性的短文本相似度算法( GCSSA)。该方法在基于hownet(“知网”)语义的短文本相似度计算方法的基础上,结合类别特征词并添加关键词词性分析,对类别特征词和其他关键词的词性信息给定不同关键词以不同的权值系数,以此区别各种贡献度词项在短文本相似度计算中的重要程度。实验表明,该算法进行文本相似度计算后应用于短文本分类中较基于hownet的短文本分类算法在准确率宏平均和微平均上提升4%左右,有效提高了短文本分类的准确性。     

“编译原理”课程教学方法的探索与实践

本文根据编译原理课程性质和特点,给出了编译原理课程教学中常用的互动式教学法、启发式教学法、案例教学法、任务驱动式教学法、问题教学法．在具体教学过程中根据不同的教学内容和教学情境灵活选择不同教学方法,取得了较好的教学效果。     

笔记本电脑EC/BIOS软件开发人才培养的课程体系研究

根据重庆实现8000万台笔记本电脑生产的战略目标背景,分析目前高等院校的计算机类,电子和通讯类专业课程设置,梳理笔记本电脑EC/BIOS软件开发所需的知识结构,研究建立笔记本电脑EC/BIOS软件开发人才培养的课程体系。     

“编译原理”课程的网络辅助教学研究与实践

本文分析了编译原理课程性质和网络辅助教学特点,介绍了编译原理网络教学平台的模块设计和运行管理方法。教学实践证实,利用网络辅助教学方式可以明显提高编译原理课程的教学效果和质量。     

基于传播能力差异的IWSR垃圾信息传播模型

为研究用户传播能力差异性对垃圾信息传播的影响,根据仓室建模思想,将传播网络中的人群划分为I(ignorant),W(weakly spreader),S(strongly spreader),R(removal)四个仓室并提出状态转换规则,运用微分动力系统理论建立一个具有传播能力差异的IWSR垃圾信息传播模型。通过计算模型的基本再生数,利用Hurwitz判据、Lyapunov稳定性定理和LaSalle不变性原理,得出垃圾信息传播平衡点的局部稳定和全局稳定条件。最后通过数值仿真与新浪微博真实数据集的对比实验证明所得结论的合理、有效性。     

基于用户兴趣度的PageRank改进算法

传统的PageRank算法容易导致主题漂移、偏重旧网页、用户对搜索结果的主观选择被忽略等问题。针对PageRank算法存在的上述缺陷,提出了一种基于用户兴趣度的网页排序算法——PRUI算法。该算法主要从网页自身的客观特性和用户兴趣的主观特性两方面对网页的PR值进行重新估算,并依据估算后的网页PR值对网页做重排序。相比传统的PageRank算法,改进的PRUI算法进一步提高了系统检索的准确率和首页命中率。     

预应力锚索二次张拉拐点自动识别研究

目前判断预应力锚索二次张拉中产生的拐点的主要方法是通过人工来估算拐点处的荷载和位移值。针对这个问题,通过分析二次张拉的物理特点,结合施工过程中外部因素对张拉数据的干扰特征,提出了拐点识别的数学模型和拐点识别的通用过程;提出了采用中位值平均滤波算法来过滤测量中的异常点,采用拉格朗日抛物插值算法来优化采样数据,最后通过计算得到拐点的精确数据。实验表明,通过提出的拐点识别方法可以快速定位拐点的位置,极大地提高了拐点识别的效率和准确度。     

一种新的微博短文本特征词选择算法

针对微博短文本有效特征较稀疏且难以提取,从而影响微博文本表示、分类与聚类准确性的问题,提出一种基于统计与语义信息相结合的微博短文本特征词选择算法。该算法基于词性组合匹配规则,根据词项的TF-IDF、词性与词长因子构造综合评估函数,结合词项与文本内容的语义相关度,对微博短文本进行特征词选择,以使挑选出来的特征词能准确表示微博短文本内容主题。将新的特征词选择算法与朴素贝叶斯分类算法相结合,对微博分类语料集进行实验,结果表明,相比其它的传统算法,新算法使得微博短文本分类准确率更高,表明该算法选取出来的特征词能够更准确地表示微博短文本内容主题。     

计算机科学与技术专业“卓越工程师”培养模式与实施方案研究

本文对“卓越计划”的内涵和我校计算机科学与技术专业现状进行了分析,然后根据“卓越计划”的相关要求,结合我校办学定位与专业建设实际,对计算机科学与技术专业“卓越工程师”人才培养模式与实施方案进行了阐述.     

融合兴趣的微博用户相似度计算研究

针对传统基于用户的博文内容和共同好友数在计算微博用户的相似度时存在潜在误差过大的问题、而基于用户多源背景信息的相似度计算模型有计算复杂度高且忽略了用户的兴趣等问题,提出了一种结合用户兴趣和背景信息的综合相似度计算方法（BIBS）。首先从用户的标签中提取用户的兴趣,当用户的标签缺失时,通过对用户关注关系网络中的重要用户聚类来间接获取用户的兴趣点,以此计算用户的兴趣相似度;其次根据用户的性别、年龄和地点等背景属性计算用户的背景相似度,层次化地挖掘出最相似的用户;最后基于新浪微博的数据进行实验分析。结果表明,与基于多源信息相似度的微博用户推荐算法（MISUR）相比,该方法在用时更少的情况下,准确率、召回率和◢F◣值分别提高了8.1%、16.7%和13.6%,证明了提出的BIBS方法的有效性和准确性。