数据驱动下的个性化自适应学习研究综述

智能教育环境下的教学更加关注学习者的个性化诉求，而自适应学习能够为实现个性化教育提供技术和方法支持.文章从数据驱动的视角出发，通过开展国内外个性化自适应学习研究的综述分析，对其系统框架和相关组件进行阐述和解读.其中，重点从领域知识模型、学习者特征模型和教学模型三方面对其实现机制进行探析，提出当前研究存在的问题和不足，并在此基础上介绍了近年来可促进解释性提升的相关组件技术研究，奠定进一步深入个性化自适应学习研究的基础.     

公安心理情报初探——心理情报在打击再犯方面的作用

依据公安部提出的＂情报主导警务＂思想,结合犯罪心理的相关知识,提出了＂公安心理情报＂的理论,并结合实例论述了公安心理情报在打击犯罪方面的作用,旨在解决犯罪心理运用问题和大情报信息系统的完善问题。     

多场耦合作用下天然土质边坡安全性数值仿真研究

山体滑坡等边坡失稳问题易造成人员和财产的损失,多场耦合作用下边坡的安全性分析对于边坡灾害的防治意义重大.运用COMSOL Multiphysics 5.5数值软件,构建了二维有限元模型,并引入安全学原理,对降雨-渗流-应力耦合作用下天然土质边坡的稳定性进行了研究.研究结果表明:在降雨渗流前1.4 h,天然土质边坡的变形呈直线上升,此时为低风险状态,即处于事故孕育阶段,较为安全;在1.4 h至24 h为缓慢变形阶段,24 h后变形程度又逐渐加大,其中以坡角处变形最为明显,此时为高风险状态,处于事故生长阶段,即较为不安全;在持续作用直至失稳破坏后,转变为事故损失阶段,此时事故已产生,由不安全逐渐转变为趋于安全状态,即逐渐向低风险状态过渡,形成新的平衡状态;基于强度折减法,边坡潜在破坏面为滑动破坏,其主要表现特征为边坡土体内部朝向坡面,由坡角延伸至坡顶处形成滑动弧面,最小位移为0.04 m,最大位移为1.45 m,安全系数为1.283.研究成果可为边坡安全防护提供参考.     

论英格兰过错离婚制度的确立

英格兰早期由于信仰天主教而禁止离婚。16世纪亨利八世的离婚风波最终导致了英格兰宗教改革，建立了英国国教，同时也深深地冲击了婚姻立法领域。自此，英格兰开始踏上离婚改革之路，本文通过对史料的梳理，从而揭示英格兰世俗和宗教在婚姻家庭领域的力量对比以及最终确立过错离婚的历程，并对此改革进行分析。     

珠江口以外海域温、盐度的断面分布特征--2001年5月与2002年11月航次

通过2001年5月与2002年11月珠江口以外海域的CTD观测资料，分析调查海域两个航次的温、盐断面分布特征，并将表层温度特征与卫星遥感图象进行比较．结果表明：（1）2001年5月，珠江口以外海域可观察到较弱的上升流迹象；而2002年11月除了陆坡处的海水有涌升趋向外，未见其它上升流迹象．（2）受径流的影响，2001年5月珠江口外表层盐度水平及垂直梯度均较大．（3）两个航次在远岸站位均未形成明显的温跃层，但具有较弱的盐跃层，2001年5月和2002年11月的盐跃层分别位于10～90m和100～120m．（4）两个航次在远岸站位的100-250m层均可观察到部分黑潮次表层水．     

基于多通道压缩双线性池化的情感‒原因句子对提取模型

提出一个基于多通道压缩双线性池化的模型, 对文档中的候选情感?原因句子对进行排序。该模型利用图注意力网络提取包含位置信息的情感特定化表示和原因特定化表示, 通过局部关系学习模块, 进一步学习情感与原因句子之间的局部关系表示, 再使用多通道压缩双线性池化来融合学习情感?原因候选句子对表示。最后, 对候选句子对进行排序。实验结果表明, 与最新模型相比, 所提模型在多方面表现更优。     

用Magellan测试代码覆盖率

代码覆盖率测试是测试中的一个重要部分。对提高测试效率和质量具有十分积极的意义。测试代码覆盖率的工具有很多,论述了如何用Magellan测试代码覆盖率。     

MCFNet：融合上下文信息的多尺度视网膜动静脉分类网络

针对由于血管类间具有强相似性造成的动静脉错误分类问题,提出了一种新的融合上下文信息的多尺度视网膜动静脉分类网络（multi-scale retinal artery and vein classification network,MCFNet）,该网络使用多尺度特征（multi-scale feature,MSF）提取模块及高效的全局上下文信息融合（efficient global contextual information aggregation,EGCA）模块结合U型分割网络进行动静脉分类,抑制了倾向于背景的特征并增强了血管的边缘、交点和末端特征,解决了段内动静脉错误分类问题。此外,在U型网络的解码器部分加入3层深度监督,使浅层信息得到充分训练,避免梯度消失,优化训练过程。在2个公开的眼底图像数据集（DRIVE-AV,LES-AV）上,与3种现有网络进行方法对比,该模型的F1评分分别提高了2.86、1.92、0.81个百分点,灵敏度分别提高了4.27、2.43、1.21个百分点,结果表明所提出的模型能够很好地解决动静脉分类错误的问题。     

具有选择性局部注意力和前序信息解码器的代码生成模型

提出一种基于语法的代码生成模型, 该模型具有选择性局部注意力和包含前序信息的长短期记忆(LSTM)神经网络解码器, 通过更改上下文向量的计算范围, 并在解码过程中融合更多的前序信息, 增强单词之间的相关性。在Hearthstone和Django两个数据集上进行的代码生成实验证实了所提模型的有效性, 与最新的模型相比, 所提模型不仅表现出更出色的准确率和双语评估学习成绩, 还可以使计算工作量最小化。     

汶川地震灾区学校恢复重建的思考

汶川特大地震学校灾后恢复重建是一项十分复杂的工作,其中学校房屋的重建工作是其中的重点。房屋重建过程中要对工程质量进行有效监督,可组织师生做一些重建义务劳动。学校恢复重建过程中也要应对各种问题。文章最后对恢复重建工作提出了一些技术建议。