浅谈民办高校辅导员对新生班长的发现与培养

本文笔者通过10级某个专科班新生班长的成长经历:从其开学军训被老师确定为临时负责人,再到军训后竞选成功为班长,在辅导员老师的发现、指导和培养下,该新生班长自身的组织协调能力逐步提高,使得班级建设不断有新的发展。结合此工作案例,笔者通过强调民办高校辅导员对新生班长发现与培养的重要性,进而分析新生班长在自身工作过程中所暴露出的一些问题,根据问题提出了强化新生班长的责任意识,加强对新生班长心理素质教育的指导和帮助,强化新生班长的学习意识,不断加强对新生班长的培训等方面的对策和建议。     

基于开放环境下行为学实验的图像情感语义数据分析

网络技术的发展和图像获取设备的普及导致数字图像迅速增长,依靠先进的技术获取并分析图像蕴含的情感语义正是当前各行业急需解决的问题,过去封闭的行为学实验环境限制了图像情感语义数据的获取.基于开放环境制作了一个行为学实验平台,选取大学生作为被试获取图像情感语义数据,使用主成分分析法分析获取的数据.实验结果表明,开放环境下的行为学实验获取的数据非常有效,经过分析,可表达图像三分之二的情感语义信息,可为今后实现有效的图像情感语义分类和检索打好基础,具有一定的实用性.     

采用链路聚类的动态网络社团发现算法

针对当前基于节点的动态网络社团结构发现算法难以发现稳定的社团结构的问题,提出了一种采用链路聚类的动态网络社团发现算法(LDC)。该算法首先从链路的角度得到网络的链路图结构;然后对比不同时刻的链路图结构,将动态网络中节点的添加与移除以及边的添加与移除等复杂的变化信息简化为链路添加和链路移除2种增量变化信息;再在前一时刻社团结构的基础上以改进的链路划分密度函数对增量变化信息中变化的链路进行处理,判断该链路是否加入到社团中从而得到最优的社团结构;最后将得到的链路社团转化成为最终的节点社团结构。实验结果表明,相比于当前基于节点的动态社团发现算法,LDC算法能够有效地发现网络中结构稳定的社团结构,其模块度值和标准化互信息值至少提高了0.19和0.13,且算法的运行效率要明显优于基于节点的动态社团发现算法。     

人体辉光之谜

许多古典神话小说描写佛祖、菩萨等出现时多有“笼罩着五色祥云”、“香气四溢、红光四射”等语过去,人们一直把这些“祥云”、“红光”当做纯粹的神话,但至今一系列的科学发现表明,这些描述对人体来说并非完全虚构。     

科技期刊语义化研究

作为一种科技信息的传播方式,期刊在人们的学习和研究中,发挥着重要的作用。信息技术的飞速发展,为期刊带来新的生机,同时也提出更高的要求。研究期刊语义化,以提高期刊资源的语义交互性,增进科技期刊信息的语义共享。     

基于概念图的自然语言处理中的语义研究与应用

目的探讨自然语言处理中的语义研究的必要性和概念图的优势及特点。方法阐述基于概念图进行语义研究的步骤及关键技术。结果基于概念图进行语义研究能进一步提高自然语言理解的水平,改善现有语义分析技术对句子的理解程度,具有一定的理论和应用价值。结论概念图的研究与应用必将对语义研究起到积极的作用。     

基于核心用户对发现的微博好友推荐算法

现有的微博好友推荐算法没有充分考虑网络关系结构,导致发现的邻居群合理性较差。针对这个问题,围绕微博用户群聚规律和社交网络特点展开研究,提出一种基于核心用户对发现的微博好友推荐算法;该算法首先将任意两个具有相互关注关系的用户封装成用户对的形式并计算各用户对之间的交互行为相似度,然后通过密度和距离两个参数发现核心用户对以及划分合理的邻居类簇,最后根据制定的推荐规则向用户进行好友推荐。结果表明,相比传统的协同过滤方法,该算法明显提高了微博好友推荐的精度,核心用户对发现、类簇的合理划分以及推荐规则的制定能够缓解数据稀疏和冷启动带来的问题。     

基于复杂网络重叠社团发现的微博话题检测

社交媒体话题检测一直是个热点问题,由于社交数据杂乱异构,且具有时效性,语义模糊性等特点,话题检测也是个难点问题.研究利用复杂网络对社交文本数据进行建模,并结合一种基于极大团凝聚层次聚类的重叠社团发现方法实现了社交话题的检测.文本数据建模中,通过自定义突发系数量化话题词,即把话题词看作具有时域分布偏好的关键词,并通过自定义相关系数连接话题词,构建话题网络.为使自定义系数更适用于动态数据环境,实验结合真实数据进行了适应性测试优化系数.文章把采用EAGLE重叠社团发现方法在公开数据集上评测,根据Q函数值显示结果明显优于当前一些重叠社团发现策略,研究对采样的60万条青少年社交数据进行了话题分析并可视化了分析结果.     

基于资源发现系统的高校图书馆参考咨询服务模式创新

简述了资源发现系统的发展、分类与特点,介绍了目前我国高校图书馆参考咨询服务的内容,分析了资源发现系统与高校图书馆的切合点,对高校图书馆参考咨询服务模式提出了若干思考与建议.     

语义规则与表情加权融合的微博情感分析方法

当前中文微博情感分析的主流做法是将情感极性分类结果的好坏作为评判的标准。从提高微博情感判别准确度的目的出发,尽量多考虑影响微博情感的元素。在统计微博中情感词的基础上,加入了微博表情这一重要元素,采用与文本情感值加权的方式参与微博情感计算,使得对含有表情的微博情感判定结果有了一定程度的提高;在语义规则部分,基本涵盖了汉语中最常用的几种句型规则和句间关系规则,使得对复杂语句的情感分析更加准确。同时,还对每条微博的情感给出了具体的数值,并在正确率、召回率、F 值的基础上,提出合格率这一指标,对微博情感判别方法得到的数值准确性进行评价。通过搭建 Hadoop 平台对测试集的1万条数据进行测试,验证了融合算法的有效性。