面向初等数学的知识点关系提取研究

随着互联网技术的发展,在线教育已经改变了学生的学习方式.但由于缺乏完整的知识体系,在线教育存在着智能化程度低和"信息迷航"的问题.因此,构建知识体系成为在线教育平台的核心技术.知识点间的关系提取是知识体系构建的主要任务之一,目前比较高效的关系提取算法主要是监督式的.但是这类方法受限于文本质量低、语料稀缺、标签数据难获取、特征工程效率低、难以提取有向关系等挑战.为此,基于百科语料和远程监督思想,研究了知识点间的关系提取算法.提出了基于关系表示的注意力机制,该方法能够提取知识点间的有向关系信息.结合了GCN和LSTM的优势,提出了GCLSTM,该模型更好地提取了句子中的多点信息.基于Transformer架构和关系表示的注意力机制,提出了适用于有向关系提取的BTRE模型,降低了模型的复杂度.设计并实现了知识点关系提取系统.通过设计3组对比实验,验证了模型的性能和效率.     

基于非干预式感知的个性化学业求助资源推荐研究进展

现代信息技术提供的强大移动终端、数据存储和计算平台,极大地促进了信息技术和教育学科的深度融合,有利地推动了"教育信息化2.0行动计划"的实施,也为研究学业求助提供了坚实的技术保障.借助多种新型的感知机理和实现技术,建立日常教学实践活动中非干预式的学业求助行为感知和分类,使实现自适应个性化的学业求助资源推荐成为可能.本文针对非干预式感知的个性化学业求助资源推荐研究状况,展开具体分析,并针对未来可能研究进行了展望:学业求助非干预式感知、学业求助多源异构数据分析、以及学业求助资源个性化推荐方法.以上研究内容充分利用和发挥了现代信息技术的优势,探索其在学业求助应用场景下切实可行的途径和方法.有利于实现对学习者学业求助需求的精准定位并提供自适应个性化的资源推荐,贯彻了我国教育信息化2.0建设中的精准教育理念,具有理论和实际的双重意义.     

基于分布式数据库Cedar的高效工单管理系统设计与实现

随着互联网发展,企业随之转型,积极开展基于互联网的业务.传统业务系统架构基于集中式数据管理系统如MySQL之上,在封闭使用状态向开放使用状态转换的过程中,逐渐在可用性上暴露出弊端,故而不能很好地支持业务拓展规模化、分布式处理的要求.网络业务的开展对工单系统提出了在支持大数据、高并发、高冲突、高可用下保证处理高效性的新需求.在深入分析当前业务特征的基础上,利用分布式数据库Cedar,基于Netty通信框架,以海尔的工单业务为实例,设计并实现了支持工单存储、派单以及工程师抢单业务的高效、可扩展工单管理系统,详述了系统的可靠性和可扩展实现.经实验表明,该工单系统在保证高吞吐和低延迟的同时具有良好的可扩展性和可用性.