共查询到20条相似文献，搜索用时 380 毫秒
1.
【目的/意义】深度学习是近几年来人工智能领域的研究热点之一,了解深度学习在信息组织与检索方面的研究现状,能为信息组织与检索的深入研究提供参考和借鉴。【方法/内容】通过对国内基于深度学习的信息组织与检索方向的相关文献进行梳理,剖析深度学习相关模型、阐述深度学习在信息组织与检索中的研究热点主题,并结合深度学习技术的特点和信息组织与检索的研究内容,对深度学习在信息组织与检索方向的应用前景进行预测。【结果/结论】研究表明,当前深度学习在信息组织与检索中的研究热点主要集中在智能信息抽取、自动文本分类、情感分析和文本聚类这四个主题,预测未来深度学习在信息组织与检索方向会朝着对异构信息处理、智能信息检索、个性化信息推荐等方向发展。 相似文献
2.
3.
程远 《内蒙古科技与经济》2020,(13)
以"高校图书馆+学科服务"为主题的CNKI核心期刊文献为数据源,以CiteSpace文献分析软件为研究工具,进行了相关文献的计量分析和可视化分析,对高校图书馆学科服务的研究现状和发展趋势进行了分析、探讨与预判,基于相关文献的计量研究深度探讨了该领域的研究热点、研究作者/机构的中心度和合作关系、年度发文趋势等方面的研究现状。 相似文献
4.
[目的/意义]泛在学习作为一种新型的学习范式,在世界各国呈快速发展态势,已成为教育技术领域的研究热点。[方法/过程]运用CiteSpace的可视化技术,采用文献计量学知识图谱分析的方法,以检索发表在WoS和CSSCI平台的相关主题学术论文作为数据,从共时比较和历时发展两个维度,梳理国内外近15年(2005-2019年)泛在学习领域研究主题的发展脉络。[结果/结论]国际期刊上泛在学习研究以实证主义研究范式为主,从技术开发、项目实验等角度探究泛在学习教学策略、认知行为和教育应用等议题;而国内期刊论文则侧重理论思辨的方法,解构泛在学习的理论内涵,以及泛在学习与数字化学习、移动学习、终身学习和后现代远程教育对学习模式和认知行为的重构与影响。今后,关于个性化、社会性泛在学习的议题会继续向纵深发展,从认知和情感角度探究泛在学习环境中学习者的学习效能、学习评价和学情反馈等内容将是泛在学习领域未来研究关注焦点和发展趋势。 相似文献
5.
【目的/意义】基于深度学习的目标跟踪研究在国内研究热潮的迅速高涨，吸引了多位来自计算机视觉领域
学者产出丰硕的成果，知识图谱能直观地揭示该领域的研究概况与前沿。【方法/过程】利用CiteSpace 分析软件，以
中国知网引文索引（CNKI）数据库为数据源，搜集基于深度学习的目标跟踪研究相关文献数据。从时空分布、机构
与作者分布、关键词频度共现、研究趋势变化时序图谱等方面，绘制知识图谱，梳理研究脉络，揭示国内基于深度学
习对目标跟踪的研究现状与发展方向。【结果/结论】以客观数据和图谱为依据，对基于深度学习对目标跟踪的研究
发展进行分析和总结，同时提出相关建议，为该领域的后续研究提供参考。 相似文献
6.
资源拼凑解释了创业者在资源约束的情境下如何将看似无关联的手头资源组合成有价值的资源,并进一步驱动创业者对机会的认知。然而,对两者之间的路径对接机制缺少关注。本文从组织学习视角出发,利用不同组织学习方式推进资源拼凑和创业机会认知的关系研究。本文通过系统回顾国内外相关文献,解析了资源拼凑和组织学习所涉及的关键构念;构建了创业认知过程的两阶段理论模型,包括机会发现阶段和构建阶段;构建了资源拼凑与机会认知阶段对接的机制框架,解释了组织学习如何桥接两者的路径。在总结研究贡献的同时,并对未来研究进行展望。 相似文献
7.
<正>学习设计作为制定学习活动的蓝图，担任着促进教育回归本质的重任，并在教育与技术从结合到融合再到深度融合的过程中不断完善。本文通过梳理相关文献，总结学习设计三层次(理念、规范和软件)、提出学习设计三融合(时空融合、横纵融合、两化融合)以及研究趋势三转变(设计目标转变、设计思维转变和设计范畴转变)，以期从不同视角提出对学习设计新的理解。1问题的提出新时代信息技术出现了前所未有的发展，但无论技术如何发展，教育最根本最终极的目的依旧是培养人、塑造人、发展人和完善人[1]。有研究表明，近40年来新兴技术支持下的教学并未像人们预期的那样提升学习效果[2]。认知心理学家Clark认为“创新性教学”滥用技术特性损害了学生的学习绩效也增加了学生认知发展风险[3]。 相似文献
8.
9.
工作旺盛感是指员工在工作中既能感受到“活力”又能感受到“学习”的心理状态。它是从员工认知的视角来关注员工身体和心理发展,对于提升员工的工作效率、实现企业愿景有着显著影响。采用文献计量法,借助CiteSpace可视化软件,以中国知网(CNKI)数据库中285篇工作旺盛感文献为研究样本,对工作旺盛感领域的研究概况、研究热点、发展脉络等进行可视化分析。结果表明,工作旺盛感的研究文献发表数量在整体上呈递增趋势,工作旺盛感领域热点主要集中在个体旺盛感产生的影响因素和作用结果两个方面。相关研究集中于“创新行为”“心理资本”“情绪耗竭”等方面,相关研究方向也趋向多元化。 相似文献
10.
【目的/意义】评价科学是哲学社会科学体系的重要组成部分,其方法体系的构建需要依赖现代技术的支
撑,科学的评价方法体系能够极大地提升评价活动的效率。深度学习技术的发展为评价科学方法体系的构建带来
了前所未有的机遇。【方法/过程】本文通过文献计量、文本分析等方法,运用ITGInsight科学计量工具,对深度学习
技术及其应用于图书情报学科和评价科学的发展现状进行整体的梳理,并对基于深度学习的评价科学方法研究进
行了系统的总结与分析。【结果/结论】最终分析得出了深度学习及其应用于图情学科和评价科学的主要研究情况,
以及深度学习技术给构建评价科学方法体系带来的主要影响和潜在的发展机遇,并创造性地构建了一个基于深度
学习技术的评价科学方法体系框架。【创新/局限】本文对于基于深度学习的评价科学方法研究具有框架层面的指
导作用,但未曾就具体的方法过程进行讨论和实证研究,这将是相关研究接下来需要关注的内容。 相似文献
11.
12.
优化数学教学策略促进学生深度学习 总被引：1，自引：0，他引：1
透视传统数学教学,我们要关注学生浅表式学习现象。针对浅表性学习的弊端,引导学生进行数学深度学习。要充分认识深度学习理论的实践价值,基于深度学习的设计理念,实施有效的课堂教学策略：赋予数学课堂生命成长的意义;从学生已有经验和兴趣出发,创设问题情境;引导学生自我提问,以问题引领思维;以目标任务为驱动,发挥小组学习共同体作用;引导学生领悟数学思想与方法;帮助学生形成开放的知识结构。 相似文献
13.
《Information processing & management》2020,57(6):102288
Deep hashing has been an important research topic for using deep learning to boost performance of hash learning. Most existing deep supervised hashing methods mainly focus on how to effectively preserve the similarity in hash coding solely depending on pairwise supervision. However, such pairwise similarity-preserving strategy cannot fully explore the semantic information in most cases, which results in information loss. To address this problem, this paper proposes a discriminative dual-stream deep hashing (DDDH) method, which integrates the pairwise similarity loss and the classification loss into a unified framework to take full advantage of label information. Specifically, the pairwise similarity loss aims to preserve the similarity and structural information of high-dimensional original data. Meanwhile, the designed classification loss can enlarge the margin between different classes which improves the discrimination of learned binary codes. Moreover, an effective optimization algorithm is employed to train the hash code learning framework in an end-to-end manner. The results of extensive experiments on three image datasets demonstrate that our method is superior to several state-of-the-art deep and non-deep hashing methods. Ablation studies and analysis further show the effectiveness of introducing the classification loss in the overall hash learning framework. 相似文献
14.
小学阶段作业的布置是至关重要的,通过合理地布置作业不仅可以帮助学生巩固课堂学习的内容,而且也可以让学生发现自己知识薄弱的地方,便于教师找到学生学习上的缺陷。随着新课程改革的不断深入,"校本教学"成为如今全新的教学理念。现如今,数学教学更加注重培养学生的数学思维能力,在深度学习的背景下,教师在数学校本作业的布置上,应该将重点放在激发学生的数学思维上,进而培养小学生勤于思考的好习惯,促进学生的全面综合发展。 相似文献
15.
《单片机应用技术》教学改革——高职学院专业课实施课题式单元教学初探 总被引：1，自引：0，他引：1
本文较详细地阐述了我院在生产过程自动化专业《单片机应用技术》教学中教学改革的具体情况，改革教材，以精选出的实例为重点实施课题教学；丰富教具．运用合适的教学辅助手段，尽量运用直观教学：采用教学、实训、设计一体化的教学模式；教学中教师做好引导，调动学生积极参与．发挥学生的主体作用，从采用课题式教学的好处以及取得的教学效果为依据．指出高职院校专业课实施课题式单元教学的可行性。 相似文献
16.
制约创业学习研究的一个障碍是,缺少一个清晰的普遍认同的研究焦点．提出创业学习的核心内容是如何灵活利用三种创租机制,从而获得经济租和取得竞争优势．对创租机制的运用构成了经济组织的两大类活动,即“探索”和“利用”．“利用”是对现有资源的价值实现活动,而“探索”是对潜力资源的追求和获取活动．解决组织在各个层次上面临的挑战,必须具有平衡“探索”和“利用”的技巧,这种技巧应该成为创业学习研究的焦点．万向公司的创业案例表明了这种技巧的现实价值,在战略层次正确应用这种技巧直接有益于创业的成功． 相似文献
17.
18.
组织内部学习与外部学习作为组织创新的重要知识资源,其在组织创新资源转化进程中发挥着重要作用。但当前关于组织内外部学习间关系（协同效应还是替代效应）及该关系在不同组织结果导向、不同企业发展阶段下是否具有差异化的问题仍然讨论不足。为了识别在不同组织结果导向下内外部学习及其平衡与企业发展阶段的动态匹配规律,研究基于研发企业调研发现：平衡式学习对组织创新绩效具有正向影响,但该学习平衡在不同企业发展阶段呈现出不同的平衡模式。在企业初创期,更宜选择时序性平衡模式;在企业发展期,更宜选择共时性平衡模式;但在企业成熟期,若以组织创新作为学习目标时,两种平衡模式均可,若以组织绩效作为学习目标时,更宜选择时序性平衡模式。研究明确了组织在不同发展阶段如何选择内外部学习平衡模式能为组织带来更佳乃至最佳结果,揭示了不同时期组织内外部学习平衡情境下的组织结果优化策略。 相似文献
19.
《Information processing & management》2023,60(3):103284
Deep multi-view clustering (MVC) is to mine and employ the complex relationships among views to learn the compact data clusters with deep neural networks in an unsupervised manner. The more recent deep contrastive learning (CL) methods have shown promising performance in MVC by learning cluster-oriented deep feature representations, which is realized by contrasting the positive and negative sample pairs. However, most existing deep contrastive MVC methods only focus on the one-side contrastive learning, such as feature-level or cluster-level contrast, failing to integrating the two sides together or bringing in more important aspects of contrast. Additionally, most of them work in a separate two-stage manner, i.e., first feature learning and then data clustering, failing to mutually benefit each other. To fix the above challenges, in this paper we propose a novel joint contrastive triple-learning framework to learn multi-view discriminative feature representation for deep clustering, which is threefold, i.e., feature-level alignment-oriented and commonality-oriented CL, and cluster-level consistency-oriented CL. The former two submodules aim to contrast the encoded feature representations of data samples in different feature levels, while the last contrasts the data samples in the cluster-level representations. Benefiting from the triple contrast, the more discriminative representations of views can be obtained. Meanwhile, a view weight learning module is designed to learn and exploit the quantitative complementary information across the learned discriminative features of each view. Thus, the contrastive triple-learning module, the view weight learning module and the data clustering module with these fused features are jointly performed, so that these modules are mutually beneficial. The extensive experiments on several challenging multi-view datasets show the superiority of the proposed method over many state-of-the-art methods, especially the large improvement of 15.5% and 8.1% on Caltech-4V and CCV in terms of accuracy. Due to the promising performance on visual datasets, the proposed method can be applied into many practical visual applications such as visual recognition and analysis. The source code of the proposed method is provided at https://github.com/ShizheHu/Joint-Contrastive-Triple-learning. 相似文献
20.
《Information processing & management》2016,52(1):163-172
Urban legends are a genre of modern folklore, consisting of stories about rare and exceptional events, just plausible enough to be believed, which tend to propagate inexorably across communities. In our view, while urban legends represent a form of “sticky” deceptive text, they are marked by a tension between the credible and incredible. They should be credible like a news article and incredible like a fairy tale to go viral. In particular we will focus on the idea that urban legends should mimic the details of news (who, where, when) to be credible, while they should be emotional and readable like a fairy tale to be catchy and memorable. Using NLP tools we will provide a quantitative analysis of these prototypical characteristics. We also lay out some machine learning experiments showing that it is possible to recognize an urban legend using just these simple features. 相似文献