Query：
学者姓名：蒋宗礼
Refining：
Year
Type
Indexed by
Source
Complex
Co-Author
Language
Clean All
Abstract ：
传统的协同过滤算法没有充分考虑用户和商品的交互信息,且面临数据稀疏、冷启动等问题,造成了推荐系统的结果不准确.在本文中提出了一种新的推荐算法,即基于融合元路径的图神经网络协同过滤算法.该算法首先由二部图嵌入用户和商品的历史互动,并通过多层神经网络传播获取用户和商品的高阶特征;然后基于元路径的随机游走来获取异质信息网络中的潜在语义信息;最后将用户和商品的高阶特征和潜在特征融合并做评分预测.实验结果表明,基于融合元路径的图神经网络协同过滤算法比传统的推荐算法有明显提升.
Keyword ：
图神经网络 图神经网络 协同过滤 协同过滤 元路径 元路径 推荐系统 推荐系统
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 蒋宗礼 , 田聪聪 . 基于融合元路径的图神经网络协同过滤算法 [J]. | 计算机系统应用 , 2021 , 30 (2) : 140-146 . |
| MLA | 蒋宗礼 等. "基于融合元路径的图神经网络协同过滤算法" . | 计算机系统应用 30 . 2 (2021) : 140-146 . |
| APA | 蒋宗礼 , 田聪聪 . 基于融合元路径的图神经网络协同过滤算法 . | 计算机系统应用 , 2021 , 30 (2) , 140-146 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
提高课程教学站位,全面实现课程在人才培养体系中承担的任务.积极落实为党和国家培养人才的基本目标,全面构建人才成长的生态环境;树立标准意识,强化质量意识;科学规划,依据支撑毕业要求达成确定课程目标;科学施教,提升学生专业能力和科学意识;瞄准目标的达成实施科学评价,高效培养质量好、水平高的社会主义建设者和接班人.
Keyword ：
人才培养 人才培养 一流课程 一流课程 课程思政 课程思政 课程教学 课程教学 毕业要求 毕业要求 评价体系 评价体系 质量标准 质量标准
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 蒋宗礼 . 提高课程教学站位 [J]. | 中国大学教学 , 2021 , (1) : 35-41 . |
| MLA | 蒋宗礼 . "提高课程教学站位" . | 中国大学教学 1 (2021) : 35-41 . |
| APA | 蒋宗礼 . 提高课程教学站位 . | 中国大学教学 , 2021 , (1) , 35-41 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
基于融合元路径的图神经网络协同过滤算法
Keyword ：
协同过滤 协同过滤 图神经网络 图神经网络 元路径 元路径 推荐系统 推荐系统
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 蒋宗礼 , 田聪聪 , 计算机系统应用 . 基于融合元路径的图神经网络协同过滤算法 [J]. | 蒋宗礼 , 2021 , 30 (2) : 140-146 . |
| MLA | 蒋宗礼 等. "基于融合元路径的图神经网络协同过滤算法" . | 蒋宗礼 30 . 2 (2021) : 140-146 . |
| APA | 蒋宗礼 , 田聪聪 , 计算机系统应用 . 基于融合元路径的图神经网络协同过滤算法 . | 蒋宗礼 , 2021 , 30 (2) , 140-146 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
针对模式识别课程现行教材中数学表达内容多以及课堂教学中存在知识理解与转化度偏低、教师难教、学生难学的问题,以图式理论为指导,瞄准"知识贯通、能力提升"的教改目标,基于知识的递进理解规律,提出构建课程内容的"高阶""中阶""低阶"表达的多层级体系,并据此介绍与基础教材配套的辅助教材和应用案例建设,最后说明教学效果。
Keyword ：
课程设计 课程设计 高校教育 高校教育 教材建设 教材建设 模式识别 模式识别
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 徐勇 , 文杰 , 蒋宗礼 . 模式识别课程多层次知识表达设计与配套教材建设 [J]. | 计算机教育 , 2021 , PageCount-页数: 4 (09) : 191-194 . |
| MLA | 徐勇 等. "模式识别课程多层次知识表达设计与配套教材建设" . | 计算机教育 PageCount-页数: 4 . 09 (2021) : 191-194 . |
| APA | 徐勇 , 文杰 , 蒋宗礼 . 模式识别课程多层次知识表达设计与配套教材建设 . | 计算机教育 , 2021 , PageCount-页数: 4 (09) , 191-194 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
提高课程教学站位
Keyword ：
人才培养 人才培养 课程教学 课程教学 质量标准 质量标准 评价体系 评价体系 一流课程 一流课程 毕业要求 毕业要求 课程思政 课程思政
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 蒋宗礼 , 中国大学教学 . 提高课程教学站位 [J]. | 蒋宗礼 , 2021 , (1) : 35-41 . |
| MLA | 蒋宗礼 等. "提高课程教学站位" . | 蒋宗礼 1 (2021) : 35-41 . |
| APA | 蒋宗礼 , 中国大学教学 . 提高课程教学站位 . | 蒋宗礼 , 2021 , (1) , 35-41 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
The traditional end-to-end task-oriented dialogue models are based on complex recurrent or convolutional neural networks that include an encoder and a decoder. But in the case of large amounts of data, there are many types of questions. It performs poorly when answering multiple types of questions, memory information cannot effectively record all the sentence information of the context. In view of the above this, this article uses a modified transformer model to overcome the problems mentioned in dialogue tasks. Transformer is a model constructed using attention mechanisms, which completely discards the method of RNN (recurrent neural networks), and its structure includes two sub-parts of Encoder and decoder. It uses residual network, batch normalization, and self-attention mechanism to build the model structure, uses Positional Encoding to capture sentence information, which can speed up model training convergence and capture Longer sentence information. In this paper, we modified the activation function in the transformer and use label smoothing to optimize the training to make the model's expressive ability better than previous. © 2019 Published under licence by IOP Publishing Ltd.
Keyword ：
Intelligent computing Intelligent computing Decoding Decoding Convolutional neural networks Convolutional neural networks Signal encoding Signal encoding Recurrent neural networks Recurrent neural networks
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | Jiang, ZongLi , Zhang, Shuo . Research on Task-oriented Dialogue Based on Modified Transformer [C] . 2020 . |
| MLA | Jiang, ZongLi 等. "Research on Task-oriented Dialogue Based on Modified Transformer" . (2020) . |
| APA | Jiang, ZongLi , Zhang, Shuo . Research on Task-oriented Dialogue Based on Modified Transformer . (2020) . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
针对传统情感分类方法提取文本信息单一的问题,提出了一种融合用户信息和产品信息的分层多头注意力的情感分类模型.首先,采用分层的多头注意力代替单一注意力,从多个视角获取有效信息.然后在每个注意力中都融入用户信息和产品信息,挖掘出用户和产品信息在多个子空间上的表现特征,使模型在多个子空间上得到更全局的用户偏好和产品特点对情感评分的影响.实验结果表明,模型在IMDB、Yelp2013、Yelp2014数据集上的准确率较之前基于神经网络的情感分析模型均有所提高.
Keyword ：
多头注意力机制 多头注意力机制 用户产品信息 用户产品信息 层次化注意力网络 层次化注意力网络 文档级情感分类 文档级情感分类
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 蒋宗礼 , 张静 . 融合用户和产品信息的多头注意力情感分类模型 [J]. | 计算机系统应用 , 2020 , 29 (7) : 131-138 . |
| MLA | 蒋宗礼 等. "融合用户和产品信息的多头注意力情感分类模型" . | 计算机系统应用 29 . 7 (2020) : 131-138 . |
| APA | 蒋宗礼 , 张静 . 融合用户和产品信息的多头注意力情感分类模型 . | 计算机系统应用 , 2020 , 29 (7) , 131-138 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
建设一流专业,要走内涵式发展之路.通过引导教师争做"四有"好老师、构建良好的教师发展环境等,建设高水平师资队伍;通过强化落实立德树人理念,强化标准意识,强化质量意识,强化现代教育理念,保证专业人才培养的高效和高质;通过确定合理的专业人才培养目标,设计有效的专业毕业要求,构建恰当的课程体系,实现人才培养方案的科学设计;牢记使命,高效地开展教育教学活动,为党和国家培养一流人才.
Keyword ：
师资队伍 师资队伍 一流专业 一流专业 高等教育 高等教育 教育理念 教育理念 内涵式发展 内涵式发展 培养方案 培养方案 教学实施 教学实施
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 蒋宗礼 . 走内涵式发展之路 建设一流专业 [J]. | 中国大学教学 , 2020 , (8) : 7-13 . |
| MLA | 蒋宗礼 . "走内涵式发展之路 建设一流专业" . | 中国大学教学 8 (2020) : 7-13 . |
| APA | 蒋宗礼 . 走内涵式发展之路 建设一流专业 . | 中国大学教学 , 2020 , (8) , 7-13 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
近年来,网络表示学习(Network Representation Learning,NRL)作为一种在低维空间中表示节点来分析异质信息网络(Heterogeneous Information Networks,HIN)的有效方法受到越来越多的关注.基于随机游走的方法是目前网络表示学习常用的方法,然而这些方法大多基于浅层神经网络,难以捕获异质网络结构信息.图卷积神经网络(Gragh Convolutional Net-work,GCN)是一种流行的能对图进行深度学习的方法,能够更好地利用网络拓扑结构,但目前的GCN设计针对的是同质信息网络,忽略了网络中丰富的语义信息.为了有效地挖掘异质信息网络中的语义信息和高度非线性的网络结构信息,进而提高网络表示的效果,文中提出了一种基于融合元路径的图卷积异质网络表示学习算法(MG2 vec).该算法首先通过基于元路径的关联度量方法来获取异质信息网络中丰富的语义信息;然后采用图卷积神经网络进行深度学习,捕捉节点和邻居节点的特征,弥补浅层模型捕捉网络结构信息能力不足的缺陷,从而实现将丰富的语义信息和结构信息更好地融入低维的节点表示中.在数据集DBLP和IMDB上分别进行实验,相比DeepWalk,node2vec和Metapath2vec算法,所提MG2vec算法在多标签分类任务上的分类精确率更高且性能更优,精确率和Macro-F1值分别达到了94.49％和94.16％,且与DeepWalk相比分别最高提升了26.05％和28.73％.实验结果证明,MG2vec算法的性能优于经典的网络表示学习算法,具有更好的异质信息网络表示效果.
Keyword ：
异质信息网络 异质信息网络 网络结构信息 网络结构信息 网络表示学习 网络表示学习 图卷积网络 图卷积网络 元路径 元路径 语义信息 语义信息
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 蒋宗礼 , 李苗苗 , 张津丽 . 基于融合元路径图卷积的异质网络表示学习 [J]. | 计算机科学 , 2020 , 47 (7) : 231-235 . |
| MLA | 蒋宗礼 等. "基于融合元路径图卷积的异质网络表示学习" . | 计算机科学 47 . 7 (2020) : 231-235 . |
| APA | 蒋宗礼 , 李苗苗 , 张津丽 . 基于融合元路径图卷积的异质网络表示学习 . | 计算机科学 , 2020 , 47 (7) , 231-235 . |
| Export to | NoteExpress RIS BibTex |
Abstract ：
异质信息网络蕴含丰富的语义信息和多样的结构关系,这给链路预测带来新方向的同时也因其特点增加研究难度.针对如何将链路预测应用于异质信息网络的问题,提出一种通过元路径的随机游走对网络表征学习,再根据节点向量相似性进行链路预测的算法.实验结果表明,这种基于网络表征学习的链路预测方法在异质信息网络中表现良好,对不同类型链接预测的准确率均有较大提升.
Keyword ：
异质信息网络 异质信息网络 网络表征学习 网络表征学习 元路径 元路径 链路预测 链路预测
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 蒋宗礼 , 管戈 . 基于异质网络表征学习的链路预测算法 [J]. | 现代计算机 , 2020 , (17) : 29-33,37 . |
| MLA | 蒋宗礼 等. "基于异质网络表征学习的链路预测算法" . | 现代计算机 17 (2020) : 29-33,37 . |
| APA | 蒋宗礼 , 管戈 . 基于异质网络表征学习的链路预测算法 . | 现代计算机 , 2020 , (17) , 29-33,37 . |
| Export to | NoteExpress RIS BibTex |
Export
| Results： |
Selected to |
| Format： |
