- 黄江涛;唐受祥;
为学习者提供准确的、具有合理化依据的个性化课程推荐,帮助学习者提高学习效率,是目前课程推荐领域研究的主要目的。本文提出一种基于知识图谱关系语义分组研究的合理化课程推荐方法 (Knowledge Graph Relation Grouping,KGRGrec),该方法致力于在复杂多样的用户行为和课程关系中提供更具有合理化依据解释的课程推荐,并提高课程个性化推荐准确性。KGRGrec模型根据MOOC课程知识图谱的关系进行分组,构建知识图谱子图以降低每种关系语义下的噪声干扰,深入挖掘每种关系潜在的独立性语义表示,用于指导课程知识图谱进行更加细致合理化的聚合,获取知识感知的课程嵌入。同时,本文模型利用经过分组降噪的课程图与用户—课程交互图进行对齐,并设计了一个用户和课程语义信息状态同步聚合更新的机制,自动迭代获取学习者对每种关系的潜在兴趣,最终得到关系语义化的学习者嵌入和课程嵌入完成课程推荐,从而缓解了课程推荐存在互动稀疏、课程相关性低、用户意图多样性复杂和推荐可解释性难的问题。本文模型的有效性在MOOCCube课程数据集上得到了验证,该模型在NDCG@K、Recall@K和HR@K指标上相比于基线模型均获得提升,评估指标K取值为5、10、20时,NDCG分别提升3.3%、2.7%和2.7%,Recall分别提升1.3%、1.5%和1.4%,HR分别提升1.8%、1.0%和0.8%。
2026年02期 v.43;No.142 34-47页 [查看摘要][在线阅读][下载 1350K] [下载次数:14 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:1 ] - 纪明;辛昱增;
提前预估资本回报率,在指导宏观经济调控、化解国际市场不确定性,以及助力投资者优化投资组合策略等方面,具有重大意义。文章提出了一种采用改进型长短期记忆网络(Long Short-Term Memory,LSTM)方法的中国资本回报率预测框架。与传统LSTM模型相比,本研究提出了双层LSTM模型,并将注意力机制与门控循环单元(Gated Recurrent Unit,GRU)层融合,提升了对时间序列中的关键时序信息的捕捉能力。这一改进增强了模型在处理复杂经济数据中的非线性和长短期依赖关系的能力,尤其适用于中国资本市场的特殊性,也提升了预测的准确性。研究结果显示,在全球经济结构调整和国内高质量发展持续推进的大背景下,中国资本回报率呈现一定的结构性调整特征,并可能在未来阶段向与产业优化相适应的合理区间平稳回调。多模型对比表明,改进型LSTM模型相较于传统时间序列模型,即自回归移动平均模型(Autoregressive Integrated Moving Average,ARIMA),展现出更低的误差率,证明了深度学习方法在金融预测中的优势。这些发现,强调了政策制定者在制定宏观经济方案时应考虑资本回报率的长期下降趋势,从而保障经济的可持续发展。
2026年02期 v.43;No.142 48-62页 [查看摘要][在线阅读][下载 1299K] [下载次数:17 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:1 ] - 覃晓;钱泉梅;
针对MambaYOLO在医学影像分析中存在的多尺度适应性不足(病灶尺寸差异大导致固定感受野效果受限)和背景干扰敏感(正常组织噪声影响检测) 2个关键问题,本研究提出了一种基于MambaYOLO的多尺度医学目标检测模型ScaleMamba-YOLO。首先,针对尺度特征捕捉不足的问题,设计了医学多尺度局部特征增强模块(Medical Multi-scale Local Feature Enhancement Block),通过异构卷积核并行架构实现病理特征的全尺度覆盖,实现了对微小病灶和弥散性大病灶的协同检测。其次,为了减少背景噪声放大,提出特征聚合提取模块(Partial-enhanced C2F),采用部分卷积技术选择性保留关键特征通道,有效抑制了医学影像中正常组织区域的背景干扰。最后,为了验证模型的有效性,在Br35H(脑部MRI肿瘤)和PLoPy(结肠镜息肉)两个典型的公开医学数据集上进行了测试。实验结果表明,ScaleMamba-YOLO模型的平均精度均值(AP)分别达到72.7%和85.7%,相较于基线MambaYOLO模型,AP分别提升了2.2个百分点和1.7个百分点。这表明ScaleMamba-YOLO模型能有效克服多尺度适应性不足和背景干扰问题,可以显著提升模型对不同尺寸医学病灶的检测精度。
2026年02期 v.43;No.142 63-75页 [查看摘要][在线阅读][下载 1609K] [下载次数:15 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:1 ] - 李梅;徐宗恒;宁娇妹;
在人工智能技术支撑下,物流行业已涌现出一大批高新技术产物,智慧物流园区是“人工智能+传统物流园区”融合升级后的典型代表,在物流行业智能化转型中发挥示范作用。为推动智慧物流园区一体化建设,文章以京东物流“亚洲一号”(上海)智能物流园区、顺丰快递华南智慧园区和菜鸟快递无锡未来园区等经典案例来分析物流园区智能化转型的现状和特征。文章构建了智慧物流园区“技术—业务—生态”协同发展框架,即使用AI技术,通过智能车辆调度、仓储作业创新和智能安防监控等手段推动企业业务快速发展,以业务需求倒逼技术创新,以业务发展吸引行业合作伙伴,共建产业生态集群,拓宽业务发展渠道。针对当前“人工智能+物流园区”面临的技术融合壁垒、数据合规与治理难题、经营模式持续性发展困境以及人力资源稀缺等挑战,文章提出构建“技术—政策”适配性生态、数据合规与治理破局、创新市场运营机制、推进“产教”融合人才培养等优化路径。
2026年02期 v.43;No.142 76-89页 [查看摘要][在线阅读][下载 1202K] [下载次数:23 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:1 ] - 宋佩华;辛国钰;成晶晶;
室内场景布局是影响居住空间美观性和功能性的重要因素。针对传统室内场景布局方法融合用户个性化需求、生成符合用户期望的布局方案效率低下的问题,本文提出一种大语言模型驱动的室内场景布局算法。该算法利用大语言模型的自然语言理解和空间推理能力,解析基于自然语言描述的用户布局需求,确定主要家具的位置,实现室内场景基本布局结构;同时,采用遗传算法对其他家具进行全局优化布局,综合考虑重叠约束、距离约束等多重约束条件,实现用户语义需求与自动布局的协同一致。实验结果表明,本文算法能够有效融合用户的个性化布局需求,利用大语言模型将用户的家具摆放需求(通过自然语言描述)进行解析,转化为室内场景布局位置,实现从用户语义到布局位置的映射,并通过遗传算法进行布局优化,统一处理重叠、距离等关键约束,生成合理的室内场景布局。实验结果验证了该算法在布局合理和求解效率等方面的有效性。
2026年02期 v.43;No.142 90-98页 [查看摘要][在线阅读][下载 1158K] [下载次数:13 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:1 ]