下载文档原格式
ACM国际大学生程序设计竞赛吉林大学选拔赛暨吉林大学第一届程序设计竞赛竞赛宗旨进入二十一世纪以来，计算机与信息技术正在全球以令人难以置信的速度突飞猛进, 计算机应用发展水平已经成为国家竞争力的重要标志，网络与知识经济受到了世界各国政府的高度重视。
发展计算机和信息产业的关键在于培养高素质人才。
对一流人才的培养和竞争已成为各国政府、学校和科研机构、各大公司等的头等重要的战略任务。
在此宏观背景下，各种旨在考察学生计算机应用能力的校内、国内、国际竞赛为选拔和培养高素质人才提供了广阔的舞台。
ACM/ICPC作为具有国际权威性和影响力的国际大学生程序设计竞赛，已成为衡量大学生程序设计能力和学校计算机学科水平的重要标准之一。
ACM/ICPC 比赛是学校教务处组织的重点学生科技竞赛活动，是培养学生创新精神和能力的组成部分，受到全校同学的热切关注。
吉林大学2002年首次组队参赛，取得了较为理想的成绩。
为丰富校园学术气氛，进一步提高我校同学的计算机编程实践能力，鼓励和培养具有创新思维的人才，提供给更多学生展示自己才能的机会。
我校将举办2003年ACM/ICPC选拔赛暨吉林大学首届程序设计竞赛。
本次比赛由吉林大学教务处、吉林大学计算机科学与技术学院主办，旨在从全校同学中选拔优秀的程序设计人才，作为新一届吉林大学ACM竞赛代表队的预备队员代表学校参加全国比赛，并对优秀选手进行奖励竞赛计划于2003年4月13日在吉林大学前卫校区举行。
竞赛组织竞赛由学校教务处和计算机科学与技术学院共同组成ACM/ICPC竞赛委员会，负责竞赛组织、指导和具体问题安排。
组长：赵继副组长：张长海、房蔓楠成员：戴继周、罗辉竞赛委员会下设竞赛裁判组，由郭东伟负责；竞赛常务组，由李强负责。
同时邀请吉林大学计算机领域知名专家组成顾问组。
成员：鞠九滨、金成植、周春光、孙吉贵、刘磊竞赛联系地点在前卫校区萃文楼443，联系电话5166476-3，联系人：郭东伟、李强。
2020年吉林大学招生专业目录附各学院专业设置2020年吉林大学招生专业目录附各学院专业设置每个大学开始的专业都不相同，本文为大家介绍关于吉林大学招生专业的相关知识。
包含吉林大学有哪些系、吉林大学各个系有什么专业和吉林大学相关文章推荐的文章。
一、吉林大学有哪些系和学院学院哲学社会学院文学院外国语学院艺术学院体育学院数学学院物理学院化学学院生命科学学院经济学院法学院行政学院商学院马克思主义学院金融学院电子科学与工程学院通信工程学院计算机科学与技术学院软件学院机械科学与工程学院汽车工程学院材料科学与工程学院交通学院生物与农业工程学院管理学院食品科学与工程学院地球科学学院地球探测科学与技术学院建设工程学院环境与资源学院仪器科学与电气工程学院基础医学院公共卫生学院药学院护理学院临床医学院口腔医学院动物医学学院植物科学学院动物科学学院应用技术学院经济信息学院工商管理学院二、吉林大学各个系有哪些专业学院专业哲学社会学院哲学（本）应用心理学（本）社会学（本）社会工作（本）劳动与社会保障（本）文学院汉语言文学（本）新闻学（本）广告学（本）播音与主持艺术（本）历史学（本）匡亚明班(文学与历史学)（本）考古学（本）博物馆学（本）外国语学院英语（本）日语（本）俄语（本）朝鲜语（本）西班牙语（本）艺术学院艺术设计（本）美术（本）音乐（本）体育学院社会体育（本）运动训练（本）数学学院数学与应用数学（本）信息与计算科学（本）统计学（本）金融数学（本）物理学院物理学（本）应用物理学（本）核物理（本）光信息科学与工程（本）化学学院化学（本）材料化学（本）高分子材料与工程（本）化学工程与工艺（本）应用化学（本）生命科学学院药物制剂（本）生物技术（本）生物科学（本）生命科学与技术基地班(生物药学)（本）理科试验班(生物学与化学)（本）经济学院经济学（本）法学院法学（本）行政学院政治学与行政学（本）国际政治（本）行政管理（本）商学院信息管理与信息系统（本）工商管理（本）市场营销（本）会计学（本）财务管理（本）人力资源管理（本）信用管理（本）数量经济（本）马克思主义学院思想政治教育（本）金融学院投资理财（本）风险管理（本）保险精算（本）金融工程（本）电子科学与工程学院电子科学与技术（本）微电子科学与工程（本）电子信息科学与技术（本）电子信息工程（本）生物医学工程（本）理科试验班(电子科学与技术)（本）通信工程学院测控技术与仪器（本）自动化（本）通信工程（本）信息工程（本）光电信息科学与工程（本）计算机科学与技术学院计算机科学与技术（本）物联网工程（本）软件学院软件工程（本）机械科学与工程学院机械工程（本）工程力学（本）工业工程（本）汽车工程学院车辆工程（本）工业设计（本）能源与动力工程（本）材料科学与工程学院材料物理（本）金属材料工程（本）高分子材料与工程（本）无机非金属材料工程（本）材料成型及控制工程（本）交通学院交通运输（本）物流工程（本）交通工程（本）道路桥梁与渡河工程（本）汽车服务工程（本）生物与农业工程学院农业机械化及其自动化（本）食品科学与工程（本）食品质量与安全（本）生物工程（本）包装工程（本）农林经济管理（本）管理学院信息管理与信息系统（本）工程管理（本）工商管理（本）市场营销（本）会计学（本）人力资源管理（本）档案学（本）食品科学与工程学院食品科学与工程（本）食品质量与安全（本）地球科学学院地质学（本）地理科学（本）资源勘查工程（本）土地资源管理（本）地球探测科学与技术学院勘查技术与工程（本）地球物理学（本）测绘工程（本）地理信息科学（本）建设工程学院勘查技术与工程（本）土木工程（本）环境与资源学院水文与水资源工程（本）环境科学（本）环境工程（本）地下水科学与工程（本）仪器科学与电气工程学院测控技术与仪器（本）电气工程及其自动化（本）基础医学院临床医学（本）药学（本）护理学（本）公共卫生学院预防医学（本）放射医学（本）信息管理与信息系统（本）药学院药学（本）生物医学工程（再生医学）（本）临床药学（本）护理学院护理学（本）康复治疗学（本）临床医学院临床医学（5+3）（本）口腔医学院口腔医学（5+3）（本）口腔医学（本）动物医学学院动物医学（本）动物医学(公共卫生)（本）植物科学学院农学（本）农业资源与环境（本）植物保护（本）园艺（本）生物技术（本）动物科学学院动物科学（本）生物技术（本）应用技术学院计算机应用技术（本）经济管理（本）水文与工程（本）岩土工程（本）机电工程（本）测绘（本）经济信息学院国际经济与贸易（本）金融学（本）法学（本）英语（本）广告学（本）计算机科学与技术（本）信息管理与信息系统（本）工商管理学院三、吉林大学相关文章推荐。
模拟电子技术基础课程教案2010 ～2011 学年第二学期任课教师：金玉善、申铉京、申春吉林大学计算机科学与技术学院课程名称：模拟电子技术基础课程英文名称：Fundamentals of Analog Circuits学时：64学分：4授课对象：计算机科学与技术专业2010 级教学目的：本课程是各类理工科专业本科生的在电子技术方面的基础性课程，具有自己的理论体系，并且具有很强的实践性，对理工科各专业学生的电子技术的入门具有很好的通过本课程的学习，使学生掌握电子线路的基本理论和分析方法；了解和掌握常用电子元器件的原理、特性及实际应用中对器件的选用方法；了解和掌握常用集成器件的特性及其应用方法；掌握各种基本单元电路的组成、工作原理及其重要性能指标的估算。
具有一定的读图能力和初步设计电路的能力；具有一定的实践动手能力和分析、解决实际问题的能力。
为后续课程打下良好的理论和实践基础。
教学方式：多媒体，板书教材：《电子技术基础》中国铁道出版社金玉善主编《电路》（上册）高等教育出版社出版（第一版）邱关源主编教学参考书：《电子线路基础》高焕文高等教育《集成电子技术基础教程》郑家龙高等教育《模拟电子技术教师手册》华成英高等教育《电子技术基础教师手册》陈大钦高等教育《电路分析简明教程》高等教育出版社，20XX年1月出版；，付恩锡主编，《电路原理》高等教育出版社，20XX年8月（第二版）周守昌主编，授课题目第四章电路定理4-3；4-4授课学时 2 授课学时2011.4.1教学重点、难点：重点: 戴维宁定理和诺顿定理难点: 当网络含受控源等效电阻的求解方法教学要点及教学设计：4-3. 戴维宁定理和诺顿定理；作用：在有些情况下只需计算一个复杂电路中某一支路（或某一部分）的电流。
我们可以把这个支路（部分）划出，而把其余部分看成是一个有源二端网络，这个有源二端网络对于此支路仅相当于一个供给电流的电源。
只要将这个网络用电压源于电阻的串联组合成电流源与电阻的并联组合等效代替就可以使问题简单化。
第 22卷第 6期2023年 6月Vol.22 No.6Jun.2023软件导刊Software Guide计算机课程思政研究的知识图谱可视化分析刘雪洁1，2，孙庚1，2，刘波1，郭泓希2，齐红1（1.吉林大学计算机科学与技术学院；2.吉林大学软件学院，吉林长春 130012）摘要：分析计算机专业课程思政建设的研究现状和研究热点，预测计算机专业课程思政的发展趋势，可为未来课程思政教学改革和探索提供借鉴。
通过检索中国知网（CNKI）数据库2010-2022年收录的 675篇计算机专业课程思政文献，采用CiteSpace软件对所选文献的作者、研究机构、关键词进行聚类分析，对高频关键词进行中心性分析，构建合作网络共现知识图谱；对当前计算机专业课程思政的研究热点、研究前沿趋势等进行科学计算可视化分析，清晰地展示了计算机课程思政研究的基本轨迹、特征、热点和趋势。
以上研究成果可为完善课程思政理论，尤其是推进计算机专业课程思政的研究工作作出贡献。
关键词：课程思政；知识图谱；可视化分析；计算机专业DOI：10.11907/rjdk.221841开放科学（资源服务）标识码（OSID）：中图分类号：G641 文献标识码：A文章编号：1672-7800（2023）006-0229-06Visual Analysis of Ideological and Political Research in Computer Courseby of Knowledge GraphLIU Xue-jie1，2， SUN geng1，2， LIU bo1， GUO hong-xi2， QI hong1（1.Department of Computer Science and Technology， Jilin University；2.Department of Soft Engineering， Jilin University， Changchun 130012， China）Abstract：It can provide reference for the future teaching reform and exploration of curriculum ideological and political research by analyzing the research current status and hotspots， and predicting the development trend of the ideological and political construction of computer major courses. This paper searches 675 ideological and political documents of computer major courses collected in CNKI database from 2010 to 2022，uses CiteSpace software to cluster the authors，research institutions and keywords，makes a central analysis of high-frequency key‐words， and constructs a cooperative network co-occurrence knowledge graph. Then it realizes the scientific visual analysis on the research hot‐spots，research trends of the current curriculum ideological and political research in computer courses，and clearly shows the basic track，characteristics， hotspots and trends of computer curriculum ideological and political research.The above research results can contribute to im‐proving the theory of ideological and political education in courses， especially in promoting the research of ideological and political education in computer science courses.Key Words：curriculum ideology and politics； knowledge graph； visual analysis； computer major0 引言课程思政是实现全员、全程、全方位育人格局，将各类专业课程与思想政治课同向同行形成协同效应，将“立德树人”作为教育根本任务的一种综合教育理念［1-3］。
计算机考研专业课大纲——专业学位第一部分概述一、考查目标计算机学科专业综合考试包括《数据结构》和《高级语言程序设计》学科专业基础课程。
要求考生比较系统地掌握上述专业基础课程的概念，理论、技能和方法，能够运用所学的知识判断和解决相关的理论问题和实际问题。
二、考试形式和试卷结构试卷满分及考试时间本试卷满分为150分，考试时间为180分钟答题方式：闭卷、笔试三、试卷内容结构数据结构75分高级语言程序设计75分四、试卷题型结构第二部分《数据结构》第三部分《高级语言程序设计》第二部分《数据结构》考查目标1. 熟悉数据结构的相关概念及其分类，数据结构与算法的关系。
掌握线性表、堆栈和队列，数组和字符串等数据结构的存储、操作和应用，树与二叉树的性质与应用算法，图的存储结构和相关算法，排序与查找的典型算法。
2. 掌握算法时空复杂性分析和正确性验证的基本方法。
3．能够综合运用数据结构、算法、数学等多种知识，对问题进行分析、建模，选择或构建合适的数据结构，设计较优算法。
题型结构：包括问答题与算法设计题具体内容：一、绪论（1）数据、数据元素、数据逻辑结构和存储结构的定义及其关系；（2）数据逻辑结构及其分类；（3）算法的定义和特征；（4）算法的正确性证明方法；（5）算法的时间和空间复杂性分析方法及复杂性函数的渐进表示。
二、线性表、堆栈和队列（1）线性结构的概念和特点；（2）顺序存储和链式存储线性表的基本操作；（3）堆栈的定义和两种存储结构下堆栈的基本操作；（4）堆栈在括号匹配和递归中的应用；（5）队列的定义和两种存储结构下队列的基本操作；（6）队列的应用。
三、数组和字符串（1）二维及多维数组的存储原理及寻址方式；（2）矩阵的存储及基本操作；（3）三元组表和十字链表存储的稀疏矩阵的基本操作；（4）字符串的存储及基本操作；（5）模式匹配算法。
四、树与二叉树（1）树的概念、相关术语和表示方法；（2）二叉树的定义和性质；（3）二叉树的顺序存储结构和链接存储结构；（4）二叉树遍历的递归与非递归算法；（5）线索二叉树的定义和操作；（6）树与二叉树的转换；（7）树的链接存储结构，树和森林的遍历算法；（8）树的顺序存储结构；（9）树在并查集实现中的应用。
2023年全国计算机科学与技术专业大学排名公布(该排名仅供参考，具体以官方为准)计算机科学与技术专业需要具备哪些能力1.计算机科学与技术专业需要具有扎实的数据基础理论和知识，了解计算学科的基本概念、知识结构和典型方法，具有数字化、模块化和层次化等核心专业意识，具有较强的思维能力、算法设计和分析能力;2.计算机科学与技术专业需要掌握计算学科的基本思维方法和研究方法，具备综合应用所掌握的知识、解决复杂实际问题和分析结果的能力;3.计算机科学与技术专业需要具有较强的计算机系统认知、分析、设计、编程和应用能力;4.计算机科学与技术专业需要掌握文献检索和数据查询的基本方法，能够独立获取相关知识和信息，具有较强的学习意识;5.计算机科学与技术专业需要掌握一门外语课程，能够阅读本专业的外语材料，具有国际视野和跨文化交流、竞争与合作能力;6.计算机科学与技术专业需要具有组织管理、表达、独立工作、人际交往和团队合作的能力。
计算机科学与技术专业课程有哪些计算机科学与技术主要课程：电路原理、模拟电子技术、数字逻辑、数值分析、微型计算机技术、计算机系统结构、高级语言、汇编语言、编译原理、图形学、人工智能、计算方法、人机交互、面向对象方法、计算机英语、离散数学、算法与数据结构、计算机组成原理、计算机操作系统、计算机网络基础、计算机编译原理、计算机数据库原理、C语言/c++语言、Java语言等课程。
计算机科学与技术专业基础课程：电路原理、模拟电子技术、数字逻辑、微机原理、汇编语言、操作系统原理、编译原理、算法与数据结构、面向对象方法、C语言/c++语言等。
计算机科学与技术专业方向课程：计算机数据库原理、Java语言、图形学、人工智能、多媒体技术、网络安全、人机交互、无线互联网技术、软件开发方法、高性能技术、系统仿真和虚拟现实等。
实践教学环节：计算机基础训练、课程设计、硬件部件设计及调试、计算机工程实践、电子工艺实习、生产实习、毕业设计(论文)。
吉林大学本科培养方案计算机科学与技术学院College of Computer Science and Technology吉林大学计算机科学与技术学院始建于1976年，由著名教育家、数学家、计算机科学家王湘浩院士创建，是国内最早开展计算机科学教学与研究的单位之一。
2001年5月，由原吉林大学计算机科学系、原吉林工业大学计算机科学与工程系、原长春科技大学计算机系、原长春邮电学院计算机系合并组成新的计算机科学与技术学院。
学院拥有一支实力雄厚、知识和年龄结构合理的师资队伍。
现有教职工270余人，其中教师212名，具有博士学位172人，占80%以上；教授56人，含博士生导师41人；副教授69人，含博士生导师3人。
教师中有中科院双聘院士1人，长江学者讲座教授1人，国家百千万工程人才1人，国务院学位委员会学科评议组成员1人，国务院特殊津贴专家6人，教育部新世纪优秀人才4人，中科院百人计划1人，宝钢教育奖优秀教师奖7人，吉林省长白山学者特聘教授3人，吉林省教学名师3人，吉林省省管优秀专家1人，吉林省高级专家5人，吉林省有突出贡献的中青年专业技术人才8人，吉林省拔尖创新人才11人，吉林省首批学科领军教授1人，吉林省青年科技奖获得者4人，吉林省杰出青年基金获得者4人。
学院还聘任国内外著名学者10人担任吉林大学唐敖庆讲座教授。
学院拥有“计算机科学与技术”和“软件工程”两个一级学科博士学位授权点，国内首批博士后科研流动站；设有计算机软件与理论、计算机应用技术、计算机系统结构、软件工程和生物信息学5个博士点，其中计算机软件与理论为国家首批重点学科，计算机系统结构、计算机应用技术为吉林省重点学科；设有计算机软件与理论、计算机应用技术、计算机系统结构和网络与信息安全4个硕士点；设有计算机科学与技术（含网络与信息安全方向）和物联网工程等2个本科生专业，均为国家特色专业，以及“基础学科拔尖学生培养试验计划”本科试验班，是教育部首批珠峰计划项目。
第62卷 第1期吉林大学学报(理学版)V o l .62 N o .12024年1月J o u r n a l o f J i l i nU n i v e r s i t y (S c i e n c eE d i t i o n )J a n 2024d o i :10.13413/j .c n k i .jd x b l x b .2022439融合协同过滤的神经B a n d i t s 推荐算法张婷婷1,2,欧阳丹彤1,2,孙成林3,白洪涛1,2(1.吉林大学计算机科学与技术学院,长春130012;2.吉林大学符号计算与知识工程教育部重点实验室,长春130012;3.吉林大学白求恩第一医院内分泌与代谢科,长春130021)摘要:针对数据稀疏性和 冷启动 对协同过滤的限制以及现有的协同多臂老虎机算法不适用于非线性奖励函数的问题,提出一种融合协同过滤的神经B a n d i t s 推荐算法C O E E N e t .首先,采用双神经网络结构学习预期奖励及潜在增益;其次,考虑邻居协同作用;最后,构造决策器进行最终决策.实验结果表明,该方法在累积遗憾上优于4种基线算法,推荐效果较好.关键词:协同过滤;多臂老虎机算法;推荐系统;冷启动中图分类号:T P 301 文献标志码:A 文章编号:1671-5489(2024)01-0092-08N e u r a l B a n d i t sR e c o m m e n d a t i o nA l go r i t h m B a s e d o nC o l l a b o r a t i v eF i l t e r i n gZ H A N G T i n g t i n g 1,2,O U Y A N G D a n t o n g 1,2,S U N C h e n g l i n 3,B A IH o n gt a o 1,2(1.C o l l e g e o f C o m p u t e rS c i e n c e a n dT e c h n o l o g y ,J i l i nU n i v e r s i t y ,C h a n gc h u n 130012,C h i n a ;2.K e y L a b o r a t o r y o f S y m b o l i cC o m p u t a t i o na n dK n o w l ed g eE n g i ne e r o fM i n i s t r y o f E d u c a t i o n ,J i l i nU n i v e r s i t y ,C h a n gc h u n 130012,C h i n a ;3.D e p a r t m e n t o f E nd o c r i n o l o g y a n d Me t a b o l i s m ,F i r s tH o s p i t a l of J i l i nU n i v e r s i t y ,C h a n gc h u n 130021,C h i n a )A b s t r a c t :A i m i n g a t t h e p r o b l e m s o f t h e l i m i t a t i o n s o fd a t a s p a r s i t y an d c o l ds t a r t o nc o l l a b o r a t i v e f i l t e r i n g a n d t h e i n a p p l i c a b i l i t y o f t h e e x i s t i n g c o l l a b o r a t i v em u l t i -a r m e dB a n d i t a l g o r i t h mt on o n l i n e a r r e w a r d f u n c t i o n s ,w e p r o p o s e dan e u r a lB a n d i t r e c o mm e n d a t i o na l g o r i t h m C O E E N e t ,w h i c hc o m b i n e d c o l l a b o r a t i v e f i l t e r i n g .F i r s t l y ,i t a d o p t e dad u a l n e u r a l n e t w o r ks t r u c t u r e t o l e a r ne x pe c t e dr e w a r d s a n d p o t e n t i a l g a i n s .S e c o n d l y ,w e c o n s i d e r e d t h e c o l l a b o r a t i v e ef f e c t o f n e igh b o r s .Fi n a l l y ,a d e c i s i o n -m a k e rw a s c o n s t r u c t e d t o m a k e t h e f i n a l d e c i s i o n .T h ee x p e r i m e n t a l r e s u l t s s h o wt h a t t h e p r o po s e d m e t h o di s s u p e r i o r t o t h e f o u r b a s e l i n e a l g o r i t h m s i n c u m u l a t i v e r e gr e t ,a n d h a s a g o o d r e c o mm e n d a t i o ne f f e c t .K e y w o r d s :c o l l a b o r a t i v e f i l t e r i n g ;m u l t i -a r m e dB a n d i t a l g o r i t h m ;r e c o mm e n d a t i o n s y s t e m ;c o l d s t a r t 收稿日期:2022-11-16.第一作者简介:张婷婷(1998 ),女,汉族,硕士研究生,从事机器学习和数据挖掘的研究,E -m a i l :t i n g t i n gz 98@163.c o m.通信作者简介:白洪涛(1975 ),男,汉族,博士,教授,从事机器学习和并行计算方法的研究,E -m a i l :b a i h t @jl u .e d u .c n .基金项目:吉林省自然科学基金(批准号:20210101181J C ).随着互联网经济的迅速发展,每天都有海量信息呈现在人们眼前.对于电子商务㊁视频㊁音乐㊁新闻等平台,促进用户消费以将其提供的内容或物品转化为价值至关重要.对于用户,打开某平台就能快速找到自己感兴趣的内容,降低搜寻信息成本,是一种基本需求.基于此,针对个性化推荐[1]的研究备受关注.协同过滤[2-4]作为最常用的传统推荐算法,通过群体中个体的行为特征找出一组与目标用户相似的邻居用户,并利用这种相似性进行推荐,通过持续的协同作用,可获得越来越精准的推荐效果.但协同过滤算法自身存在一些不足,即稀疏性[5-6]和冷启动问题[7-8].在实际推荐场景中,用户和物品规模非常庞大,用户通常只对小部分物品有涉猎(评分),大部分用户之间没有相同评分项或相同评分项很少,这种数据的稀疏性限制了用户间相似性的计算,即使可计算,可靠性也难以保证.冷启动问题本质上也是数据稀疏问题的一种极端表现,即当新用户进入推荐系统后,由于其提供的评分信息有限,因此系统难以找到相似用户从而进行协同推荐.新物品同理,由于用户都未对其进行评分,因此即使确定了相似用户,也无法获知这些用户对新物品的评分情况.除对上述问题的考虑,推荐系统还应尽可能兼顾推荐的多样性和广度,即探索-利用(e x pl o r a t i o n a n d e x pl o i t a t i o n )问题.利用表示对于已知用户感兴趣的物品要尽力迎合,探索则表示推荐给用户其未涉猎过的物品以探索其新兴趣.多臂老虎机(m u l t i -a r m e dB a n d i t )算法[9]是强化学习领域的一个解决探索-利用问题的有效方法,可在每轮推荐中平衡探索与利用的关系.在多臂老虎机算法中,每轮向用户呈现一组物品,通过一定策略选择一个物品并获得相应奖励,问题的目标是最大化累计奖励.传统的多臂老虎机算法未考虑用户和物品特征,且对不同用户均采用相同的推荐策略.为更好利用内容(物品)和用户信息使其适应个人用户,L i n U C B 算法[10]将新闻的个性化推荐建模为上下文多臂老虎机问题,并基于上下文信息计算预期奖励为用户进行推荐,同时根据用户反馈调整选择策略.但L i n U C B 算法假设上下文与奖励呈线性关系,这种假设在现实世界中可能并不正确[11].为学习非线性奖励函数,N e u r a l U C B 算法[12]利用深度神经网络的强大表示能力学习潜在奖励函数,并采用U C B (u p pe r c o nf i d e n c eb o u n d )算法选择臂.不同于N e r u a l U C B 算法,E E -N e t [13]舍弃U C B 算法,采用了一种新的神经探索策略,利用神经网络学习与奖励估计相比的潜在增益.基于上下文的多臂老虎机算法充分适应了用户的个性化需求,但未考虑相似用户在推荐中的重要性.针对该问题,已出现一些融合协同过滤与上下文多臂老虎机算法的研究[14-16].文献[14]基于目标物品动态地对用户聚类,在推荐时进行集体决策,并根据反馈调整用户聚类,但用户聚类在物品间是独立的,针对不同物品需分别计算,在用户和物品规模较大时无法保证实时推荐;文献[16]在L i n U C B 算法基础上加入相似用户的协同作用,并利用当前用户与选定用户的相似性控制协同强度,但受限于L i n U C B 算法对线性奖励函数的假设,无法很好适应非线性奖励的情况.本文基于上述研究,提出一种融合协同过滤的神经B a n d i t s 推荐算法(c o l l a b o r a t i v ee x p l o r a t i o n -e x pl o i t a t i o nn e t ,C O E E N e t ),该算法采用深度神经网络学习潜在奖励函数,并采用探索神经网络学习与奖励估计相比的潜在增益,同时引入协同作用,利用用户特征及历史行为寻找与当前用户相似的邻居用户,进而对目标物品进行集体决策.最后在实验中,从食谱数据集中构建用户㊁菜品特征,采用C O E E N e t 为用户选择菜品进行推荐,并从累积遗憾角度与其他基线算法进行对比,验证了本文算法的有效性.1 预备知识1.1 基于用户的协同过滤假设推荐系统中存在用户集合U 和物品集合I ,用户和物品分别表示为u i (i =1,2, ,n )和i j (j =1,2, ,m ),s c o r e i ,j 表示用户i 对物品j 的评分情况.在每次推荐前,对每个候选物品j ,采用余弦相似度计算当前用户与其他用户的相似程度s i m i ,j :s i m i ,j =u i ㊃u ju i ˑ u j.(1)根据所有用户u ɪU 对目标物品的评分情况,计算当前用户u i 对目标物品的喜爱程度:p i ,j =ðu t ɪUsi m i ,tˑr t ,j ðu t ɪUsi m i ,t,(2)39 第1期 张婷婷,等:融合协同过滤的神经B a n d i t s 推荐算法其中r t ,j 表示奖励.通过计算当前用户对物品集中每个物品的喜爱程度,可对物品进行降序排列,选取评分最高的N 个物品进行推荐.1.2 通用上下文多臂老虎机框架在上下文多臂老虎机算法中,若已知推荐总轮数T [10],则在第t (t =1,2, ,T )轮推荐过程中进行如下操作:1)算法观察用户特征u t 并呈现给用户一组可供选择的臂A t 及它们的特征向量x t ,a ,该特征向量结合了用户特征和臂的特征,这里称为上下文;2)根据一定的选择策略,为用户选择臂a t ɪA t ,并获得真实世界中的实时反馈(奖励)r t ,a t ;3)算法使用新的观测值(x t ,a ,a t ,r t ,a t)改进选择策略.根据选择策略的不同,奖励估计函数也不同,但可以概括为p t ,a t =h (x t ,a t )+ηt ,a t,(3)其中:h (x t ,a t)表示第t 轮中用户u t 选择臂a t 的潜在奖励,该函数可能是线性的,也可能是非线性的;ηt ,a t 表示E (ηt ,a t)=0的噪声参数.T 轮累积遗憾定义为R T =E ðTt =1(p *t ,a t -r t ,a t[]),(4)其中p*t ,a t=a r g m a x a t ɪA tp t ,a t.算法的目标为最小化累积遗憾.2 算法设计算法1 C O E E N e t .输入:用户集合U ={u 1,u 2, ,u n };臂集合A ={x 1,x 2, ,x m };推荐轮数T ;3个网络的迭代次数T 1,T 2,T 3;邻居用户数M ;3个网络的学习率η1,η2,η3;初始化:θ10,θ20,θ3步骤1)f o r t =1,2, ,T d o步骤2) f o r e a c h x t ,i in A d o 步骤3) 计算f 1(x t ,i ;θ1t -1),f 2(∇θf 1(x t ,i ;θ1t -1);θ2t -1)步骤4) 计算c s c o r e t ,i =C S (∇θf 1(x t ,i ;θ1t -1))步骤5) 计算p t ,i =f 3(f 1(x t ,i ;θ1t -1),f 2(∇θf 1(x t ,i ;θ1t -1);θ2t -1)c s c o r e t ,i ;θ3t -1)步骤6) e n d f o r步骤7) x t =a r g m a x x t ,i ɪA tpt ,i 步骤8) 选择x t 并观察真实世界奖励r t 步骤9) θ1t ,θ2t ,θ3t =G r a d i e n t D e s c e n t (θ1t -1,θ2t -1,θ3t -1,{x τ}t τ=1,{r τ}t τ=1,{c s c o r e τ}t τ=1)步骤10)e n d f o r步骤11)p r o c e d u r eC S (∇θf 1,u i )步骤12) f o r e a c h u j in U d o 步骤13) s i m i ,j =(∇θf 1,u i (㊃;θ1)-∇θf 1,u j (㊃;θ1))T (∇θf 1,u i (㊃;θ1)-∇θf 1,u j (㊃;θ1))步骤14) e n d f o r步骤15) N e g i ={}步骤16) 选择T o p -M 用户加入N e g i步骤17) c s c o r e i =ðu j ɪN e gi(s i m i ,j ˑ(f 1,u j (x t ;θ1,j )+f 2,u j (∇θf 1,u j(㊃;θ1);θ2,j )))步骤18)r e t u r nc s c o r e i .算法1包含4部分:第一部分为利用网络,用于估计预期奖励;第二部分为探索网络,用于学习与奖励估计相比的潜在增益;第三部分为协同过滤模块,用于计算相似用户的协同作用;第四部分为决49 吉林大学学报(理学版) 第62卷策器,用于将前三部分的输出适当结合,从而进行最终决策.图1为网络整体结构,表1对网络结构中各部分的输入㊁输出进行了具体说明,算法1中G r a d i e n t D e s c e n t 为梯度下降算法.图1 C O E E N e t 网络结构F i g.1 S t r u c t u r e o fC O E E N e t 表1 C O E E N e t 网络结构信息T a b l e 1 S t r u c t u r e i n f o r m a t i o no fC O E E N e t模块输入输出标签利用网络x t ,if1(x t ,i ;θ1t -1)r t ,i探索网络∇θf 1(x t ,i ;θ1t -1)f 2(∇θf 1(x t ,i ;θ1t -1))r t ,i -f1(x t ;θ1t -1)协同过滤模块∇θf 1(x t ,i ;θ1t -1)c s c o r e i决策器f 1;f2;c s c o r e i f 3(f 1,f2,c s c o r e i )pi 2.1 利用网络利用网络是一个用于学习关于上下文潜在奖励函数的神经网络,用f 1(㊃;θ1)表示.在第t 轮中,利用网络表示为f 1(x t ,i ;θ1t -1),θ1t -1为网络最后一层的参数,其上标为网络标识,下标表示最后一次对参数进行更新的轮数.对于臂x t ,i (i ɪ[m ]),利用网络对其潜在奖励进行估计,在选定该臂后,会得到一个现实世界的真实反馈r t ,基于此可对利用网络进行梯度下降对参数θ1进行拟合.2.2 探索网络文献[13,17]已经证明,给定臂的上下文x t ,i ,其预期收益f 1(x t ,i )与实际收益r t ,i 有1-δ的概率在置信区间ψ(∇θf 1(x t ,i ;θ1t -1))内,公式如下:r t ,i -f 1(x t ,i )ɤψ(∇θf 1(x t ,i ;θ1t -1)),(5)其中r t ,i -f 1(x t ,i )为与奖励估计相比的潜在增益,ψ(∇θf 1(x t ,i ;θ1t -1))为关于∇θf 1(x t ,i ;θ1t -1)的置信上界函数,δ一般为一个很小的常数.设y t ,i =r t ,i -f1(x t ,i ),当y t ,i 很大时,表示当前臂的收益估计与实际收益相差较大,算法更倾向于赋予该臂更大的奖励值,使其有更大概率进行探索;当y t ,i 很小时,表示当前臂的收益估计已接近实际收益,算法会尽量避免探索该臂.不同于传统置信上界算法通过岭回归等方式推导置信区间,探索网络采用一个神经网络对潜在增益进行拟合.由于开发网络的参数梯度同时包含臂的特征和开发网络的判别信息,因此探索网络以∇θf 1(x t ,i ;θ1t -1)作为输入[13],并将网络输出f 2(∇θf 1(x t ,i ;θ1t -1);θ2t -1)与潜在收益r t ,i -f1(x t ,i )相比对探索网络进行拟合.2.3 协同过滤模块在推荐场景中,为每个用户u ɪU ,U =n 构建探索和利用网络,并对利用网络最后一次更新的参数梯度∇θf 1,u i (㊃;θ1,i)进行保存.对于用户u i ,在第t 轮推荐中,利用不同用户在利用网络上的参数梯度计算相似度.采用欧氏距离衡量相似度,公式如下:s i m i ,j =(∇θf 1,u i (㊃;θ1)-∇θf 1,u j (㊃;θ1))T (∇θf 1,u i (㊃;θ1)-∇θf 1,u j(㊃;θ1)).(6) 选取相似度最高的M 个用户加入邻居用户集N e g i ,用户u j 对目标物品x t 的协同分数c s c o r e i ,j59 第1期 张婷婷,等:融合协同过滤的神经B a n d i t s 推荐算法定义为目标物品在该用户利用和探索网络的输出之和与该用户和当前用户u i 的相似度乘积,用公式表示为c s c o r e i ,j =s i m i ,j ˑ(f 1,u j (x t ;θ1,j )+f 2,u j (∇θf 1,u j(㊃;θ1);θ2,j )).(7)当前用户u i 的协同分数定义为其所有邻居用户的协同分数之和,计算公式为c s c o r e i =ðu j ɪN e gi(s i m i ,j ˑ(f 1,u j (x t ;θ1,j )+f 2,u j (∇θf 1,u j(㊃;θ1);θ2,j ))).(8)2.4 决策器在第t 轮中,给定臂x t ,i ,经利用网络㊁探索网络和协同过滤模块,得到3个输出:潜在奖励估计f 1(x t ;θ1t -1)㊁潜在奖励增益f 2(∇θf 1(x t ,i ;θ1t -1);θ2t -1)及当前用户与邻居用户的协同分数c s c o r e i .决策器的任务是对以上3个输出进行合理组合,以平衡探索与利用的关系,同时控制协同过滤的强度.设决策器为x t ,i 的最终分数p t ,i 关于f 1(x t ,i ;θ1t -1),f 2(∇θf 1(x t ,i ;θ1t -1);θ2t -1),c s c o r e i 的函数,公式为p t ,i =f 3(f 1(x t ;θ1t -1),f 2(∇θf 1(x t ,i ;θ1t -1);θ2t -1),c s c o r e i ).(9)对于第t 轮中提供的m 个臂x t ,i ɪA t ,i ɪ[m ],选择其中分数最高的一个臂,选择策略表示为x t =a r g m a x x t ,i ɪA tf 3(f 1(x t ,i ;θ1t -1),f 2(∇θf 1(x t ,i ;θ1t -1);θ2t -1),c s c o r e i ).(10) 可采用神经网络对f 1,f2,c s c o r e i 进行拟合,同时基于不同推荐场景对探索利用的不同倾向性和对协同过滤强度的弹性控制而需要手动设置f 1,f 2,c s c o r e i 权重的现实需求,本文将分别考虑决策函数为线性和非线性的情况.1)线性决策函数:f 3定义为关于f 1,f2,c s c o r e i 的线性函数,表示为p t ,i =αf 1+βf 2+γc s c o r e i ,(11)其中α,β,γ作为权重参数,由使用者自行设置.2)非线性决策函数:使用一个神经网络表示f 3,将问题建模为二元分类问题.该网络以f 1(x t ,i ;θ1t -1),f 2(∇θf 1(x t ,i ;θ1t -1);θ2t -1),c s c o r e i 为输入,输出p t ,i 表示臂x t ,i 为最优选择的概率.3 实 验本文在真实数据集上模拟推荐过程,并与其他基线算法进行比较,以验证本文算法C O E E N e t 的有效性.采用l 轮内的累积遗憾作为评价指标,实验结果表明,在食物推荐问题中,本文算法较其他算法性能有一定提升.3.1 数据集本文在食谱网站爬取3526名用户信息,以及这些用户在过去一段时间内对菜品的评分情况共340734条,并收集了评分中所涉及的共9766道菜品的信息.用户信息包含i d㊁性别㊁年龄㊁地址㊁自定义喜好等信息,菜品信息包含i d ㊁名称㊁烹饪工艺(炒㊁蒸㊁煎㊁炸等)㊁难易程度㊁口味等信息.评分情况定义为(用户i d ,菜品i d ,评分)的三元组形式,其中评分包含极差㊁差㊁一般㊁推荐㊁非常推荐5个等级.由于菜品集中存在大量菜品仅有极少数用户对其进行评分,而且用户群体在这些菜品上的评分大概率无法覆盖每个评价等级,从而影响数据平衡性.因此,本文首先对菜品热度按照评分数量进行排序,选择前1000道热门菜品加入菜品数据集d i s h .d a t ,同时将为这些菜品打分的2871位用户加入用户数据集u s e r .d a t ,并收集这些用户对菜品的打分信息加入评分数据集r a t i n g .d a t .3.2 特征构建每个用户由100多个分类的原始特征向量表示,其中包含:1)用户基本信息,i d ㊁性别(二类)㊁年龄(离散为7个等级);2)地理特征,主要分布于中国各地100多个城市及地区;3)用户自定义喜好信息,主要包括甜㊁辣㊁麻等14种分类.菜品同理,每个菜品都以相同方式构建约1000个分类的原始特征向量表示,其中包含:1)菜品基本信息,i d ㊁烹饪工艺㊁难易程度等;2)用户评价标签,由用户历史评价数据中抽取得到的约1000个标签表示.本文将用户和菜品特征编码为固定长度的二进制向量,用户和菜品的特征分别由156个和1153个条目的特征向量表示.69 吉林大学学报(理学版) 第62卷本文方法为所有用户单独构建模型进行个性化推荐,算法中的上下文信息只需对菜品信息进行表征而无需包含用户自身信息,故用户对菜品的评分信息定义为(用户i d ,菜品特征,评分)的形式,其中一条数据表示用户与系统的一次交互.由于大部分用户的评分记录数较少,无法支持独立训练模型,因此本文对用户采用K -M e a n s 方法[18-19]进行聚类,进一步将用户规模缩减至20大类,以该类别中所有用户的特征均值作为该类用户特征.3.3 离线模拟在线推荐在线推荐模型将预期收益最高的前若干物品展示给用户,并基于用户的实时反馈调整模型参数,使其在后续推荐中逐渐适应用户需求.由于无法实时获得用户的反馈信息,因此本文将在上述离线数据集上模拟在线推荐过程,验证本文算法的推荐效果.通过数据集中用户对菜品的评分信息模拟用户和菜品之间的交互情况,在利用网络和探索网络中,评分可作为用户对相应菜品的实时奖励,在决策器中,设定评分不超过3时表示奖励为0,否则奖励为1.在每轮中,随机向用户展示10道菜品,其中包含9道评分不超过3的菜品以及1道评分大于等于3的菜品,每道菜品对应的上下文为当前菜品的特征向量.3.4 基线算法为更好地评估本文算法在推荐问题中的性能,本文选择4种算法作为基线算法,分别是L i n U C B ,N e u r a l U C B ,N e u r a l -E p s i l o n 和E E -N e t .1)L i n U C B :假设奖励函数为关于上下文的线性函数,并采用岭回归和置信上界算法共同确定所选臂.2)N e u r a l U C B :使用神经网络学习奖励函数,并采用置信上界算法选择臂.3)N e u r a l -E p s i l o n :使用神经网络学习奖励函数,以1-ε的概率选择当前与其奖励最大的臂,并以ε的概率进行探索.4)E E -N e t :用一个神经网络学习奖励函数,用另一个神经网络学习潜在的奖励增益,并结合两个网络的输出共同决策.3.5 评价指标本文采用T 轮推荐内的累积遗憾作为算法评价指标,计算公式为C u mR e g T =E ðTt =1(p *t ,a t-p t []),(12)其中p*t ,a t=a r g m a x a t ɪA tp t ,a t,p t 为第t 轮的真实奖励.算法以最小化T 轮内的累积遗憾为优化目标,累积遗憾越小,算法性能越优异.3.6 实验结果分析利用网络结构定义为一个二层的神经网络,隐藏层节点数为100.探索网络结构为二层神经网络,其隐藏层节点数也为100.在协同过滤模块中,考虑当前用户的3个邻居用户的协同作用.线性决策器公式为p t ,i =f 1+f 2+r ˑc s c o r e i ,其中利用网络输出f 1和探索网络输出f 2的权值均为1以模拟U C B 策略,并通过调节协同作用强度r 调整邻居用户评分c s c o r e i 对最终推荐的影响.非线性决策器定义为二层神经网络,隐藏层节点数为50.图2和图3分别为决策器是线性和非线性情况下的累积遗憾比较结果.由图2和图3可见,本文算法C O E E N e t 在r e c i p e 数据集上的性能优于基线算法.由于食谱数据集中上下文与奖励预期并不是简单的线性关系,故L i n U C B 算法在该问题中并不适用.N e u r a l U C B 和N e u r a l -E p s i l o n 算法使用神经网络学习奖励预期,E E -N e t 算法采用一个神经网络学习奖励预期,并采用另一个神经网络学习潜在增益,三者都能较好适应非线性奖励函数的情况.本文算法在很好拟合非线性函数的同时考虑邻居用户的协同作用,进一步提升了推荐效果,且对于线性决策器,随协同强度增加,推荐效果有一定提升.79 第1期 张婷婷,等:融合协同过滤的神经B a n d i t s 推荐算法图2 线性决策器在食谱数据集上的累积遗憾比较F i g .2 C u m u l a t i v e r e g r e t c o m pa r i s o no f l i n e a r d e c i s i o n -m a k e r o n r e c i pe d a t a s e ts 图3 非线性决策器在食谱数据集上的累积遗憾比较F i g .3 C u m u l a t i v e r e g r e t c o m pa r i s o no f n o n l i n e a r d e c i s i o n -m a k e r o n r e c i pe d a t a s e t s 综上所述,本文针对推荐系统中用户和物品频繁变动导致的数据稀疏和 冷启动 限制了传统协同过滤的发展及现有考虑到协同作用的多臂老虎机算法并不适用于非线性奖励函数场景的问题,提出了一种融合协同过滤的神经B a n d i t s 算法C O E E N e t ,采用利用网络学习关于用户和物品特征的奖励函数,采用探索网络学习与奖励估计相比的潜在增益,同时加入邻居用户的协同作用,并构造决策器进行最终决策.针对数据稀疏性问题,不同于协同过滤,本文算法并不简单依赖对相同物品的评分判定用户间的相似性,而是基于用户对上下文中各特征的关注度进行计算.在针对新用户的推荐问题中,本文根据用户特征寻找邻居用户并进行协同推荐,同时多臂老虎机算法还可帮助用户在尽量少的次数内快速试探用户喜好,并根据用户反馈挑战模型参数,改善推荐效果.最后,通过平衡探索网络和利用网络的结果以及控制协同作用的强度,可有效保证推荐中用户自身的决定性作用以及推荐的多样性.在真实数据集上将本文算法与基线算法进行比较,实验结果表明,本文算法在推荐问题上有效.参考文献[1] 刘华玲,马俊,张国祥.基于深度学习的内容推荐算法研究综述[J ].计算机工程,2021,47(7):1-12.(L I U H L ,MA J ,Z HA N G G X.R e v i e w o f S t u d i e s o n D e e p L e a r n i n g -B a s e dC o n t e n t R e c o mm e n d a t i o n A l g o r i t h m s [J ].C o m p u t e rE n g i n e e r i n g ,2021,47(7):1-12.)[2] G O LD BE R GD ,N I C HO L SD ,O K IB M ,e t a l .U s i n g C o l l a b o r a t i v eF i l t e r i n g t o W e a v e a n I n f o r m a t i o nT a p e s t r y [J ].C o mm u n i c a t i o n s o fA C M ,1992,35(12):61-70.[3] S C HA F E RJB ,F R A N K OW S K I D ,H E R L O C K E RJ ,e t a l .C o l l a b o r a t i v eF i l t e r i n g R e c o mm e n d e r S y s t e m s [M ].B e r l i n :T h eA d a pt i v eW e b ,2007:1-108.[4] 杨莉云,颜远海.融合标签和属性信息的混合推荐算法[J ].吉林大学学报(信息科学版),2022,40(4):644-651.(Y A N G L Y ,Y A N Y H.H y b r i d R e c o mm e n d a t i o n A l g o r i t h m B a s e do n T a g sa n d A t t r i b u t e s [J ].J o u r n a l o f J i l i nU n i v e r s i t y (I n f o r m a t i o nS c i e n c eE d i t i o n ),2022,40(4):644-651.)[5] S A RWA RB ,K A R Y P I SG ,K O N S T A NJ ,e t a l .I t e m -B a s e dC o l l a b o r a t i v eF i l t e r i n g R e c o mm e n d a t i o nA l g o r i t h m s [C ]//H y pe r m e d i a T r a c k o ft h e10t hI n t e r n a t i o n a l W o r l d W i d e W e b C o nf e r e n c e .N e w Y o r k :A C M ,2001:285-295.[6] P A P A G E L I S M ,P L E X O U S A K I SD ,K U T S U R A ST.A l l e v i a t i n g t h e S p a r s i t y P r o b l e mo f C o l l a b o r a t i v eF i l t e r i n gU s i n g T r u s t I n f e r e n c e s [C ]//P r o c e e d i n gs o f t h e 10t hI n t e r n a t i o n a lC o n f e r e n c eo n W o r l d W i d e W e b .N e w Y o r k :A C M ,2005:224-239.[7] S U X Y ,K HO S H G O F T A A RT M.AS u r v e y o fC o l l a b o r a t i v eF i l t e r i n g T e c h n i q u e s [C ]//A d v a n c e d i nA r t i f i c i a l I n t e l l i ge n c e .N e w Y o r k :A C M ,2009:1-19.[8] 赵越,武志昊,赵苡积.基于特征与域感知的点击率预估方法[J ].计算机工程,2022,48(3):60-68.(Z HA O Y ,WU Z H ,Z HA O Y J .C T R P r e d i c t i o n M e t h o d B a s e do n F e a t u r ea n d D o m a i n P e r c e p t i o n [J ].C o m p u t e rE n g i n e e r i n g,2022,48(3):60-68.)89 吉林大学学报(理学版) 第62卷[9] L A T T I MO R E T ,S Z E P E S V ÁR IC .B a n d i tA l g o r i t h m s [M ].C a m b r i d g e :C a m b r i d g e U n i v e r s i t y P r e s s ,2020:1-513.[10] L IL H ,C HU W ,L A N G F O R D J ,e t a l .A C o n t e x t u a l -B a n d i t A p p r o a c h t o P e r s o n a l i z e d N e w s A r t i c l e R e c o mm e n d a t i o n [C ]//P r o c e e d i n gso ft h e19t hI n t e r n a t i o n a lC o n f e r e n c eo n W o r l d W i d e W e b (WWW 10).N e w Y o r k :A C M ,2010:661-670.[11] V A L K O M ,K O R D A N ,MU N O S R ,e ta l .F i n i t e -T i m e A n a l y s i so f K e r n e l i s e d C o n t e x t u a lB a n d i t s [C ]//P r o c e e d i n g so ft h e T w e n t y -N i n t h C o n f e r e n c eo n U n c e r t a i n t y i n A r t i f i c i a lI n t e l l i g e n c e (U A I 13).A r l i n g t o n :A U A IP r e s s ,2013:654-663.[12] Z HO U DR ,L IL H ,G U Q Q.N e u r a l C o n t e x t u a l B a n d i t sw i t hU C B -B a s e dE x p l o r a t i o n [C ]//P r o c e e d i n g s o f t h e 37t h I n t e r n a t i o n a l C o n f e r e n c e o n M a c h i n eL e a r n i n g (I C M L 20).N e w Y o r k :A C M ,2020:11492-11502.[13] B A N Y K ,Y A N Y C ,B A N E R J E E A ,e t a l .E E -N e t :E x p l o i t a t i o n -E x p l o r a t i o nN e u r a lN e t w o r k s i nC o n t e x t u a l B a n d i t s [E B /O L ].(2021-10-07)[2022-03-10].h p p t s ://a r x i v .o r g/a b s /2110.03177.[14] L IS ,K A R A T Z O G L O U A ,G E N T I L E C .C o l l a b o r a t i v e F i l t e r i n g B a n d i t s [C ]//P r o c e e d i n gs o ft h e 39t h I n t e r n a t i o n a lA C M S I G I R C o n f e r e n c eo n R e s e a r c h a n d D e v e l o pm e n ti nI n f o r m a t i o n R e t r i e v a l (S I G I R 16).N e w Y o r k :A C M ,2016:539-548.[15] G E N T I L EC ,L IS ,Z A P P E L L A G.O n l i n eC l u s t e r i n g o fB a n d i t s [C ]//P r o c e e d i n g so ft h e31s tI n t e r n a t i o n a l C o n f e r e n c e o n M a c h i n eL e a r n i n g.N e w Y o r k :A C M ,2014:757-765.[16] 王宇琛,王宝亮,侯永宏.融合协同过滤与上下文信息的B a n d i t s 推荐算法[J ].计算机科学与探索,2019(3):361-373.(WA N G YC ,WA N G B L ,HO U Y H.B a n d i t sR e c o mm e n d a t i o n A l g o r i t h m B a s e do nC o l l a b o r a t i v e F i l t e r i n g a n d C o n t e x tI n f o r m a t i o n [J ].J o u r n a lo fF r o n t i e r so fC o m p u t e rS c i e n c ea n d T e c h n o l o g y ,2019(3):361-373.)[17] B A N Y K ,H EJR ,C U R T I S SB ,e t a l .M u l t i -f a c e tC o n t e x t u a lB a n d i t s :A N e u r a lN e t w o r kP e r s p e c t i v e [C ]//P r o c e e d i n g s o f t h e 27t hA C MS I G K D DC o n f e r e n c e o nK n o w l e d g eD i s c o v e r y D a t aM i n i n g (K D D 21).N e wY o r k :A C M ,2021:35-45.[18] S C H E L L E K E N SV ,J A C Q U E SL .Q u a n t i z e dC o m p r e s s i v e K -M e a n s [J ].I E E ES i g n a l P r o c e s s i n g L e t t e r s ,2018,25(8):1211-1215.[19] 邬春明,齐森南.改进K -M e a n s 聚类的自适应加权K 近邻指纹定位算法[J ].重庆邮电大学学报(自然科学版),2021,33(6):946-954.(WU C M ,Q IS N.A d a p t i v e W e i g h t e d K -N e a r e s t N e i g h b o r F i n g e r p r i n t L o c a t i o n A l g o r i t h m B a s e d o n I m p r o v e d K -M e a n s C l u s t e r i n g [J ].J o u r n a l o f C h o n g q i n g U n i v e r s i t y o f P o s t s a n d T e l e c o mm u n i c a t i o n s (N a t u r a l S c i e n c eE d i t i o n ),2021,33(6):946-954.)(责任编辑:韩 啸)99 第1期 张婷婷,等:融合协同过滤的神经B a n d i t s 推荐算法。
2023年02月吉林大学计算机科学与技术学院秦贵和教授团队招聘1名博士后笔试历年高频考点试题库集锦答案解析全文为Word可编辑，若为PDF皆为盗版，请谨慎购买！卷I一.单选题(共25题)1.我国关于高等教育方针的规定中不包括（）A.高等教育的总体方向B.高等教育人才培养的根本途径C.高等教育的任务D.高等教育的根本目标答案：C本题解析：暂无解析2.下列哪种人员不属于行政诉讼当事人（）。
A.原告B.被告C.证人D.第三人答案：C本题解析：行政诉讼的当事人包括原告、被告和第三人。
3.我国《义务教育法》规定，我国适龄儿童少年有受教育的（），各级政府应采取有效措施保障适龄儿童少年到学校接受教育，一个都不能少。
A.权利B.义务C.权利和义务D.权力答案：C本题解析：暂无解析4.下列哪种不属于《普通高等学校学生管理规定》中规定的纪律处分的种类（）A.严重警告B.记过全文为Word可编辑，若为PDF皆为盗版，请谨慎购买！C.记大过D.开除学籍答案：C本题解析：《普通高等学校学生管理规定）中规定的纪律处分的种类分为：（1）警告；（2）严重警告：（3）记过；（4）留校察看；（5）开除学籍。
5.（）是关系国计民生的根本问题。
A.工业农业国防问题B.经济政治文化问题C.农业农村农民问题D.科技文化社会问题答案：C本题解析：暂无解析6.《中华人民共和国民办教育促进法》颁布的时间是（）。
A.2002年B.2000年C.1996年D.2006年答案：A 本题解析：《中华人民共和国民办教育促进法》于2002年12月28日第九届全国人民代表大会常务委员会第三十一次会议通过，自2003年9月1日起施行。
7.根据我国《教育法》的规定，明知校舍或者教育教学设施有危险，而不采取措施，造成人员伤亡或者重大财产损失的，对直接负责的主管人员和其他直接责任人员，依法追究（）。
A.民事责任B.刑事责任C.一般责任D.行政责任答案：B本题解析：《教育法》第七十三务规定，明知校舍或者教育教学设施有危险，而不采取措施，造成人员伤亡或者重大财产损失的，对直接负责的主管人员和其他直接责任人员，依法追究刑事责任。
计算机科学与技术学院本科课外培养计划实施方案（适用2013版）为规范计算机科学与技术专业本科课外培养计划学生成绩评定工作，依据《吉林大学本科课外培养计划实施办法》（校教字[2016]64号）、《吉林大学本科课外培养计划实施细则》、吉林大学《课外培养计划学分计算要求（2016年版）》，学院结合《计算机科学与技术专业本科培养方案》和计算机科学与技术专业本科培养工程教育认证、过程质量监控要求，制定计算机科学与技术专业本科课外培养计划实施方案。
由于2013版《计算机科学与技术专业本科培养方案》已经公布并执行,其中的“计算机科学与技术专业独立实践教学环节计划表”已经对相关学分进行说明，在不影响该计划执行的前提下，按吉林大学《课外培养计划学分计算要求（2016年版）》的原则制定本实施细则。
一、组织机构及职责1.组织机构学院根据教学任务组织工作组，工作组主要负责人情况如下：（1）负责人：赵宏伟教授（2）执行人：张晋东讲师、王强强教学秘书（3）秘书：王强强教学秘书2.职责（1）负责人职责：负责计算机科学与技术专业本科课外培养计划全面工作。
（2）执行人职责：负责计算机科学与技术专业本科课外培养计划的材料审核、学分确认等具体实施。
（3）秘书职责：负责计算机科学与技术专业本科课外培养计划信息化系统的操作与系统材料审核。
负责与学生及上级主管部门的信息沟通。
二、成果审核程序按照《吉林大学本科课外培养计划实施细则》“成果审核与学分认定”、吉林大学《课外培养计划学分计算要求（2016年版）》“审核（线下）凭证”“基础数据维护与审核”相关要求进行成果审核。
1.课外培养计划实施“档案袋”，学院为在校本科生建立“课外培养计划”个人专属“档案袋”。
通过吉林大学实践教学管理系统实施网上管理。
2.学生申请课外培养计划学分，需提交相应的成果证明（纸质版），经学院审核后方可认定学分。
3.学院组织教务管理、学生管理、实验教学管理人员，组成工作组，针对学生申请成果及相关证明进行鉴别审核，并提交至吉林大学实践教学管理系统确认。
