高等学校特聘教授人员-上海理工大学出版印刷与艺术设计学院

附件2：
上海高校特聘教授（东方学者）岗位计划
（跟踪计划）
申请书
申请人：
推荐单位：
申请岗位性质：
申请岗位类别：
申请岗位所属学科：
填表时间：
上海市教育委员会制
填表说明
1．最高学历：系指国家承认的最高学历；
2．毕业学校：系指最高学历的毕业院校；
3．毕业时间：系指最高学历的毕业时间；
4．最高学位：系指国内外获得的最高学位；
5．从事学科、专业及代码：按国务院学位委员会《授予博士、硕士学位和培养研究生的学科、专业目录》填写，如因研究方向为新学科、跨学科无法填写，请填写关键词；
6. 申请岗位：填写从事教学科研的领域，或特定岗位任务，或学校设置的岗位名称；
7. 原岗位性质：指特聘教授或讲座教授；
8．代表论著：填最能代表本人贡献和水平的论文、著作、译作、创作、设计、专利等，注明发表的时间、刊物名称、期号等；
9．如内容超出表格容量，可另附页。

承诺书
我已认真审阅所填内容，确认所填内容真实、准确。

如所填内容不实或有误，后果自负。

若被入选上海高校特聘教授（东方学者）跟踪计划，我保证在受聘高校工作不低于每年个月。

申请人签名：年月日。

中共上海市科技教育工作委员会文件上海市教育委员会沪教委人〔2007〕98号中共上海市科技教育工作委员会、上海市教育委员会关于印发《上海高校特聘教授（东方学者）岗位计划实施意见（试行）》的通知各高等学校：现将《上海高校特聘教授（东方学者）岗位计划实施意见（试行）》印发给你们，请按照执行。

附件：上海高校特聘教授(东方学者) 岗位计划实施意见（试行）中共上海市科技教育工作委员会上海市教育委员会二○○七年十一月二十七日主题词：教育特聘教授计划通知抄送：上海市人事局、上海市科学技术委员会、教育部人事司。

上海市教育委员会办公室2007年12月5日印发（共印150份）附件：上海高校特聘教授 (东方学者) 岗位计划实施意见（试行）为贯彻落实党的十七大精神和上海市第九次党代会精神，为深入实施“科教兴市”、“人才强市”战略，引进一批具有国际、国内领先水平的学科带头人，形成一批优秀创新团队，加快上海高校高水平学科建设和师资队伍建设，中共上海市科技教育工作委员会（以下简称市科教党委）、上海市教育委员会（以下简称市教委）决定实施上海高校特聘教授（东方学者）岗位计划。

一、指导思想和原则上海高校特聘教授（东方学者）岗位计划着眼于上海经济社会发展需求，主要对与高新技术产业密切相关的学科领域进行择优重点资助，以提高上海高校教学质量，形成上海高等学校的学科优势与特色。

强调资助工作要为上海社会经济发展服务，促进与上海社会经济发展紧密结合的学科专业的发展。

（一）上海高校特聘教授(东方学者)岗位计划，实行岗位聘任制。

坚持按需设岗、公开招聘、专家评审、择优聘任、合同管理。

（二）上海高校特聘教授（东方学者）岗位计划主要资助从海外引进、在上海高校从事学科建设的高水平学科带头人及其团队。

二、岗位目标和任务在岗特聘教授应在学科建设、科学研究项目等方面达到如下的目标：（一）提出具有战略性、前瞻性、创造性的研究构想，带领本学科在其前沿领域处于国内领先水平，进而赶超或保持国际先进水平；（二）面向国家重大战略需求、地方产业和经济发展、国际科学与技术前沿，积极争取并主持国家和上海重大科研项目；在本学科领域开展原创性、重大理论与实践问题研究和关键领域攻关，取得重大标志性成果；（三）领导本学科学术梯队建设，组建并带领一支创新团队进行教学、科研工作，讲授本学科核心课程。

35摘要：在电子商务服务中，用户的在线评论对消费者的购买决策与商家行为的影响日益凸显，如何利用这一重要的在线文本数据去挖掘用户的情感倾向成为学界以及业界关注的焦点。

经过文献整理，本文梳理出一个在线评论的细粒度层次情感分析业务流程，基于这一流程分析了本领域的研究与发展现状，为未来的研究提供参考。

关键词：在线评论；文本挖掘；情感分析引言近年来我国电子商务飞速发展，各类电商平台大量崛起，据国家统计局统计数据显示：2017年网上零售额达到71751亿元，同比2016年增长32.2%。

伴随电子商务的不断普及以及平台逐步完善的业态功能体系，电商平台带来了大量个性化、网络化、非结构化的在线评论文本。

在线评论作为一种新型的口碑传播方式，打破了传统口碑以人际扩散为基础的时空限制，使得潜在消费者可以通过阅读评论来完善对产品的认知，辅助完成购买决策。

商家可以通过收集评论内容来分析用户对商品的态度，获取用户的喜好进而更好的为消费者服务。

基于在线评论在电子商务链条中重要的作用，国内外学者对此领域给予了极大关注，本文收集了近年国内外在线评论研究的文献成果，从情感分析视角出发，对在线评论领域的相关技术应用以及研究现状进行概述。

1、基于文本情感分析的在线评论研究信息爆炸时代，互联网的高度开放性和可追溯性使得消费者在作出网购决策前面对着海量的消费者评论，这些评论通常包含着他人有价值的观点意见，对这些包含观点的评论文本进行人工识别和分析是极其低效率的，因此自动化的文本情感分析成为当前主流的应用领域。

情感分析，是属于文本挖掘的一个细分研究领域，是指通过自然语言的处理从文本中提取出人们对于实体及其属性所表达的观点、情感、态度和情绪等[1]。

从分析的粒度层次来看可划分为粗粒度情感分析和细粒度情感分析，粗粒度情感分析包括篇章级和句子级情感分析，细粒度层次的分析则是基于评价对象及其属性的分析。

伴随着人工智能、自然语言处理技术的进步，业界对情感分析的要求逐步提高，细粒度层次的情感分析正成为当前国内外研究的热点内容，本文通过分析当前细粒度层次情感分析的业务流程来对当前在线评论研究进行概述。

2016年，教育部联合十一个部门共同颁布《关于支持实体书店发展地指导意见》，3年后，教育部则公开发布《关于进一步支持高校校园实体书店发展的指导意见》，其中明确表示，每家高校至少运营一家校园实体书店，在规模、品种方面需要和本校特点有着显著契合性，争取第二年底，打造符合高校特点的“校园智慧书店”。

随着媒介技术的发展，信息过载和信息匮乏同时充斥着人们的生活，高校书店既迎来新的发展机遇，也面临多方面的挑战。

校园书店拥有浓厚的文化氛围和多元化的读者服务，能将沉溺在“赛博世界”信息海洋的读者解救出来，带来不可替代的线下阅读体验；然而，这类书店深受网络与民营书店的双重压力：校外民营书店通过特色鲜明的品牌化运营迅速崛起，如“西西弗”“言几又”“钟书阁”等连锁书店已遍布全国；而对于网络书店而言，其优势体现在购买便捷，更新速度快，更为重要的是成本较低。

正因如此，高校书店的经营压力日益增长，生存空间遭遇极大的挤压。

然而，高校实体书店作为校园文化的地标，是师生购书、阅读、社交的多元文化场所，也是都市消费和城市气质的重要组成部分[1]。

如何构建高校实体书店的生存环境，丰富校园文化，提升校园书店的服务质量，是当下一个重要的议题。

在本次研究中，将波特五力模型作为基础，以高校书店为对象，对其竞争力增长、未来发展等诸多领域进行针对性分析，进而给出具体的发展之策，即积极构建相应的文化符号，对校园生活进行深入融合，从而更好的提升高校文化建设水平，师生的文化需求也能得到较佳的满足。

1 高校实体书店发展概况校园实体书店被誉为“校园文化地标”，是校园内最具特色和代表性的综合性文化场所，其雏形是主营各类教辅图书的读者服务部，最初兴起于20世纪90年代初，且垄断了一定的校园市场[2]。

可是，近些年很多校园书店整体发展颇为缓慢，从数量角度来分析，在2019年，高校图书情报工作指导委（简称“指导委”）就针对这类书店发起了调查，结果显示，410所高校中，校园内有实体书店的只占42.2%。

Using the research method of literature, means of observation, behavioral appr中共上海市科技教育工作委员会文件上海市教育委员会沪教委人…2007‟98号中共上海市科技教育工作委员会、上海市教育委员会关于印发《上海高校特聘教授（东方学者）岗位计划实施意见（试行）》的通知各高等学校：现将《上海高校特聘教授（东方学者）岗位计划实施意见（试行）》印发给你们，请按照执行。

附件：上海高校特聘教授 (东方学者) 岗位计划实施意见（试行）中共上海市科技教育工作委员会上海市教育委员会二○○七年十一月二十七日主题词：教育特聘教授计划通知抄送：上海市人事局、上海市科学技术委员会、教育部人事司。

上海市教育委员会办公室 2007年12月5日印发— 1 —（共印150份）— 2 —附件：上海高校特聘教授 (东方学者) 岗位计划实施意见（试行）为贯彻落实党的十七大精神和上海市第九次党代会精神，为深入实施“科教兴市”、“人才强市”战略，引进一批具有国际、国内领先水平的学科带头人，形成一批优秀创新团队，加快上海高校高水平学科建设和师资队伍建设，中共上海市科技教育工作委员会（以下简称市科教党委）、上海市教育委员会（以下简称市教委）决定实施上海高校特聘教授（东方学者）岗位计划。

一、指导思想和原则上海高校特聘教授（东方学者）岗位计划着眼于上海经济社会发展需求，主要对与高新技术产业密切相关的学科领域进行择优重点资助，以提高上海高校教学质量，形成上海高等学校的学科优势与特色。

强调资助工作要为上海社会经济发展服务，促进与上海社会经济发展紧密结合的学科专业的发展。

（一）上海高校特聘教授(东方学者)岗位计划，实行岗位聘任制。

坚持按需设岗、公开招聘、专家评审、择优聘任、合同管理。

（二）上海高校特聘教授（东方学者）岗位计划主要资助从海外引进、在上海高校从事学科建设的高水平学科带头人及其团队。

上海理工大学文件上理工[2008]13号关于崔晓钰等同志高级专业技术职务聘任的通知校内各有关部门:根据《上海市高等学校教师职务和其他专业技术职务聘任办法》(沪人[2002]100号)及《关于贯彻<上海市高等学校教师职务和其他专业技术职务聘任办法>的实施细则(试行)》(沪教委人[2002]46号)文件精神，经本人申报，学校思想政治、教学、科研考核，学术、技术能力评议。

经学院(部)聘任工作小组推荐提名，学校聘任评议委员会评议，申报人员工作述职、答辩，学校聘任委员会提出拟聘任人选等聘任工作程序，聘任下列同志担任相应高级专业技术职务，聘期从2007年12月31日始,有关待遇从2008年1月1日起计算。

一、教授（6人）：动力工程学院（2人）：崔晓钰余敏机械工程学院（1人）：丁晓红医疗器械与食品学院（1人）：徐斐出版印刷与艺术设计学院（1人）：王勇学生思想政治教育（1人）：白苏娣二、研究员（1人）：城市建设与环境工程学院（1人）：翁文兵三、副教授（24人）：动力工程学院（2人）：单彦广赵兵涛光学与电子信息工程学院（2人）：陈晓荣张大伟管理学院（6人）：陈明艺李芳田发吴继忠余传明张峥机械工程学院（1人）：陈彩凤计算机与电气工程学院（3人）：曹春萍佟国香张会林城市建设与环境工程学院（2人）：董洁霜干宏程医疗器械与食品学院（2人）：陈兆学胥义外语学院（1人）：倪蓉理学院（1人）：胡恒春社会科学部（2人）：胡绪明王淑梅学生思想政治教育（2人）：张爱阳朱霞梅四、副研究员（1人）高教所（1人）：罗尧成五、副研究馆员（1人）：图书馆（1人）：王细荣上海理工大学二〇〇八年二月二十七日主题词：人事工作高级技术职务聘任通知发文单位：学校办公室发文日期：2008年2月28日校对：刘道平打印：陈美月。

第 23卷第 1期2024年 1月Vol.23 No.1Jan.2024软件导刊Software Guide基于交互属性增强的电影评分预测许星波，张明西，赵瑞，朱衍熹（上海理工大学出版印刷与艺术设计学院，上海 200093）摘要：电影评分预测旨在预测用户对未评价的电影可能赋予的评分，是推荐系统、电影分类等现实应用的重要依据。

现有预测方法主要关注用户与电影的交互信息和文本信息表示，对属性特征的直接表示考虑较少。

为此，提出一种基于交互属性增强的电影评分预测模型。

首先，考虑使用属性节点在网络中的嵌入向量表示不同的属性特征信息，根据数据间的交互和从属关系构建电影信息网络，利用Metapath2vec算法获得属性节点的嵌入向量，将各属性特征转换为具有不同元路径结构信息及语义信息的向量表示。

然后，将用户和电影的属性特征向量输入双塔模型，与各自ID特征向量交互融合，以探索不同属性偏好对用户及电影的影响。

最后，得到用户和电影特征向量，通过点积实现用户对电影的评分预测。

在公开数据集上的结果表明，所提模型相较于传统模型预测准确性更高，证明了模型的有效性。

关键词：电影评分预测；Metapath2vec；双塔模型；交互属性DOI：10.11907/rjdk.231776开放科学（资源服务）标识码（OSID）：中图分类号：TP391 文献标识码：A文章编号：1672-7800（2024）001-0182-08Prediction of Movie Ratings Based on Interactive Attribute EnhancementXU Xingbo， ZHANG Mingxi， ZHAO Rui， ZHU Yanxi（School of Communication & Art Design， University of Shanghai for Science and Technology， Shanghai 200093， China）Abstract：Movie rating prediction aims to predict the possible ratings that users may give to unreviewed movies， and is an important basis for practical applications such as recommendation systems and movie classification. Existing prediction methods mainly focus on the representa⁃tion of interaction information and text information between users and movies， with less consideration given to the direct representation of attri⁃bute features. To this end， a movie rating prediction model based on interactive attribute enhancement is proposed. Firstly， consider using the embedding vectors of attribute nodes in the network to represent different attribute feature information. Construct a movie information network based on the interaction and dependency relationships between data， and use the Metapath2vec algorithm to obtain the embedding vectors of attribute nodes. Convert each attribute feature into vector representations with different meta path structure information and semantic informa⁃tion. Then， the attribute feature vectors of users and movies are inputted into the two-tower model and interactively fused with their respective ID feature vectors to explore the impact of different attribute preferences on users and movies. Finally， the user and movie feature vectors are obtained， and the user's rating prediction for the movie is achieved through dot product. The results on public datasets indicate that the pro⁃posed model has higher prediction accuracy compared to traditional models， demonstrating the effectiveness of the model.Key Words：movie rating prediction； Metapath2vec； two-tower model； interactive attribute0 引言电影是人们生活中不可或缺的娱乐方式之一。