历史兴趣

摘要： 随着新课程改革的发展,传统的教学模式已经不能满足当前历史教学的发展要求,为提高高中历史的教学质量,在历史课堂上加入史料教学是非常有必要的。本文从高中历史史料教学的发展现状入手,总结历史史料教学出现的问题,并提出了相应的解决对策,希望对高中历史史料教学的应用有一定的借鉴意义。

摘要： 历史是一门讲述人类过去发生事件的人文学科,它贯穿人类历史的长河,记录了从过去到现在所发生的具有重大意义的重大事件,对历史推动有重要作用的著名人物,它包罗万象、拥有多姿多彩的内容,生动形象的人物,情节曲折的故事,恢弘博大的历史场景……是一个令人神往的人文殿堂."学好数理化,走遍天下都不怕"是近年来流行在学生中的一句话,被不少学生和家长奉为至理名言,致使广大学生对历史等文科类课程的兴趣不足,列入了副课的范围,对历史人文学科的重要性认识不足.著名的华裔科学家,诺贝尔物理学奖获得者杨振宁教授曾说过:"成功的真正秘诀是兴趣,兴趣是人们进行学习和创造性劳动的动力."

摘要： 在初中教育中,历史学科对于青少年学生的心智成长和三观塑成有着无可替代的作用.了解历史,更深层的含义是通过对历史知识的整体概述,获得思想启蒙和启示.历史学科不仅蕴含了丰富的知识,更蕴含着人生哲理.然而,在当下的初中教育中,历史学科并不受学校和家长的重视,学生缺乏对历史课程学习的动力,初中历史处在一个边缘化的位置,甚至教学时间都得不到保证,常被语数外教师或班主任占用.同时,学生也缺乏对历史学科的学习兴趣,教学效率和质量不高.本文以如何在初中历史教学中培养学生的学习兴趣为主题展开分析,提出几点思考和建议,希望给广大初中教师提供帮助和参考.

摘要： 本发明公开了基于历史影视海报的深度兴趣网络的排序方法，包括将DeepFM的模型结构、VGG模型结构和DIN模型结构进行整合构建深度学习推荐CTR排序模型网络结构；训练该模型，生成新的CTR排序模型；测试新的CTR排序模型，定期采集数据进行迭代训练得到迭代排序模型，使用迭代排序模型对推荐召回的候选集进行排序。本发明通过构建分类/数值文本、海报图像多模态特征、结合用户历史行为的历史行为序列特征以及随机负样本形成正负特征对的训练数据集和测试数据集；并使用这些数据集对训练得到新的CTR排序模型，实现了对用户召回影视的精准排序，同时也优化了用户的使用体验，使得用户能够更好地体验科技发展带来的便利。

摘要： 本发明提供一种基于历史行为和兴趣度对网民进行团体划分的方法和系统，其方法包括：选取网民对，抽取与网民对对应的第一信息发布/转发记录和与第二信息发布/转发记录；根据第一信息发布/转发记录和第二信息发布/转发记录的关系确定第一兴趣点和第二兴趣点的重合系数、第一影响系数和第二影响系数；根据第一影响系数、第二影响系数和重合系数确定第一网民和第二网民之间的关系强度系数；将关系强度系数超过设定阈值的网民对划分至同一团体中。以上方案，能够实现同一团体中的网民之间彼此具有较强的影响关系，为后续不同团体观点之间的消歧处理提供准确的团队划分基础。

摘要： 本发明公开了基于历史影视海报的深度兴趣网络的排序方法，包括将DeepFM的模型结构、VGG模型结构和DIN模型结构进行整合构建深度学习推荐CTR排序模型网络结构；训练该模型，生成新的CTR排序模型；测试新的CTR排序模型，定期采集数据进行迭代训练得到迭代排序模型，使用迭代排序模型对推荐召回的候选集进行排序。本发明通过构建分类/数值文本、海报图像多模态特征、结合用户历史行为的历史行为序列特征以及随机负样本形成正负特征对的训练数据集和测试数据集；并使用这些数据集对训练得到新的CTR排序模型，实现了对用户召回影视的精准排序，同时也优化了用户的使用体验，使得用户能够更好地体验科技发展带来的便利。

摘要： 本发明公开一种基于用户历史瓦片浏览记录的兴趣点智能搜索方法，属于人工智能技术领域，通过获取用户的历史瓦片调用记录，并基于用户的历史瓦片调用记录计算用户关注的空间热度，基于字符串的分词匹配方法使用布尔模型查找匹配文档，采用空间热度影响因子优化实用评分函数，并采用优化会后的实用评分函数计算相关度，可以随着用户的不断使用以及根据用户所关注的热点区域为用户推送最大相关结果，使得搜索趋于个性化和智能化；也即通过获取和分析用户历史瓦片浏览记录，计算出用户关注的空间热度，并将空间热度作为影响因子对评分算法进行优化，提高兴趣点搜索的精度和准确性。

摘要： 本发明公开了一种基于历史数据并采用数据挖掘分析技术的社交平台用户兴趣推荐方法，包括以下步骤：1)用户数据预处理阶段；2)用户兴趣发现阶段；3)用户推荐阶段；本发明是利用数据挖掘技术为网络社交平台用户提供符合其实时兴趣的个性化推荐服务方案，利用动态主题追踪提高对用户的实时兴趣的发现准确性。与传统推荐方法相比，本发明更加准确高效，并具有实现简单、复杂度低的优点。

摘要： 本发明提供了一种基于历史记录的用户兴趣提取方法，该方法包括：对用户行为历史数据进行预处理并识别独立用户；确定关键词在上下文的语义，根据语义对关键词进行词频统计，从而得到用户的兴趣特征。本发明提出了一种基于历史记录的用户兴趣提取方法，通过对独立用户行为进行用户识别，在识别过程中展示了用户的兴趣爱好，实现了针对性的有价值信息推送。

摘要： 一种管理感兴趣空间（SOI）和内容的关系或历史的系统，其中感兴趣空间包含具有一定面积或结构的空间的信息，该系统包括：SOI-内容选择单元，其被配置成新生成期望的SOI和内容，或者在现有SOI或内容中，选择期望的SOI或内容；使用条目设置单元，其被配置成设置所生成或选择的SOI和内容的使用期限或使用主题；和SOI-内容关系管理单元，其被配置成生成关联所生成或选择的SOI和内容的SOI内容，并被配置成管理该SOI内容。

摘要： 一种兴趣区间确定装置，基于动态图像文件所包含的音频信号，在所述动态图像文件中确定被推测为用户表现出兴趣的用户的兴趣区间，具备：兴趣区间候选提取单元（1801），在所述动态图像文件中，提取成为所述兴趣区间的候选的兴趣区间候选；微细构造判定单元（1802），判定所述兴趣区间候选中是否包含有特定的微细构造；以及兴趣区间确定单元（1803），在由所述微细构造判定单元判定为包含有所述微细构造的情况下，对包含所述微细构造且比所述兴趣区间候选短的特定区间进行解析，确定兴趣区间。

摘要： 由用户终端获取指示了用户的动作状态的数据。获取区域滞留信息，区域滞留信息包括用户所滞留的区域的位置信息以及用户在区域中滞留的时间的滞留时间信息。存储用户终端获取的数据，并根据获取的区域滞留信息，读取所存储的数据。基于读取的数据，确定用户的行为状况，并创建指示了用户行为状况的行为状况时间序列模式。基于创建的行为状况时间序列模式，计算指示了用户行为特征的行为特征值。使用计算的行为特征值，确定指示了用户对区域感兴趣的程度和倾向的区域兴趣度。

摘要： 本发明提出一种基于用户历史兴趣的知识图谱推荐方法和系统，其方法技术方案包括候选图谱构建步骤，构建用于计算与一用户产生交互概率的一候选物品的图谱三元组，并计算所述候选物品的扩展向量表示；种子图谱构建步骤，构建所述用户历史兴趣的种子物品的集合；扩展表示计算步骤，根据所述候选物品的图谱三元组计算所述种子物品的多轮扩展表示，得到所述种子物品的扩展向量表示；用户兴趣预测步骤，根据所述种子物品的扩展向量表示和所述候选物品的扩展向量表示，通过注意力机制计算所述用户与所述候选物品的交互概率，并基于所述交互概率进行推荐。本发明解决了现有技术方案需要领域专家制定元路径、且未考虑用户历史兴趣的时序的问题。