个性因素

摘要： 改革开放后,我国的经济有了迅速的发展,与国外的交流越来越频繁,已和世界上很多国家建立了长期的贸易合作关系,而外语在这其中起到了至关重要的作用。如今,学习外语的学生越来越多,影响学生学习外语水平的因素也较多,个性因素就是其中之一。学生外语学习的个性因素主要有如何 看待学习外语、学生的精神和心理状态、年龄因素、语言能力倾向、认识风格、学习动机及性格特点等。因而,教师还需要根据学生的个性特征进行一定的调整,增强学生对外语学习的兴趣。

摘要： 20世纪80年代初,随着"以学习者为中心"教学理念的提出,个性因素被引入到第二语言习得研究领域.具体到翻译领域,这些个性因素以不同的形式综合贯穿于翻译的全过程,影响译前文本选择和译中翻译方法,对译文质量起着举足轻重的作用.该文通过基于问卷调查和英汉互译测试的实证研究,去探究非英语专业学生个性因素(性格倾向和焦虑)与翻译能力之间的相关性.研究结果显示,外向性格与翻译表现呈正相关,优于内向性格;过多或过少焦虑都不能达到最佳行为结果,适量的焦虑才会带来更好的翻译表现.

摘要： 20世纪80年代初,随着“以学习者为中心”教学理念的提出,个性因素被引入到第二语言习得研究领域。具体到翻译领域,这些个性因素以不同的形式综合贯穿于翻译的全过程,影响译前文本选择和译中翻译方法,对译文质量起着举足轻重的作用。该文通过基于问卷调查和英汉互译测试的实证研究,去探究非英语专业学生个性因素(性格倾向和焦虑)与翻译能力之间的相关性。研究结果显示,外向性格与翻译表现呈正相关,优于内向性格;过多或过少焦虑都不能达到最佳行为结果,适量的焦虑才会带来更好的翻译表现。

摘要： 书法家自身的个性风格是最可贵的品质,在临摹到创作的过程中,需要融入主体意识,渗透各种个性因素,在临摹学习过程中贯穿风格的成因.我们需要重视主体意识,渗透各种个性因素.如果一味模仿,而忽略了主体意识,那么就无法形成个人的创作风格.本文主要分析了书法临摹中个性因素,为了创作出具备个性风采的书法作品.

摘要： 一理想的小学教育,能从不同学校所培养的学生身上,看到不同学生的差异、活力以及成就这些差异、活力的学校个性因素,能从学生身上寻找到不同学校既相对稳定又各自迥异的文化印迹。这种文化印迹,不仅是以育人为己任的学校发展方式和办学综合特征,而且是一所学校充满个性化、特色化、灵动性的教育力量,它们通过诸如校训、教风、学风、课程和课堂等特色化、综合性的教育因素给学生强基赋能。

摘要： 对学生的英语自主学习产生影响的个性因素,即内在因素有很多,比如有性别差异、学习兴趣、学习能力、意志水平、学习方法、策略选择等多种因素。本文只选择了以下几种个性因素进行分析,其他的就不再一一阐述。1.学习兴趣兴趣是学生自主学习英语的重要前提条件,如果学生对英语产生了强烈的求知欲望与兴趣,自主学习英语就成为了一种必然性与趣味性。在兴趣的驱使下自主学习英语的效率就必定要高于被动地学习英语。

摘要： 《红楼梦》是中国四大名著之一,也是中国文学史上的代表著作之一.就作品性质来看,其是一部具有代表性的悲剧著作,尤其是宝黛的爱情悲剧更是为后来人所惋惜.作为这一著作的代表人物,林黛玉的性格形象一直受到红学研究者以及爱好者的谈论.就该著作来讲,其人物悲剧不仅是由于时代的影响、家庭身世的影响,更是受其性格所影响.林黛玉不仅具有高洁的品质,还有着叛逆的精神.这一人物性格特征,是林黛玉痛苦一生的主观因素.基于此,本文在阐述林黛玉悲剧的基础上,试述其悲剧的主观因素.

摘要： 本文以作者研发的首师大虚拟学习社区为网络教学支撑平台,进行了为期2年半的网络化学习的教学实践,并以卡特尔(R.B.Cattell)16 PF个性测量量表和镶嵌图形测量量表为测查工具,在收集了学习者的多项学习数据后,对学习者的个性因素和学习风格是否影响网络化学习进行了初步研究,得到了不同的学习者特征因素,如个性因素、学习风格、性别和学习成绩等因素会导致不同学习者对网络化学习的学习态度、学习方式、学习评价需求、上网时间和以计算机媒介的交流都有所不同的研究结论.

摘要： 本发明公开了一种智慧文博下融合多因素的矩阵分解个性化推荐方法，该方法包括：对用户历史数据集进行初始化并分析处理，运用F‑PEARSON计算出用户与其他用户的相似性得分；根据基于机器学习的BERT模型训练用户历史数据集，预测出每个用户对不同年代不同类型电影的评分；根据用户的特征矩阵和项目的特征矩阵，并结合用户相似性得分、预测评分，构建融合多因素的预测评分公式和目标函数；输入待预测的用户数据，运用随机梯度下降法进行求解，使得目标函数下降最快，得到预测评分。本发明可以有效解决传统推荐算法在稀疏数据、冷启动、特征关系提取等问题上处理能力的不足等问题，降低了预测评分误差和提高推荐的精确度。

摘要： 本发明提供了一种用简单密码生成多因素加密密钥的方法，以对通过至少一个通讯网络从第一实体存储在第二实体的信息进行控制。一个实施例中，该方法通过以下方式实现：请求第一实体通过通讯网络从第二实体接收应用程序；激活第一实体生成共享密钥，其中共享密钥根据第一实体专用ID和第一与第二实体生成的随机数计算得出；允许用户由第一实体注册第二实体的应用程序，其中注册包括输入个人PIN（个人识别码）和个人信息等。

摘要： 一种用于将媒体递送给重放装置的方法包含输出第一测试媒体以供第一用户观看。所述方法另外包含接收第一用户输入，所述第一用户输入与所述第一用户对所述第一测试媒体的第一感知有关并且指示所述第一用户关于所述第一测试媒体的第一个性化体验质量。所述方法另外包含基于所述第一用户输入产生包含所述第一用户的一或多个观看特性的第一个性化敏感度分布曲线，以及至少部分地基于所述第一个性化敏感度分布曲线确定第一媒体参数。确定所述第一媒体参数以便在保持所述第一用户的所述第一个性化体验质量的同时提高经由网络到所述第一重放装置的媒体递送的效率。

摘要： 本发明公开了一种智慧文博下融合多因素的矩阵分解个性化推荐方法，该方法包括：对用户历史数据集进行初始化并分析处理，运用F‑PEARSON计算出用户与其他用户的相似性得分；根据基于机器学习的BERT模型训练用户历史数据集，预测出每个用户对不同年代不同类型电影的评分；根据用户的特征矩阵和项目的特征矩阵，并结合用户相似性得分、预测评分，构建融合多因素的预测评分公式和目标函数；输入待预测的用户数据，运用随机梯度下降法进行求解，使得目标函数下降最快，得到预测评分。本发明可以有效解决传统推荐算法在稀疏数据、冷启动、特征关系提取等问题上处理能力的不足等问题，降低了预测评分误差和提高推荐的精确度。

摘要： 本发明公开了一种利用时间因素的个性化服饰搭配推荐方法与系统。包括：收集数据集，构建异构图，学习服饰和用户的特征表示和服饰搭配的一般规则，学习用户对套装的偏好规则，计算个性化搭配评分，对异构图网络进行训练，得到综合服饰搭配匹配度与用户个人偏好的评分模型，最后用户根据该模型获取个性化服饰搭配推荐。本发明构建异构图神经网络，考虑用户的不同交互行为所包含的对服饰的不同的偏好程度，通过融入用户交互行为时间与服饰节点时间，学习时间因素对用户偏好的影响规律，最后通过用户历史记录与服饰信息、用户对单品的偏好学习用户对套装的偏好，建模服饰与用户的特征表示及内在联系，实现个性化服饰搭配推荐方法。

摘要： 本发明公开一种融合信任因素的个性化推荐模型的构建方法，包括为计算用户相似度，构建用户‑产品评分矩阵，并在此基础上利用Pearson相关系数初步计算评分相似度；运用信任度量模型计算用户之间的信任相似度；设定参数值将两种相似度融合得到最终相似度计算公式；通过模拟退火算法计算最优参数组合；利用融合后的相似度计算公式得出目标用户的近邻用户，然后代入评分计算公式得出目标用户对某项产品的预测评分，根据评分高低进行排序推荐，即实现TOP‑N推荐。通过将信任因素加入到基于用户的推荐算法中，可以提高为用户推荐关联商品的准确度，从而更高效地帮助用户购买到自己所需要的商品或者获得所需要的信息，提高用户满意度，节省用户的时间和精力。

摘要： 本发明提出的个性化推荐中的用户相似性多因素评定方法，对协同过滤推荐方法中的用户相似性计算评定进行改进，使其更加适合标签体系，将推荐算法中原本只考量用户‑资源二维信息改为考量用户‑标签‑资源三维信息，并采用改进物质扩散法得到标签体系中用户间相似性值，综合考量用户‑标签‑资源之间的各种联系，对物质扩散法进行改进，同时综合考量上下文时间信息、标签的使用频率以及标签和商品的流行度等影响用户相似性的因素，对用户相似性计算评定做进一步的改进，使用改进后的用户相似性多因素评定方法具有更高的准确率、精确度和召回率，覆盖商品更多，推荐结果的多样性也更好。

摘要： 本申请涉及终端显示技术领域，提供一种车辆、用户终端及其基于环境因素的地图个性化调节方法，首先判断当前是否运行有终端电子地图，若判断到运行有终端电子地图，获取当前所处的周边环境信息，根据所述周边环境信息提取其中的关键色彩要素，获取用户对当前周边环境信息的情绪反应结果，根据所述情绪反应结果和所述关键色彩要素自动设置所述终端电子地图的显示色彩，以使所述终端电子地图的显示色彩符合用户的个性化需求。本申请能够在终端电子地图界面，获取周边环境，然后根据环境的特征自动更改终端电子地图界面的色彩，使其融入到环境所处的氛围中，改善用户体验，促进用户、机器及环境之间的和谐共处。

摘要： 本发明涉及一种基于深度神经网络的多因素嵌入个性化套餐推荐方法，具体包括：首先数据采集并进行预处理；利用全连接层提取用户自然属性特征表示；其次，利用LSTM网络提取用户通话、流量使用和话费使用行为时序特征表示，将两者拼接，作为用户特征表示；利用全连接层提取套餐属性特征表示；将用户特征表示和套餐特征表示拼接后送入全连接网络，预测用户办理套餐的概率；计算目标用户办理所有套餐的概率，选取M个办理概率最高的套餐，作为该用户的套餐推荐列表。本发明基于深度神经网络实现多因素嵌入个性化套餐推荐方法，有利于运营商面向用户进行针对性的套餐推荐，从而有利于扩大市场规模，推广5G业务。

摘要： 本发明提供了一种用简单密码生成多因素加密密钥的方法，以对通过至少一个通讯网络从第一实体存储在第二实体的信息进行控制。一个实施例中，该方法通过以下方式实现：请求第一实体通过通讯网络从第二实体接收应用程序；激活第一实体生成共享密钥，其中共享密钥根据第一实体专用ID和第一与第二实体生成的随机数计算得出；允许用户由第一实体注册第二实体的应用程序，其中注册包括输入个人PIN（个人识别码）和个人信息等。