智慧养老通过智慧技术赋能传统养老服务模式,对其进行改造和升级,究其根本在于满足老年人多元化、差异化的具体需求。现有的智慧养老平台在提供服务时一般未进行人群细分,学术界对不同年龄段老年人需求差异性的研究也尚显匮乏,这导致智...智慧养老通过智慧技术赋能传统养老服务模式,对其进行改造和升级,究其根本在于满足老年人多元化、差异化的具体需求。现有的智慧养老平台在提供服务时一般未进行人群细分,学术界对不同年龄段老年人需求差异性的研究也尚显匮乏,这导致智慧养老服务的效果普遍不佳。通过将老年人分为低龄(60-69岁)、中龄(70-79岁)和高龄(80岁及以上)三个不同的年龄段,同时采用中国老年社会追踪调查(China Longitudinal Aging Social Survey,CLASS)的最新(2020年)数据,并从经典的马斯洛需求层次理论出发可构建不同年龄段老年群体的动态需求模型。研究发现,不同年龄段的老年人既存在共性需求又存在差异化需求。共性需求会因年龄而存在需求强度差异,差异化需求则体现不同年龄段老年群体的特定需求。在此基础上,安德森模型和Logistic回归分析探讨了倾向性因素(性别、婚姻状态等)、使能性因素(养老金水平、上网情况)以及需求性因素(慢性病情况、自评健康状况等)对老年群体关键养老服务需求的影响,并构建了不同类型需求的各年龄段老年人的特征画像。为此,智慧养老服务平台应针对不同年龄段的老年群体提供差异化服务内容,并根据老年人的个性化画像进行精准推荐;针对老年个体来说,平台也应具备动态调整能力,以满足老年人在不同年龄段的养老服务需求。展开更多
最长公共子序列(longest common subsequence,LCS)是一种衡量代码相似度的可行指标.然而,经典LCS算法的时间复杂度较高,难以应对大型数据集,并且,由于代码文本序列中的词(token)本质为一种基于离散表示的编码,直接使用LCS算法无法有效...最长公共子序列(longest common subsequence,LCS)是一种衡量代码相似度的可行指标.然而,经典LCS算法的时间复杂度较高,难以应对大型数据集,并且,由于代码文本序列中的词(token)本质为一种基于离散表示的编码,直接使用LCS算法无法有效识别文本不同但语义相似的代码片段中的关键语义.针对这两方面的不足,提出一种面向LCS的嵌入方法,将代码间的LCS计算转换为代码低维稠密嵌入向量间的数值运算,并可以利用近似最近邻算法进一步加速其计算.为此,设计了一个可嵌入的基于LCS的距离度量方法,实验证明这种代码度量在提取函数关键语义的表现上优于对比嵌入工具使用的基于文本的距离或基于树的距离.同时,为了在嵌入过程中有重点地保留代码的关键语义,构建了两种损失函数和相应的训练集,识别文本上不同但语义上相似的代码元素,使模型在检测复杂代码克隆时有更好的表现.实验证明了该方法拥有很强的可扩展性,且其对复杂克隆的检测能力也保持在很高水平.将该技术应用于相似缺陷的识别,上报了23个未知缺陷,这些缺陷已被开发人员在实际项目中确认,其中有些复杂缺陷是难以被基于文本的LCS算法检出的.展开更多
文摘智慧养老通过智慧技术赋能传统养老服务模式,对其进行改造和升级,究其根本在于满足老年人多元化、差异化的具体需求。现有的智慧养老平台在提供服务时一般未进行人群细分,学术界对不同年龄段老年人需求差异性的研究也尚显匮乏,这导致智慧养老服务的效果普遍不佳。通过将老年人分为低龄(60-69岁)、中龄(70-79岁)和高龄(80岁及以上)三个不同的年龄段,同时采用中国老年社会追踪调查(China Longitudinal Aging Social Survey,CLASS)的最新(2020年)数据,并从经典的马斯洛需求层次理论出发可构建不同年龄段老年群体的动态需求模型。研究发现,不同年龄段的老年人既存在共性需求又存在差异化需求。共性需求会因年龄而存在需求强度差异,差异化需求则体现不同年龄段老年群体的特定需求。在此基础上,安德森模型和Logistic回归分析探讨了倾向性因素(性别、婚姻状态等)、使能性因素(养老金水平、上网情况)以及需求性因素(慢性病情况、自评健康状况等)对老年群体关键养老服务需求的影响,并构建了不同类型需求的各年龄段老年人的特征画像。为此,智慧养老服务平台应针对不同年龄段的老年群体提供差异化服务内容,并根据老年人的个性化画像进行精准推荐;针对老年个体来说,平台也应具备动态调整能力,以满足老年人在不同年龄段的养老服务需求。
文摘最长公共子序列(longest common subsequence,LCS)是一种衡量代码相似度的可行指标.然而,经典LCS算法的时间复杂度较高,难以应对大型数据集,并且,由于代码文本序列中的词(token)本质为一种基于离散表示的编码,直接使用LCS算法无法有效识别文本不同但语义相似的代码片段中的关键语义.针对这两方面的不足,提出一种面向LCS的嵌入方法,将代码间的LCS计算转换为代码低维稠密嵌入向量间的数值运算,并可以利用近似最近邻算法进一步加速其计算.为此,设计了一个可嵌入的基于LCS的距离度量方法,实验证明这种代码度量在提取函数关键语义的表现上优于对比嵌入工具使用的基于文本的距离或基于树的距离.同时,为了在嵌入过程中有重点地保留代码的关键语义,构建了两种损失函数和相应的训练集,识别文本上不同但语义上相似的代码元素,使模型在检测复杂代码克隆时有更好的表现.实验证明了该方法拥有很强的可扩展性,且其对复杂克隆的检测能力也保持在很高水平.将该技术应用于相似缺陷的识别,上报了23个未知缺陷,这些缺陷已被开发人员在实际项目中确认,其中有些复杂缺陷是难以被基于文本的LCS算法检出的.
