2024年12月10日，pg麻将胡了试玩 组织了2024年大学生创新创业训练计划项目结题答辩会议。本次结题答辩共有35个项目组参加，各项目组分别从选题背景、项目实施过程、项目成果、收获与体会等方面展开汇报。评委老师围绕项目的研究方法、实施过程、成果的创新性和应用性等方面进行了提问和点评，并给予相应的指导和建议。

经过评审，35个大创项目均通过结题答辩，其中12个项目被评定为优秀，19个项目被评为良好，4个项目被评为通过。

图 大创项目结题答辩现场

pg麻将胡了试玩 始终坚持以学生成长为中心，深度融合本科生导师制与学生大创项目，全方位助力学生科研创新能力培养。现对2024年大学生创新创业训练计划中12个结题优秀的项目进行展示，这些项目成果不仅彰显了信管学子的创新思维与实践能力，同时将为下一年度的大创项目申报提供灵感源泉与行动标杆，激励更多学子开启更为多元、更深层次的创新创业探索之旅。

团队成员：柯锦鑫（负责人）、秦一涵、刘鑫怡、唐绮蔚

指导老师：冯小东

一、项目简介

随着社交媒体的快速发展，虚假信息特别是谣言的传播给社会带来了严重危害。现有的图卷积神经网络(GCN)虽然在谣言检测中表现出色,但主要依赖于传播图中语义特征的简单聚合机制,忽视了用户之间复杂的观点交互,这些交互对区分谣言和非谣言至关重要。本项目创新性地提出将用户间的观点交互表示整合到GCN学习过程中,通过设计新型图卷积算子来捕获节点间的观点交互特征。

二、成果简述

本项目成果已凝练为学术论文并投稿至相关学术会议。项目提出了观点交互增强的图卷积网络(OI-GCN)模型,主要创新点包括:

1. 首次提出将用户观点交互表示整合到图神经网络学习过程中，通过节点语义表示向量的哈达玛积来量化两个节点之间的观点交互特征。

2. 设计了两种新型图卷积算子: 邻居交互图卷积(Neighbor Interaction Graph Convolution)和兄弟节点交互图卷积(Sibling Interaction Graph Convolution)。其中邻居交互图卷积聚合中心节点与其邻居节点之间的观点交互。兄弟节点交互图卷积捕获具有共同邻居的节点之间的观点交互，公式如下图所示。

3. 在三个真实数据集上的实验表明,该模型显著优于现有最先进的基于GCN的谣言检测方法，模型结构如下图所示。

三、收获与体会

在本项目的研究历程中，我们深化了对社交媒体谣言传播机制的理解，掌握了图神经网络的前沿理论与应用。项目实施过程中，我们克服了并行计算效率、图卷积尺度统一等技术难关，这不仅磨练了意志，也提升了解决复杂问题的能力。未来，我们将致力于探索图神经网络与大语言模型结合、增强模型可解释性等方向。

特别感谢指导老师冯小东副教授，他严谨的治学态度与孜孜不倦的指导精神，为我们树立了为学为人的榜样，使我们在科研道路上稳步前行，收获知识与成长。

团队成员：邓先江（负责人）、王凯舰、杨宸懿、萧铠曜

指导老师：侯剑华

一、项目简介

创新是引领发展的第一动力。企业的创新活动多为渐进式创新，过于强调应用性，无法提供持久竞争优势。高校和科研机构专注于基础研究领域，其创新成果知识集中度更高，但应用性不强。出于这种互补性，产学研合作成为了企业获取前沿知识形成突破式创新的重要途径。基于此，我们的大创项目意图揭示不同产学研合作模式对企业创新绩效的影响机制；构建产学研合作网络，探究合作次数与广度对创新绩效的影响，丰富相关理论研究；并为企业研发合作模式选择与产学研融合提供科学依据与决策支持。

二、成果简述

经过项目研究，我们发现：

（1）中国各省份各地区的产学研合作次数正在稳步上升，东部地区产学研合作更为热烈。

图1 六个地区的产学研合作情况时序图

（2）北上广三个城市是我国产学研合作的中心，三者之间形成稳定的合作。

图2 产学研合作地图

（3）企业更热衷于与高校进行合作，且与高校合作更有利于提升企业的创新绩效；与985-211工程院校合作相比于其他院校更能帮助企业提升创新绩效。

图3 与高校和与研究院合作的专利家族被引证次数的分布

（4）合作数量与合作广度均对创新绩效有显著的正向影响。大力开展产学研合作，不断拓展产学研的合作对象，并且提高产学研的合作质量，将有助于提升企业的创新绩效，激发企业创新活力。

图4 产学研合作次数与合作广度对企业创新绩效的回归结果

三、收获与体会

通过本次大创项目，我们小组深度学习了产学研合作与创新绩效的相关知识，理解到了产学研合作对于企业创新乃至国家创新的重要意义。在项目工作开展中，我们在数据处理上遇到一些困难，预先计划的一些高级因果推断方法未能够实施。通过与老师讨论，我们采用了更加合适的方法进行研究。我们的项目也有一些不足，例如研究结论不具有因果意义，只探究了简单的相关关系，不能够直接作为政策判断的依据。

团队成员：张琦（负责人）、付杰、王婧雯、张嘉慧

指导老师：陈涛

一、项目简介

近年来，随着生活方式的改变和娱乐方式的多样化，岭南传统音乐非遗项目的受众逐渐减少，许多音乐形式和曲目面临失传风险。因此，本项目选取岭南传统音乐中的国家级、省级非物质文化遗产为研究对象，研究在数字化背景下，如何运用知识组织技术和数字化技术对其进行更好地呈现与传播。

本项目的实施有助于丰富、完善非遗资源保护的理论体系，通过数字化手段扩大非遗的传播范围，提高公众对非遗的认知度和参与度，从而激发非遗传承的活力。

创新点：知识组织方法、多技术应用、平台建设；

特色：跨学科合作、实用性强、可持续发展模式。

二、成果简述

一是开发岭南传统音乐非遗知识库；二是构建岭南传统音乐非遗本体及知识图谱。

项目在收集与整理出数据后，通过前后端分离框架搭建岭南传统音乐非遗知识库；设计本体并使用Neo4j图数据库进行了知识图谱呈现。

图1 知识库非遗项目页

图2 知识库非遗项目详细页

图3 知识库非遗传承人页

图4 知识库本体展示页

图5 neo4j知识图谱页

图6 知识库知识图谱展示页

三、收获与体会

收获和体会：从项目的实施过程中，我们不仅对如何保护与传承非遗有了更深入的了解，还在数据收集、信息资源整合、前后端搭建技术、知识组织、团队协作方面得到了能力的提升。

不足：由于组员们缺乏网站搭建对应的知识与经验，因而知识库最初的部分设想，例如音源播放、地理可视化功能都未能得到实现。功能上无法实现一些连接的跳转，如统计信息的跳转。同时，数据也仍有进一步的丰富空间。

建议：可求助网络与精通代码的老师，实现前后端顺利交互；前端页面样式的调整，使页面排列符合设计，尽量美观；数据收集方面需多花时间与细心挖掘。

团队成员：薛成旺（负责人）、廖嘉辉、周洋琪

指导老师：程焕文

一、项目简介

在互联网快速发展的背景下，图书资源的获取变得极为便捷，但同时也增加了选择的难度。传统的图书推荐系统多基于用户的浅层兴趣进行推荐，容易导致阅读内容单一化，不利于大学生的全面阅读和素质提升。本项目旨在通过构建基于混合推荐算法的阅读书目反向个性化推荐模型，解决传统推荐系统中个性化推荐与推荐多样性之间的矛盾。项目引入了深度学习技术，结合协同过滤、内容过滤等算法，设计了混合推荐算法架构，旨在为用户提供既贴合个人偏好又能拓展阅读视野的推荐结果。

二、成果简述

本项目成功构建了大学生阅读书目反向个性化推荐理论模型，并通过实验对模型进行了全面评估，验证了模型的有效性。实验结果表明，混合推荐模型在个性化推荐与推荐多样性之间达到了良好的平衡，既贴合用户的个人偏好，又拓展了其阅读视野。项目还引入了多样性惩罚机制，通过特定的公式来衡量推荐系统中的多样性损失，确保在满足用户兴趣的同时，提供更加丰富多样的推荐结果。

此外，项目还通过嵌入层可视化展示了用户与图书之间的语义关系，验证了模型对数据稀疏性问题的有效缓解。

图1 嵌入层分类可视化效果

对于学院之间的差异，嵌入层成功捕捉到了不同学院在借阅偏好上的显著差异；对于年级间的偏好差异，嵌入向量也反映出清晰的特征分布。这一结果表明，模型能够有效建模不同用户群体的潜在偏好特征，从而为后续的推荐任务提供了可靠的表示支持。

图2 不同学院与年级的嵌入效果

三、收获与体会

通过本项目的实施，我们深刻认识到大学生阅读书目反向个性化推荐系统在提升高校图书馆智慧服务方面的价值。混合推荐算法不仅能够挖掘用户的深层次阅读需求，还能有效避免用户陷入信息茧房，拓宽其阅读视野。

在项目开展中，我们体会到了技术与人文关怀的结合，通过优化推荐算法，不仅提高了图书馆的数字化服务水平，还为培养大学生的全面阅读习惯和提升文化素养做出了贡献。然而，项目在用户需求的精准把握和推荐内容的多样性控制方面仍存在不足，未来需要进一步优化算法，提升模型的实时适应能力。