JXcandy-优快云博客

原创基于Python的A股模拟交易系统【附代码】

摘要：本文介绍了一个基于Python的A股模拟交易系统，采用面向对象设计，包含行情模拟、交易撮合、账户管理和GUI界面四大模块。系统支持T+1交易制度，提供10%或20%涨跌幅限制模拟，可加载历史行情数据并按设定节奏回放。通过多线程实现行情推送与界面操作并发处理，使用SQLite数据库管理交易记录和账户信息。GUI界面采用tkinter/PyQt实现，包含行情图表、交易面板和绩效评估功能，支持手动/自动交易策略（如均线交叉）。

2026-03-30 16:02:04 3632

原创【论文分享】Research on Personalized Course Resource RecommendationMethod Based on GEMRec

本文提出基于GEMRec的个性化课程资源推荐方法，针对现有多模态融合不足和推荐可解释性有限的问题，结合图注意力网络与可微分池化技术实现文本、视频、音频特征的有效融合。创新性地引入图编辑距离量化学习者与课程知识图谱的结构相似度，并采用SHAP值和大语言模型生成个性化解释。在MOOCCubeX数据集上，GEMRec模型的Precision@10、Recall@10和NDCG@10指标分别达到0.267、0.265和0.297，显著优于传统方法。研究表明多模态特征融合与知识图谱增强能有效提升推荐性能。

2025-11-05 17:35:05 1195

原创【论文分享】LincRec：Learning intents guided dual contrastive learning model

本文提出LinCRec模型，一种基于学习意图引导的双重对比学习在线课程推荐框架，旨在解决现有系统在学习偏好建模不完整和长序列稀疏性方面的不足。该模型创新性地整合了心理学中的自我决定理论，通过课程关联感知的长期学习意图和流行度驱动的短期学习意图进行双动机建模，并设计了包含自监督对比学习和末课引导监督对比学习的双重对比模块以增强鲁棒性。实验表明，该模型在Udemy和XueTangX数据集上显著优于基线方法。未来工作将探索多模态数据融合和大语言模型应用以进一步提升推荐效果。

2025-11-04 09:51:52 1026

原创【论文分享】DRG: A dual relational graph framework for course recommendation

本文提出了一种面向课程推荐的双重关系图框架DRG，旨在解决数据稀疏性问题和LLM在教学逻辑方面的局限性。该框架通过构建基于课程和基于用户的双重关系图，结合大语言模型（LLM）的语义推理、协同过滤、聚类与关联规则挖掘等多种方法，增强课程间关系表示。实验表明DRG能有效缓解数据稀疏性问题，并采用即插即用设计兼容传统与LLM推荐系统。然而，在极端稀疏数据场景处理、计算资源消耗以及跨领域验证等方面仍存在改进空间。

2025-11-01 10:29:29 1326

原创【论文分享】KGAN: Knowledge Grouping Aggregation Network for course recommendation in MOOCs

本文提出KGAN（知识分组聚合网络）模型，用于解决MOOCs课程推荐中的交互稀疏性、课程关联复杂性和意图多样性问题。该模型通过构建课程图谱，利用分组传播策略和双重注意力机制（组内关注具体课程重要性，组间关注关系类型重要性）来捕捉用户潜在兴趣。实验表明，采用DisMult嵌入的KGAN显著优于其他知识图谱模型。未来可改进用户向量聚合方法和引入非均匀采样器以进一步提升性能。该研究为MOOCs推荐系统提供了有效的知识图谱增强解决方案。

2025-10-26 18:02:31 2243

原创【论文分享】KSCR：Knowledge-aware sequence modelling with deep learning for online course recommendation

本文提出了一种基于深度学习的知识感知序列建模方法（KSCR）用于在线课程推荐。该方法通过构建课程知识图谱整合异构信息，并利用TransD技术进行课程表征。在序列建模阶段，创新性地结合BiLSTM和CNN分别捕捉点级和集体序列依赖关系，最后通过MLP实现个性化推荐。实验在MOOCCube数据集上验证了方法的有效性，评估指标包括HR@K、MRR@K和NDCG@K。该研究突破了传统推荐方法仅关注静态兴趣或简单序列依赖的局限，为处理复杂学习路径提供了新思路。未来可拓展至商品推荐等场景，并融合多模态数据进一步增强推荐

2025-10-23 16:35:41 1210

原创【论文分享】CR-LCRP

本文提出基于异构信息网络（HIN）和学习者-课程关系预测（CR-LCRP）的课程推荐方法，针对MOOC平台的数据稀疏性和冷启动问题。通过构建包含学习者、课程等多类型节点的学习行为异构信息网络（LBHIN），整合显式交互数据和隐式情感特征（如评论分析），并引入学习者/课程相似性网络增强连接。采用元路径设计和图注意力机制，从多粒度捕捉语义关系，生成高质量表征。实验表明，该方法能有效提升推荐性能，为新用户和新课程提供更精准的推荐。未来可进一步探索多源数据增强和高阶结构信息利用。

2025-10-22 10:44:49 2404 1

原创【论文分享】Mapping Student-AI Interaction Dynamics in Multi-Agent Learning Environments

本研究探讨了多智能体AI系统（MAIC）在高等教育中的教学应用，通过分析学生与AI教师、AI学伴（四种角色）的互动模式及其对学习效果的影响。研究发现：1）低先备知识学生更依赖"知识共建"互动模式，学习成效提升显著(+1.88分)；2）高先备知识学生倾向"协同调节"行为，但存在天花板效应(-1.09分)；3）所有学生技术接受度均有提升，低知识组学习动机增幅更大。研究采用滞后序列分析(LSA)和线性混合效应模型，揭示了不同先备知识水平学生的差异化互动特征，为构建个性化AI

2025-10-18 21:11:39 1684

原创微信小程序登录功能实战：前端获取Code，Java后端解密OpenId（涵盖小程序注册、开发环境搭建、获取Code、后端换取OpenId及前后端交互的全过程）（代码资源提供）

本文介绍了微信小程序登录功能的完整开发流程：1. 注册小程序并获取AppID和AppSecret；2. 使用微信开发者工具开发前端页面，实现获取用户code并传递给后端；3. 使用Java开发后端服务，通过code换取用户openid；4. 完成前后端联调测试，成功获取并显示用户openid。开发过程涉及小程序配置、前端页面设计、后端接口开发及系统集成测试等环节，最终实现了完整的微信登录功能。

2025-10-16 09:09:17 2135 1

原创 MySQL5.7的安装与配置、DBeaver的安装与使用、Tomcat服务器的安装与配置

本文介绍了MySQL5.7的安装配置过程，包括解压安装包、配置my.ini文件、初始化数据库等步骤；讲解了数据库基本概念（DB、DBMS、SQL等）和MySQL基本操作；演示了DBeaver数据库工具的安装使用；最后详细说明了Tomcat服务器的安装配置方法，包括环境变量设置和Eclipse集成。全文提供了从数据库安装到应用服务器配置的完整技术指南。

2025-10-15 10:33:35 1108

原创 IDE的下载与使用（Eclipse Java EE）

这篇文章介绍了Eclipse Java EE的安装与使用教程。首先指导读者从官网下载Eclipse，然后详细说明了如何创建Java项目：通过"File"→"New"→"Java Project"新建名为"test1"的项目，并创建Java类文件。最后演示了编写和运行简单的"Hello World"程序，是对前一篇JDK安装教程的补充。文章内容简明实用，适合Java初学者快速上手Eclipse开发环境。

2025-10-14 18:38:02 221

原创 Java开发环境JDK的安装与环境变量配置（含记事本编写程序并在cmd运行教程）

本文介绍了Java开发环境的配置流程：首先从官网下载并安装JDK；接着配置系统环境变量，包括新建JAVA_HOME变量指向JDK安装路径，以及在Path中添加JDK的bin目录；最后通过记事本编写HelloWorld程序并编译运行验证配置。配置完成后需在cmd中执行java/javac命令测试，确保能正确显示版本信息并成功编译运行Java程序。

2025-10-14 14:22:17 370

原创用Python爬取英文文本（附代码）

本文介绍了使用Python编写网络爬虫程序获取英文文本并进行词频分析和词云生成的全过程。研究背景强调了爬虫技术在信息获取和搜索引擎开发中的重要性，特别指出大一学生掌握爬虫基础的必要性。文章详细阐述了爬虫工作的四个关键步骤（请求发送、内容获取、解析和存储）以及涉及的Python核心技术（字符串处理、字典、列表等数据结构）。实现过程展示了具体代码，包括使用requests获取网页内容、BeautifulSoup解析HTML、split()方法分词、字典统计词频，以及利用WordCloud库生成词云图。

2025-10-14 11:15:31 1145

原创用Python爬取中文文章（附代码）

本文探讨了Python网络爬虫的开发与应用。研究背景指出掌握爬虫技术对信息工程专业学生具有重要意义，涉及Python语法、控制结构、第三方库使用等基础技能。文章阐述了爬虫原理（请求-响应-解析-存储四步骤）和关键技术：jieba中文分词（精确/全/搜索引擎模式）、字典数据结构（键值对存储）和列表操作（元素存取与处理）。实现过程结合requests、parsel、jieba、wordcloud等库，通过CSS选择器、BeautifulSoup等工具完成数据采集、清洗分析和可视化（词频统计与词云生成）。

2025-10-14 11:02:12 1141

2301_80160362的博客