探索性问题

摘要： 立体几何是高中数学的重要内容之一,是高考高频考点,重点考查空间位置关系的判断和证明,空间角与距离的计算等问题.而探索性问题是近几年高考命题的热点,常以解答题中最后一问的形式出现,本文就如何合理有效地解决立体几何的探索性问题进行简单梳理。

摘要： 数列问题是高中数学重要的考查题型,主要包含求数列的通项、数列求和以及以数列为载体的综合问题.近年来,数列相关的探索性问题考查频率在逐渐提升,要求学生在掌握数列基础知识的前提下求解相关探索性问题,具有一定的综合性和难度.本文主要介绍三类不同的数列探索问题:条件探索性问题、结论探索性问题、存在性探索问题,并结合例题对不同类型问题的方法和思路进行分析.

摘要： 1引言数列中的探索性问题是近年新课标高考中比较常见的一类创新性问题,根据数列中的定义、通项公式、求和公式以及相关性质等加以变形与应用,通过观察、分析、试验、归纳、运算、类比、猜想、论证来剖析与转化,创新成分非常高.

摘要： 存在型问题作为探索性问题之一,具备了内容涉及面广、重点题型丰富等命题要求,方便考查同学们的分析、比较、猜测、归纳等综合能力,因而受到命题人的喜爱。圆锥曲线存在型问题是指在给定题设条件下是否存在某个数学对象(数值、性质、图形)使某个数学结论成立的数学问题。

摘要： 探索性的问题历来倍受高考亲睐,它有利于考查学生的思维品质和学习潜能;有利于培养学生发现问题、分析问题、解决问题的能力和创新意识.一个探索性问题,往往蕴含丰富的数学知识、性质,常是学习者探求一类问题的“窗户”.本文以一道某地质检解几压轴题为例,它的背后隐藏着圆锥曲线的一个美妙性质,以下是笔者对此问题的推广与拓展.

摘要： 数列中的探索性问题,立意精巧,形式多样,近年来,在高考和其它选拔性考试中频频出现,值得我们重视,下面举例解析几种常见题型,目的是介绍解题方法、完善知识体系,仅读者朋友供参考.

摘要： 圆锥曲线中的探索性问题是各类命题的热点,常见的题型有:探索是否存在符合条件的点、直线或结果是否为定值等,求解时一般是先假设结论存在,再进行推导,有时也会出现探索曲线位置关系的试题。

摘要： 立体几何解答题的基本模式是论证推理与计算相结合,以某个几何体为依托,分步设问,逐层加深。大部分问题都需要用向量工具解决,处理问题的原则是建模、建系。建模即需要将问题转化为平行模型、垂直模型、平面化模型及角度、距离等的计算模型;建系是依托于题中的垂直条件,建立空间直角坐标系,再利用空间向量求解。

摘要： 圆锥曲线中的证明和探索性问题是高考中解答题的常考题型,难度比较大,这类问题往往是以解析几何知识为载体,在函数、不等式、向量等知识交汇处设计问题,涉及的知识点较多,对考生处理综合问题能力的要求也较高,是近几年高考中的热点和难点。证明题的设计通常与位置、角度、长度、面积等相关,在高考题中,证明的方法通常以直接证明为主,即从题目已知条件出发来验证结论的正确性,题型也主要包括三点共线问题、长度问题、角度问题、直线过定点问题等。而探索性问题则是在同等条件下,开放式设问,通常以存在或不存在来提问,而非直接给出需要证明的结论,以问题的不确定性来制造悬念,要求考生能独立判断其结论,并给出相应的证明过程。

摘要： 圆锥曲线的综合题型包括:圆锥曲线与直线或与圆的联立问题;直线与曲线、曲线与曲线的位置关系问题;圆锥曲线与其他知识(如函数、数列、不等式、向量、导数等)的综合问题。圆锥曲线的综合问题已经逐渐向多元化、复杂化发展,视分类标准而定,常可分为:弦长问题、中点弦问题、范围与最值问题、定点(值)问题、轨迹问题与探索性问题,同时还增加开放性等创新型问题,笔者通过对该类问题的归纳发现:除了具有必备知识、关键能力,还要具有良好的数学核心素养,才能较好地处理此类综合问题。

摘要： 本发明涉及一种基于知识图谱针对bug问题进行探索性搜索方法。本发明有效地结合bug库及commit库中的信息，通过理解要搜索的内容得到相关的bug信息，建立它们之间的实体关系，并列出相关的bug repotrt信息、commit信息、相关人员的信息及类似的bug信息，提高软件开发和维护人员解决bug问题的效率。本发明克服了现今方法存在的查询结果并不准确，且当数据量较大时，需花费大量的时间进行检索等缺陷。本发明从软件开发者和维护者的角度，理解搜索者输入的内容，提供直观准确的信息，帮助搜索者解决遇到的bug问题。不仅缩短了搜索时间，还确保了搜索结果的准确性，通过记录搜索者浏览的信息，进一步预测搜索者的目的，帮助软件开发人员更全面的了解和学习相关bug的知识。

摘要： 本发明公开了一种大数据探索性标签地图的生成方法，该方法设计了全局类内、局部类内、全局类间、局部类间四种大数据探索性标签地图生成模式。包括五个步骤：1、获取标签和地理区域范围；2、指定大数据探索性标签地图生成模式：全局类内模式，计算标签在其关联区域中的频率；局部类内模式，指定兴趣区，计算标签在该区域中的频率；全局类间模式，指定标签主题和显示数量，统计标签在其关联区域中的频率；局部类间模式，指定兴趣区，分别计算标签在其关联区域和所有区域中的频率；3、确定初始位置；4、位置有效性检测；5、放置标签。本发明方法设计了四种大数据探索性标签地图生成模式对地理文本信息进行探索性分析。

摘要： 本发明实施例提供了一种探索性测试的响应方法及装置、计算机设备、存储介质。一方面，该方法包括：获取测试对象的界面元素信息，并将所述界面元素信息存储在本地数据库；响应针对界面元素的探索性测试操作，生成所述界面元素的测试记录；根据所述测试记录显示所述测试对象的测试状态信息。通过本发明，解决了现有技术中探索性测试效率低的技术问题。

摘要： 本发明涉及一种基于知识图谱针对bug问题进行探索性搜索方法。本发明有效地结合bug库及commit库中的信息，通过理解要搜索的内容得到相关的bug信息，建立它们之间的实体关系，并列出相关的bug repotrt信息、commit信息、相关人员的信息及类似的bug信息，提高软件开发和维护人员解决bug问题的效率。本发明克服了现今方法存在的查询结果并不准确，且当数据量较大时，需花费大量的时间进行检索等缺陷。本发明从软件开发者和维护者的角度，理解搜索者输入的内容，提供直观准确的信息，帮助搜索者解决遇到的bug问题。不仅缩短了搜索时间，还确保了搜索结果的准确性，通过记录搜索者浏览的信息，进一步预测搜索者的目的，帮助软件开发人员更全面的了解和学习相关bug的知识。

摘要： 本发明涉及一种利用Vega‑Lite实现交互式可视化探索性分析的方法，包括：步骤1、以neo4j图数据库的形式分别构建问题类型模型、分析数据集模型、EDA组件模型以及Vega‑Lite交互式语法模型的知识图谱，并建立模型之间的连接关系；步骤2、利用EDA进行数据分析，从分析问题类型出发选取分析数据集，根据每步分析的需求推荐可视化组件的类型，对可视化组件交互行为得到的结果可以继续进行EDA数据分析，直至得到准确的结论；步骤3、基于python中的py2neo包连接四个模型的图数据库，读取实体节点与属性节点的配置信息以及节点之间的关系，从一个问题类型出发到推荐可视化组件，最终自动生成Vega‑Lite可视化语法。该方法实现了数据与可视化展现的分离，提升了EDA数据分析结果的可信度。

摘要： 本发明涉及探索性测试技术领域，公开了一种基于探索性测试的自动生成和管理测试用例的方法，包括：通过RDP协议与操作记录模块建立连接；提取RDP协议报文中的控制信息包和字体信息包；根据控制信息包判断是否为鼠标操作事件；根据脚本生成模块获取图形文字表内容作为操作对象参数，获取键盘操作表内容作为事件输入参数，组合生成自动测试脚本；根据用例生成模块获取自动测试脚本执行后的测试报告结果，作为测试用例结果，生成测试用例，通过API推送至用例管理平台进行入库管理。本发明还公开了一种公开了一种基于探索性测试的自动生成和管理测试用例的系统。本发明能够解决探索性测试难以复查测试用例、难以重复执行相同测试的问题。

摘要： 本发明公开了一种大数据探索性标签地图的生成方法，该方法设计了全局类内、局部类内、全局类间、局部类间四种大数据探索性标签地图生成模式。包括五个步骤：1、获取标签和地理区域范围；2、指定大数据探索性标签地图生成模式：全局类内模式，计算标签在其关联区域中的频率；局部类内模式，指定兴趣区，计算标签在该区域中的频率；全局类间模式，指定标签主题和显示数量，统计标签在其关联区域中的频率；局部类间模式，指定兴趣区，分别计算标签在其关联区域和所有区域中的频率；3、确定初始位置；4、位置有效性检测；5、放置标签。本发明方法设计了四种大数据探索性标签地图生成模式对地理文本信息进行探索性分析。

摘要： 本发明公开了一种区分用户探索性模式和时空重访问模式的POI推荐方法及装置，其中的方法首先建模了用户在探索性模式下的偏好和用户的时空重访问模式下的偏好，利用时间间隔和空间间隔计算了时空相关性系数，接着分别计算了两种模式下POI候选集中所有POI的评分。然后计算了探索性模式和时空重访问模式的转换概率，最后结合两种模式下POI的评分和两种模式的转换概率计算了最终的POI推荐得分，对最终的POI推荐得分进行排序选择，推荐得分最高的前N个POI。本发明具备高效的POI推荐性能，可服务于网约车、旅行推荐等平台用于提升用户出行体验。

摘要： 本发明涉及一种用于在制造系统中利用探索性模拟由数字孪生自动生成工艺清单的方法，该方法包括：接收代表待生产的产品的设计信息；迭代地进行该制造系统的模拟；基于该模拟来识别制造动作；优化所识别的制造动作，用以有效地生产待生产的产品；通过该制造系统生成用于生产该产品的工艺清单。能够利用正在生产的产品的数字孪生和环境的数字孪生进行模拟。系统动作利用强化学习技术进行优化，以基于产品的设计信息和任务规范自动生成工艺清单。

摘要： 本发明公开了一种用于多维度数据的探索性数据分析方法，包括如下步骤：S1、接收多维数据集；S2、根据数据集智能生成图表内容；S3、根据图表内容智能匹配洞察算法；S4、用户主动选择洞察算法；S5、默认或调整选择的洞察算法的参数配置；S6、洞察算法接收数据并计算；S7、生成洞察报告结果。该用于多维度数据的探索性数据分析方法可以代替人工进行数据挖掘和探索，节省分析人员的时间和精力，突破了局限性，在多种交互入口智能化推荐洞察角度和方向，智能匹配集成化的洞察算子，解决了多维度数据难以下手分析的困境，全程提供默认的洞察参数配置，方便小白用户快速进行分析定位问题，也能让专业用户自定义算法输出内容，从而使分析更高效。