应用于微博的LDA模型改进

第32卷第X期亓晓青等：应用于微博的LDA模型改进应用于微博的LDA模型改进摘要：针对微博短文本高维稀疏的特点，主题模型被广泛研究用于微博文本聚类。作者主题模型（ATM）作为对热门主题模型LDA的有效拓展也用于微博文本挖掘。然而应用于微博文本挖掘，ATM具有两个缺点，其一是一篇文档中的单词只能由一个作者产生，其二是没有考虑到微博这种文本形式具有的内在结构信息。针对以上两点，本文提出了新的改进算法——用户与关联扩展LDA（ULLDA）。该lwqxq@方法根据微博的特点对ATM进行改进，并在NLPIR数据集上进行了验证，实验结果表明改进模型能有效地运用于微博文本挖掘，性能较ATM有所改进。关键词：数据挖掘；潜在狄利克雷分布模型（LDA）；吉布斯抽样

TheImprovementofLDAApplyinginMicroblogAbstract:Aimingatsparsehigh-dimensionproblemofmicroblog,topicmodeliswidelyresearchedintextclusteringofmicroblog.AuthorTopicModel(ATM),whichisaneffectiveextendingofLatentDirichletAllocation(LDA),isalsousedtothesamepurpose.However,therearetwodisadvantageswhileATMisused.Theoneisthatallthewordsinanarticlearegeneratedbyonlyoneauthor,theotheroneisthatATMdoesn'ttakeintoaccountoftheinsidestructureinformationofmicroblog.Tosolvethesetwoproblems,animprovementonATMispresented,andthenewmodeliscalledULLDA.TheprovingisgivenbasedonthedatasetofNLPIR,provingthatULLDAisusefulforthetextclusteringofmicrobloganditcanimprovetheperformanceofATM.Keywords:datamining;latentdirichletallocation;gibbssamping

引言微博作为新兴起的一种互联网社交网络服务，以其快速便捷的特性风靡全球。微博基于用户之间的关联关系，构筑了一个信息传播和分享的平台。每条微博可以被认为是一个文本片段，但是通常只有一句话。对于这种短文本数据，传统使用词作为特征来表示文本的方法，会由于同一个词出现在两篇不同短文本中的概率过小，而无法度量它们之间的相似度。因此主题模型(TopicModel)非常适合被应用到微博短文本聚类中。主题模型可以自动提取隐含在文档集中的主题，并按照词的分布形式直观地表达主题，是无监督分析文档和预测新文档方便的工具。LDA（LatentDirichletAllocation）[1][2]——潜在狄利克雷分配，是主题模型的一种。由于其参数简单，不产生过度拟合现象，逐渐成为主题模型的研究热点。.传统的LDA没有考虑到发表微博的用户，实际上把所有用户看作完全等同的。近几年出现的AuthorTopicModel[3]（以下简称ATM）是对LDA的一种改进，是从作者的角度来考虑文档中主题的生成。对于每个作者，对应于一个主题上的分布，同时传统LDA中的文档-主题分布随之消失，被作者-主题的分布所取代。然而ATM仍然存在一些缺陷，比如一篇文档中的一个单词只能属于一个微博用户，这是不合理的；另外没有考虑到微博这种短文本形式的结构信息。本文研究的主要目的是结合微博的具体情况，对ATM进行改进扩展，综合考虑微博的用户信息和文本关联关系，提出一种新的改进型LDA算法——用户与关联扩展LDA，简写为ULLDA。主题模型潜在狄利克雷分配LDA模型是由文档，主题和词构成的三层贝叶斯模型，它是第一个完备的主题模型。LDA假设词是由一个主题混合产生，同时每个主题是在固定词表上的一个多项分布；这些主题被集合中的所有文档所共享；每个文档有一个特定的主题比例，从Dirichlet分布中抽样产生，主题之间是相互独立的。LDA生成文本的方式可以用图1.1中的模型来表示。假设文档集合有D篇文档和V个不同的词，每篇文档包含K个主题，文档d的单词总数为Nd，则一篇文档的生成过程如下：图1.1LDA的概率图模型对于一篇文档d中的每一个单词，从该文档所对应的多项分布中抽取一个主题z，然后再从主题z所对应的多项分布中抽取一个单词w。将这个过程重复Nd次，就产生了文档d。其中和分别有一个带有超参数α和β的Dirichlet先验分布。该模型有两个参数需要推断：一个是“文档-主题”分布，另一个是“主题-单词”分布。通过学习这两个参数，可以知道每篇微博所涵盖的主题比例等。推断方法主要有变分-EM算法以及现在常用的Gibbs抽样法。AuthorTopicModel随着LDA的推出，大批学者对于基本LDA进行了各种变形和拓展，并在各种任务上应用。ATM是把作者信息纳入到文档分析中，以达到能同时分析文档结构和作者兴趣程度的目的。 ATM的概率图模型如图1.2所示，每个x∈ad表示每个单词所对应的作者，每个作者有关于K个主题的兴趣分布,是关于超参数α的Dilichlet分布。给定作者x，词语的主题z，就能根据主题分布z选出词语。通过估计参数和就能得到每个微博用户参与最多的主题和每篇文档由哪些主题构成。图1.2ATM的概率图模型然而ATM应用在微博这种短文本中也有一些不足之处，首先，由图1.2可以看出，ATM模型在产生一篇文档时，遍历产生每个词的过程中，都是对应同一个用户x，这就导致了一篇文档中的一个词只能属于一个微博用户。然而，微博文档有三种不同的形式：原创、转发、对话，对于转发来说，文档中会包含一个或者更多用户的内容，所以一个词不一定属于一个用户。第二个问题是，ATM没有考虑微博中的内在联系人之间的资源，对于评论转发和对话文本，里面明显还包含不同于原创文本的信息。改进LDA模型——用户与关联扩展LDA（ULLDA）针对所述ATM具有的上述缺陷，提出改进型LDA模型——用户与关联扩展LDA（ULLDA）。首先介绍一下微博中的三种类型的文本：1、原创文本，由微博用户发表的原创性信息，最接近普通的文本数据。就微博来说，该种信息只会有一个作者，ATM对其来说比较合适。2、评论转发文本，该文本中包括其他微博用户发表的文本，以及最新的评论，一般会以“||”分隔。比如如下文本“还好，俺读书时，进重点只需要分数够高，班干部是没人愿意干的，同学们都很纯的，不管家境贫富。||

\o""zkxcoder:右边是高富帅白富美级别的选项，吊丝级别的选项是混个文凭，独善自身”，该种文本不同于原创型文本的地方在于其相当于两个或多个微博用户的文本的集合，按照上节的分析可以发现，ATM不适合这种文本，因为文本的主题信息并不只取决于一个作者。3、对话类型文本，文本中包含“@+用户名”，会提示该用户有针对他的消息。比如如下文本“@小艳子kiki@光影魔术师之择日而栖@就是爱黑巧克力尝试新的外景风格，亲们，我有木有拍婚纱照的潜质”，因为对话中涉及的内容一般符合双方主题，所以这种文本对于主题模型也有帮助，需要考虑。因此，当微博文本是评论转发型文本或者对话型文本时，由图2.1可以看出，ULLDA模型在选取完用户后，对该用户的主题对应的多项分布参数进行了改进，由原来的只取决于该用户，变为不仅取决于该用户，还取决于文本中体现的用户信息，从而利用了微博自有的结构信息，实现一个词的产生不仅依靠该一个微博用户。ULLDA的概率模型图如图2.1所示。图2.1ULLDA的概率模型其中，ad表示文档集所对应的作者集合向量，x表示选出的作者。α,β,ε为Dirichlet分布的超参数，代表微博用户x对应的主题分布，a代表关联用户对应的主题分布。与ATM相比，改进模型对微博用户对应的主题分布进行了改动，主题分布由原来的~Dir(α)变为Dir(α)d+Dir(ε)（1-d），d表示在评论转发和会话文本中微博用户的主题概率加权值，1-d表示在评论转发和会话文本中关联用户的主题概率加权值。ULLDA中一篇微博生成的步骤如下：从1~K遍历所有主题，取样~Dir(β)等概率从微博用户集合中选取用户x如果微博是原创微博，则~Dir(α)，如果是评论转发或者会话微博，则~Dir(α)d+Dir(ε)（1-d）。从1~Nd遍历微博长度，抽样z~Multi()，w~Multi(z)，生成一篇完整微博。本文提出的ULLDA模型，将用户信息引入LDA主题模型之后，可以同时分析文档结构和作者的兴趣程度；同时结合了微博自身特点，鉴于微博短文本造成的高维稀疏导致文档相似度比较困难，以及文档存在转发会话等结构信息导致ATM模型每篇文章主题分布只来源于一个作者的缺点体现出来，所以在ULLDA中，当求参数时，把多作者共同影响主题分布考虑进去，对实行了加权计算，从而得到更有效的模型。ULLDA模型的推导在ULLDA模型中，有两组未知参数：用户-主题分布和主题-词分布。本文采用Gibbs取样[4][5]方法进行参数估计。对于每个词，根据下面公式进行用户和主题的估计：（1）这里代表一篇文章中第i个单词分配给第j个Topic和第k个作者。代表第i个单词是词典中第m个词汇。代表除第i个单词之外其余单词的Topic和Author分配。表示单词m在此次分配之前已经分配给Topicj的总个数。表示到目前为止，作者k分配给Topicj的总个数。V是词典的总个数（数据集合中所有不同单词的个数），T是Topic的个数。在算法估计期间，我们只需要追踪两个矩阵。一个是VxT（wordbytopic）计数矩阵，另一个是KxT（authorbytopic）计数矩阵。最后，我们根据这两个计数矩阵估算author-topic分布和topic-word分布。（2）（3）表示作者k在Topicj的概率；表示Topicj使用单词m的概率。对于所述需要用到关联用户加权的情况下，可以得到关联用户的分布。（4）得到微博在主题上的概率分布和主题内的词分布后，即可据此求出每条微博关于各个主题的概率分布，以及每个主题内的每个词分布，从而可挖掘出每条微博最可能属于哪个主题，每个主题最有代表性的词。实验实验数据集本文采用的数据集来源于NLPIR微博语料库，该数据集包含了公开采集与抽取自新浪微博、腾讯微博的23万条数据数据预处理原始数据集采集的是文本信息，要用于实验处理，必须经过预处理。实验前采用中国科学院计算技术研究所数字化室&软件室发布的中文自然语言处理开放平台汉语词法分析系统ICTCLAS进行文本分割，并进行去停用词等相关预处理，实验中最后只保留最能代表语料语义属性的名词和动词。实验结果对比采用ULLDA模型对整个文档集进行主题建模，根据参考经验值，α=50/K，β=0.01，因为ULLDA模型的性能受到主题数目取值的影响,所以需要事先确定好主题数K。对K取不同的值分别进行Gibbs取样，检测logp(w|K)值的变化。实验结果如图4.1所示。图4.1最佳主题个数的确定由图4.1可以看出，当主题数目K为120时，logp(w|K)最大，之后逐渐减小，根据贝叶斯标准统计方法[6]可以确定，当K取120时，LDA模型对于语料库数据取得最佳有效信息拟合度，此时生成文档的能力也最强，因此实验选择最佳主题数K值为120。本文采用Perplexity指标对实验结果进行测量，Perplexity经常被用在语言模型中，是用来衡量语言模型对于测试语料建模时性能的好坏，取值越小表示性能越好。指标计算公式如下式：（4）其中Dtest为测试集，为测试集可观测到的单词，为单词数。在实验中，将NLPIR数据中的90%作为训练样本集，剩下的10%作为测试数据集，取主题数为120，计算测试文本集上的困惑度，得到结果如图4.2所示，可以发现，ATM与ULLDA困惑度都小于基础的LDA模型，同时本文提出的ULLDA模型的困惑度也较ATM模型有所降低，说明ULLDA模型对测试语料建模的性能要更好。图各模型Perplexity指数结论本文提出的ULLDA主要为了解决LDA的一种扩展——ATM具有的两个缺点：1、一篇文档中的一个单词只能属于一个微博用户；2、没有考虑到微博这种短文本形式所包含的结构信息。结合微博短文本的实际特性提出了改进模型ULLDA，克服了以上两个缺点。通过在NLPIR数据集上的验证，证实改进的模型的Perplexity指标更好，提出的改进模型能够有效地用于微博文本挖掘。参考文献：[1]ThomasK.Landauer,PeterW.Foltz,andDarrellLaham.AnIntroductiontoLatentSemanticAnalysis[J].DiscourseProcesses,2021,(25):259–284.[2]MichalRosen-Zvi,TomGriffiths,MarkSteyversetal.Theauthor-topicmodelforauthorsanddocuments[J].InUAI.[3]DavidM.Blei,AndrewY.Ng,andMichaelI.Jordan.Latentdirichletallocation[J].J.Mach.Learn.Res,March2021,3:993–1022.[4]T.L.GriffithsandM.Steyvers.Findingscientifictopics[A].ProceedingsoftheNationalAcademyof[5]GregorHeinrich.Parameterestimationfortextanalysis[J].Technicalreport,2021.[6]GriffithsTL,SteyversM.Findingscientifictopics［A].ProcNatlAcadSci[C]USA,vol.101Suppl1,2021:5228－5235.

社会实践报告系别：班级：学号：姓名：作为祖国未来的事业的继承人，我们这些大学生应该及早树立自己的历史责任感，提高自己的社会适应能力。假期的社会实践就是很好的锻炼自己的机会。当下，挣钱早已不是打工的唯一目的，更多的人将其视为参加社会实践、提高自身能力的机会。许多学校也积极鼓励大学生多接触社会、了解社会，一方面可以把学到的理论知识应用到实践中去，提高各方面的能力；另一方面可以积累工作经验对日后的就业大有裨益。进行社会实践，最理想的就是找到与本专业对口单位进行实习，从而提高自己的实战水平，同时可以将课本知识在实践中得到运用，从而更好的指导自己今后的学习。但是作为一名尚未毕业的大学生，由于本身具备的专业知识还十分的有限，所以我选择了打散工作为第一次社会实践的方式。目的在于熟悉社会。就职业本身而言，并无高低贵贱之分，存在即为合理。通过短短几天的打工经历可以让长期处于校园的我们对社会有一种更直观的认识。实践过程：自从走进了大学，就业问题就似乎总是围绕在我们的身边，成了说不完的话题。在现今社会，招聘会上的大字报都总写着“有经验者优先”，可还在校园里面的我们这班学子社会经验又会拥有多少呢？为了拓展自身的知识面，扩大与社会的接触面，增加个人在社会竞争中的经验，锻炼和提高自己的能力，以便在以后毕业后能真正真正走入社会，能够适应国内外的经济形势的变化，并且能够在生活和工作中很好地处理各方面的问题，我开始了我这个假期的社会实践-走进天源休闲餐厅。实践，就是把我们在学校所学的理论知识，运用到客观实际中去，使自己所学的理论知识有用武之地。只学不实践，那么所学的就等于零。理论应该与实践相结合。另一方面，实践可为以后找工作打基础。通过这段时间的实习，学到一些在学校里学不到的东西。因为环境的不同，接触的人与事不同，从中所学的东西自然就不一样了。要学会从实践中学习，从学习中实践。而且在中国的经济飞速发展，又加入了世贸，国内外经济日趋变化，每天都不断有新的东西涌现，在拥有了越来越多的机会的同时，也有了更多的挑战，前天才刚学到的知识可能在今天就已经被淘汰掉了，中国的经济越和外面接轨，对于人才的要求就会越来越高，我们不只要学好学校里所学到的知识，还要不断从生活中，实践中学其他知识，不断地从各方面武装自已，才能在竞争中突出自已，表现自已。在餐厅里,别人一眼就能把我人出是一名正在读书的学生,我问他们为什么,他们总说从我的脸上就能看出来,也许没有经历过社会的人都有我这种不知名遭遇吧!我并没有因为我在他们面前没有经验而退后,我相信我也能做的像他们一样好.我的工作是在那做传菜生,每天9点钟-下午2点再从下午的4点-晚上8:30分上班,虽然时间长了点但,热情而年轻的我并没有丝毫的感到过累,我觉得这是一种激励,明白了人生,感悟了生活,接触了社会,了解了未来.在餐厅里虽然我是以传菜为主,但我不时还要做一些工作以外的事情，有时要做一些清洁的工作，在学校里也许有老师分配说今天做些什么，明天做些什么，但在这里，不一定有人会告诉你这些，你必须自觉地去做，而且要尽自已的努力做到最好，一件工作的效率就会得到别人不同的评价。在学校，只有学习的氛围，毕竟学校是学习的场所，每一个学生都在为取得更高的成绩而努力。而这里是工作的场所，每个人都会为了获得更多的报酬而努力，无论是学习还是工作，都存在着竞争，在竞争中就要不断学习别人先进的地方，也要不断学习别人怎样做人，以提高自已的能力！记得老师曾经说过大学是一个小社会，但我总觉得校园里总少不了那份纯真，那份真诚，尽管是大学高校，学生还终归保持着学生的身份。而走进企业，接触各种各样的客户、同事、上司等等，关系复杂，但我得去面对我从未面对过的一切。记得在我校举行的招聘会上所反映出来的其中一个问题是，学生的实际操作能力与在校理论学习有一定的差距。在这次实践中，这一点我感受很深。在学校，理论的学习很多，而且是多方面的，几乎是面面俱到；而在实际工作中，可能会遇到书本上没学到的，又可能是书本上的知识一点都用不上的情况。或许工作中运用到的只是很简单的问题，只要套公式似的就能完成一项任务。有时候我会埋怨，实际操作这么简单，但为什么书本上的知识让人学得这么吃力呢？这是社会与学校脱轨了吗？也许老师是正确的，虽然大学生生活不像踏入社会，但是总算是社会的一个部分，这是不可否认的事实。但是有时也要感谢老师孜孜不倦地教导，有些问题有了有课堂上地认真消化，有平时作业作补充，我比一部人具有更高的起点，有了更多的知识层面去应付各种工作上的问题，作为一名大学生，应该懂得与社会上各方面的人交往，处理社会上所发生的各方面的事情，这就意味着大学生要注意到社会实践，社会实践必不可少。毕竟，很快我就不再是一名大学生，而是社会中的一分子，要与社会交流，为社会做贡献。只懂得纸上谈兵是远远不及的，以后的人生旅途是漫长的，为了锻炼自己成为一名合格的、对社会有用的人才.很多在学校读书的人都说宁愿出去工作，不愿在校读书；而已在社会的人都宁愿回校读书。我们上学，学习先进的科学知识，为的都是将来走进社会，献出自己的一份力量，我们应该在今天努力掌握专业知识，明天才能更好地为社会服务。实践心得：虽然这次的实践只有短短的几天，而且从事的是比较简单的服务工作，但是通过与各种各样的人接触，还是让我学会了很多道理。首先是明白了守时的重要性。工作和上学是两种完全不同的概念，上学是不迟到很多时候是因为惧怕老师的责怪，而当你走上了工作岗位，这里更多的是由于自己内心的一种责任。这种责任是我学会客服自己的惰性，准时走上自己的岗位。这对我以后的学习生活也是一种鞭策，时刻牢记自己的责任，并努力加强自己的时间观念。其次让我真实的体会到了合作的重要性。虽然我工作的只是小小的一家餐厅，但是从点单到制作到递送到结帐这一环环的工作都是有分工的，只有这样才能使整家店的工作效率都大大的提高。以前虽然在书上看见过很多的团队合作的例子，但这一次是深刻的体会到了，正所谓“众人拾柴火焰高”，“团结就是力量”。在以后的学习和工作中，一定会要牢记这一点，将自己融入到集体中，和大家一起携手走向辉煌。再次，这次打工的经历也让我的心理更加趋于成熟。在餐厅里每天面对形形色色的客人，重复着单调的工作。让从未涉世的我还是有那么一点点不适应的，但是坚持就是胜利。打工毕竟和在家是完全不同的概念，我们学会需要忍耐，需要学会承受，需要学会坚持。将自己这短短的一月的实践同理论相联系，我了解到当代大学生与以往的大学生相比较，求学经历、生活条件、所处社会大环境都相对优越，也没有经过必要的挫折教育，因此，意志往往比较脆弱，克服困难的能力也较差，常常是对社会的要求较高，对自我的要求较低。大学生的责任意识日益成为社会关注的热点问题，责任意识和诚信意识成为不少地方采用人才的两个新标准。大学生参与社会实践是促进大学生素质教育,加强和改进青年学生思想政治工作，引导学生健康成长和成才的重要举措，是学生接触社会、了解社会、服务社会，培养创新精神、实践能力和动手操作能力的重要途径。对于当代大学生来说，应当刻苦学习专业知识，不断提高综合素质和运用知识的技能。从大学生活的开始到走进社会的大圈子中，就只有短短的几年时间，谁不想在将来的社会中能有一席之地呢？所以大家认为大学生必须投身校园内外的各类实践活动，有助于锻炼品质，提高能力。可见其对大学生综合素质的提高有不可抵触的重要性。不能否认有过打工经历的同学，看起来要比其它同学更成熟、社会适应力更强，但对于学生，社会适应力只是一方面的衡量指标，大学期间主要的任务是学业结构的搭建，即知识结构、专业结构的搭建，为了打工影响甚至放弃了专业知识的学习，结果是得不偿失的。实践出真知，社会实践活动是大学生活的重要组成部份，培养当代大学生的历史使命感、社会责任感和积极向上的精神风貌，充分发挥实践育人的作用，提高大学生的综合素质，也是检验所学理论知识的标准，社会实践不但为大学生提供了一个发挥自我才能，展现自我风采的舞台，也是培养和锻炼同学们综合能力的一个阶梯，更是一个大学生进入社会，走上工作岗位前的演练场地。社会实践活动，从而确定比较正确的人生前进方向。河南理工大学计算机科学与技术学院实习报告20—20学年第学期实习名称生产实习实习地点实习日期学生姓名学号专业班级指导教师20**年**月**日一、实习基本情况20**年**月通过网络招聘，我应聘到河南中方纺业有限公司进行实习，该公司位于周口市，主要承担棉纺制造与销售工作，进入公司后我被分配到信息管理部门，主要从事的工作是对公司的网络进行管理与维护，同时对公司网站的管理与维护进行学习，三个月的实习让学会了从不同的角度去看待问题和解决问题，对网络工程师的工作有了全面的认识，为以后的就业积累了经验。二、实习内容1.单位情况河南中方实业（集团）有限公司是以棉花种植、收购、加工、经营、仓储、纺织及棉花与纺织品进出口为产业链条，集研发、生产、经营、投资、管理于一体的现代产业化集团企业。旗下拥有多家从事棉花、纺织等生产、经营的全资、控股子公司。经过多年的发展，公司已形成了以“棉花经营、棉花物流、棉纺织、纺织品出口”为主干业务，以“国内、国际”为两大市场的经营格局。棉花经营涵盖进口棉、新疆棉、地产棉三大系列多个品种；棉花物流业务以地产棉交易为主，填补了河南无地产棉交易市场的空白，并融入了全国棉花物流体系；棉纱产品从精梳40s到精梳120s、气流纺纱16s到21s等两大系列；外贸出口涵盖棉纱、面料、服装等三大系列、400多个品种。公司营销网络覆盖国内众多棉花生产、经营、纺织企业，大型专业公司及国际棉花、纺织工贸公司，并与之建立了长期稳固的互助合作关系，业务范围遍及河南、河北、湖北、新疆、甘肃、浙江、江苏、山东、广东、福建、香港、新加坡、印度、澳大利亚、美国等区域。2.技术培训初到公司后，公司进行了一系列的公司工作相关培训，如企业文化、企业制度等，我所在的信息管理部门也进行了一些技术培训，主要内容有办公软件的使用、公司网络的日常维护工作等，这些培训让我对网络专业有了更进一步的了解，对网络工程师应该干什么有了一个整体的了解。3.工作内容在实习期间我先后主动了解了公司职能范围、机构设置、人员编制等基本情况，并对人事教育、网络管理重点以及现场维护等工作深入学习，先后研读了TCP/IP协议详解一、二卷等书籍，同时我还理论联系实际，实习期间主动要求跟老工程师到现场去实践锻炼、了解学习，努力从多方面开拓自己的眼界。我的主要工作是，在日常工作中通过对老员工的学习，不断的增加自己的实践知识储备，积极参加部门的技能培训，及时总结学习内容，同时对公司需要的文件进行修改、打印以及分发到各个部门。在实习期间，我遇到了很多问题如对设备不熟悉、所学知识不能学以致用等问题，通过自己的沟通协调和监督管理，这些问题都得以解决。三、实习感想从学生到实习工程师，短短几个月的工作过程使我受益匪浅。不仅是在专业知识方面，最主要是在为人处事方面。社会在加速度地发生变化，对人才的要求也越来越高，要用发展的眼光看问题，得不断提高思想认识，完善自己。作为一名it从业者，所受的社会压力将比其他行业更加沉重，要学会创新求变，以适应社会的需要。在单位里，小到计算机的组装维修，大到服务器的维护与测试，都需要一个人独立完成。可以说，近几个月的工作使我成长了不少，从中有不少感悟，下面就是我的一点心得：

第一是要真诚：你可以伪装你的面孔你的心，但绝不可以忽略真诚的力量。第一天去网络中心实习，心里不可避免的有些疑惑：不知道老师怎么样，应该去怎么做啊，要去干些什么呢等等吧！踏进办公室，只见几个陌生的脸孔。我微笑着和他们打招呼。从那天起，我养成了一个习惯，每天早上见到他们都要微笑的说声：“您早啊”，那是我心底真诚的问候。我总觉得，经常有一些细微的东西