一、一个动态网站自动生成发布系统（论文文献综述）
苏丹[1]（2021）在《安卓应用行为刻画方法及关键技术研究》文中进行了进一步梳理移动互联网的迅猛发展改变着人们的衣食住行等各个方面,智能移动终端已经成为生活中不可或缺的重要工具。其中,安卓平台以其开放性及易用性迅速占领手机市场,与之配套的数以百万计的安卓应用可以满足用户不同的功能需求。然而,种类繁多的安卓应用中鱼目混珠,引发了新的隐私风险和安全问题。一方面,恶意应用的隐私窃取、锁屏勒索等恶意行为给用户造成了重大数据和财产损失;另一方面,大量低质量应用混迹于应用市场内,给用户在选择应用时带来困难。如何刻画应用行为,有效检测恶意应用,筛选出高质量应用,保护用户的信息和财产安全,净化安卓生态环境,已成为当前信息安全领域迫在眉睫的关键问题。本文以安卓应用为主要研究对象,针对恶意应用家族分类、锁屏勒索软件检测、应用质量评估这三个伴随安卓系统发展衍生出的关键问题,以问题为导向,基于现有的领域内研究基础,致力于安卓应用行为刻画方法及应用研究。力求探索不同实际问题场景下安卓应用的行为机理,发现行为规律,提出了多源异构细粒度的行为特征集,对行为进行精准刻画及表达,并结合具体的分类需求,构建了相应的检测模型,达到能高效区分正常应用与恶意应用、高质量应用与低质量应用的目标。本文的主要贡献如下:（1）提出了基于应用关系图社区发现的恶意应用家族分类方法。首先,针对恶意应用家族边界模糊的现状,提取了包含11类多源细粒度特征刻画恶意应用家族行为。其次,针对传统聚类算法对恶意应用之间相似性评定粒度较粗的问题,将行为特征与图模型融合,构建了恶意应用关系图来刻画应用间的相似性。在构建关系图时,为克服ε图的孤立点问题和k近邻图的过度均衡问题,将二者融合,提出了 E-N建图方法。最后,本文以社区而非孤立的角度看待恶意应用,提出了基于应用关系图社区划分的恶意应用家族分类方法。本文评估了不同特征集的有效性和检测恶意应用的局限性,对比了检测的社区分布与原始家族分布的差异,提供了家族间相似性的直观展示。在来自13个家族的3996个恶意应用样本集上验证了家族特征集及家族分类方法的有效性,达到Rand指数为94.93%、准确率为79.53%的检测结果。（2）提出了基于典型行为特征的安卓锁屏勒索软件检测方法。本文是较早系统性分析国内社交网络上安卓锁屏勒索软件的工作。首先,本文对国内社交网络上的锁屏勒索软件交易进行全面研究,详细揭露交易产业链传播策略、开发模式、盈利模式及加密方式。其次,锁屏勒索软件的独特行为无法用传统常用的静态特征准确描述,本文在分析大量样本后,提出了锁屏勒索软件典型行为特征集,从多种来源提取了“言”和“行”两方面共6类特征。此特征集能够克服因混淆导致的传统基于API名称为特征的检测方法失效的问题,可以检测出加壳并伪装成热门应用的锁屏勒索软件。最后,提出了基于典型行为特征的安卓锁屏勒索软件检测方法,采用机器学习算法集成决策高效检测锁屏勒索软件。本文从国内社交网络上收集了 301个真实传播的锁屏勒索软件样本,从安智市场收集了 15751个正常样本组成实验数据集,评估了锁屏勒索软件的特征集及检测方法的有效性。实验结果显示,本文提出的特征和检测方法达到了平均99.98%的准确度。（3）提出了基于界面跳转属性图的安卓应用质量评估方法。针对基于用户生成的统计数据推荐应用而造成的冷启动问题,本文旨在通过应用本身的特征对其进行质量评估。由于正常应用行为更加多样,需寻找不同种类间高质量应用的共同点,构建能对不同种类应用的质量进行统一刻画的特征。首先,本文根据调研得出能够刻画应用质量的特征依据,提出了由界面级特征和应用级特征组成的双结构应用质量评估特征集。在动态分析过程中,提出了基于界面控件优先级的动态触发机制,提高了分析覆盖率。其次,本文提出了图-向量标准化模型及多源异构特征融合方法,使得不同规模的界面级特征转化成标准的向量表达,而后与应用级特征融合,形成能刻画整个应用的特征向量。最后,提出了基于界面跳转属性图的安卓应用质量评估方法,集成机器学习算法将应用划分为不同质量等级,用于区分高质量与低质量应用。本文详细对比了不同质量应用间的特征差异,并在图-向量映射方法中与多种其他方法对比,阐述了特征集和方法的有效性。在来自Google Play的16类共3050个应用的数据集上评估了上述方法,取得最佳85%的分类准确率。
贾琼[2]（2021）在《基于关联数据的历史档案资源聚合研究》文中指出中华民族有着悠久的文明和灿烂的文化。中华优秀传统文化是中华民族的精神命脉,对中国特色社会主义建设有着重大意义,能够助推中国人民坚定文化自信。历史档案是中华优秀文化的载体,清晰系统地记录了中华民族的历史传统、文化积淀和文明传承,加强历史档案资源的开发利用,就是对中华优秀文化的挖掘、传承与创新。因此,以历史档案资源为研究对象,深入剖析其内容组织、聚合与开发等相关问题,具有重大的理论意义和现实价值。此外,随着现代信息技术在档案领域的不断应用与发展,档案资源的数字化管理与数据化应用成为学术研究和实践推进的重点领域。一方面,用户对历史文化资源全面获取的需求成为一种主流趋势,政府、社会和个人对历史档案的政治需求、学术需求、文化需求愈发迫切,并呈现出数字化、网络化、知识化等新特征;另一方面,数字技术的应用正在重塑历史档案开发利用的格局,数字人文、数据挖掘、知识组织等理论方法正在广泛应用于历史文献典籍的数据化加工、深度组织与实际应用等工作。但是面对卷帙浩繁、异构多元的历史档案资源,其深度聚合、语义互联、知识映射等问题的应用有效性有待解决。基于此,引入关联数据技术,构建实现历史档案资源聚合的解决方案,提出切实可行的实施策略,在理论层面、技术应用层面和实践层面具有较强的研究空间和应用场景。本研究在历史档案资源价值深刻认识的基础上,系统的梳理了历史档案资源开发利用、档案资源聚合、关联数据应用等领域的研究成果,发现基于关联数据的历史档案资源聚合研究具有进一步挖掘和探索的空间;在明确本研究基本研究概念和范畴的基础上,以档案价值论、档案知识组织、数字人文等理论与方法作为指导,展开系统的研究。首先,提出了关联数据技术驱动下历史档案资源聚合框架。明确了历史档案资源聚合的原则、流程及目标,讨论了历史档案资源聚合的关联强度、关联维度、关联阶度以及关联粒度四个维度,基于对历史档案资源层级的划分,提出了历史档案资源聚合的整体框架。其次,构建了历史档案资源的数据关联模型。对常用的历史档案资源元数据标准进行了对比分析,进一步明确元数据标准选择的思路和步骤,提出了历史档案资源描述的元数据方案;在对历史档案知识分类、知识本体层级划分等工作的基础上,以第二历史档案馆保存的中华民国临时约法档案为案例对象进行元数据实例研究,并以盛宣怀档案为例构建了历史档案资源知识本体;通过元数据元素识别、知识本体概念关系抽取等过程,实现历史档案资源数据关联模型的构建。第三,基于历史档案资源的数据关联模型,进一步设计了历史档案资源关联数据的语义化操作与发布流程,强化了历史档案资源聚合方案的可操作性。第四,详尽讨论了历史档案资源的聚合服务的主要功能,设计了历史档案资源聚合的服务平台。最后,针对目前历史档案资源服务现状,提出了基于关联数据的历史档案资源聚合的实施策略。本研究主要采用了文献调查、比较分析、实证研究等研究方法,从模型构建、技术方案、实现路径等角度进行讨论和分析,为历史档案资源开发利用提供新的视角和研究思路,对于激活历史档案价值实现,提高档案工作的社会影响力,满足政府、社会及个人的现实需求具有较强的促进作用。
葛天雄[3]（2021）在《基于MQTT的通用物联网安全系统框架》文中认为物联网相关技术随着传感、网络、通信和计算机技术的发展而日趋成熟,应用更加广泛。许多新技术不断被提出并应用于物联网系统。但与此同时,物联网技术发展和应用的过程中,也出现了一些新问题:构建一个应用了众多新技术的物联网系统十分复杂,同时物联网系统的安全性问题也面临着严峻的挑战。在这个背景下,本文决定以“若依”管理系统为基础设计一个通用物联网安全系统框架,应用此框架可以更快速地构建一个完整的物联网系统。首先,分析了并对比了在普遍的物联网系统中常用的通信协议,决定采用适用范围十分广泛的MQTT通信协议;通过对物联网设备信息上传和接收的消息内容的分析,将消息内容抽象化地表示。消息内容抽象化表示后,建立统一的数据库模板进行存储并与前端页面交互,以此来实现对物联网设备的通用监控管理。它解决了物联网设备访问,信息传输和信息存储的通用性问题。其次,通过研究现有的物联网的系统中MQTT安全通信的方案,分析其中信息交互所存在的效率与安全问题,提出一个基于MQTT协议,并且兼顾效率与安全性的通用物联网通信安全设计方案（命名为GtxMQTT）,解决物联网设备上云的通信安全和通信效率问题。再次,在研究物联网系统的设计过程中,为了减少对后端程序的开发部署,设计了一种通用的后端管理系统,并提供在前端网页界面设计数据表并动态生成带权限认证API接口和在线接口文档,可以在一定程度上免去系统的后端开发。最后,本文应用以上的解决方案,并结合嵌入式和前后端技术设计出一套通用的物联网系统安全系统框架。经测试,应用该框架可以更快速地搭建一些中小型的物联网,并且设备端与服务器之间进行MQTT信息传递时,信息处理速度更快。
邓晶艳[4]（2021）在《基于大数据的大学生日常思想政治教育创新研究》文中研究表明中国特色社会主义进入新时代,标定了大学生日常思想政治教育的新方位。面对新时代提出的新任务与新要求,大学生日常思想政治教育要不断探索新思路、新路径与新方法,进一步增强工作的针对性与实效性,以满足大学生成长成才需求以及党和国家事业发展需要。当前,随着移动互联网、物联网、云计算、人工智能等为代表的新一代网络信息技术的迅猛发展、全面集成与广泛应用,人类逐步迈入大规模数据挖掘、运用与创新的“大数据时代”。在此时代背景下,如何运用新媒体、新技术加强和创新高校思想政治教育工作,使之富有时代性、增强针对性、彰显实效性,是新时期高校面临的一个重要而现实的课题。作为当代信息技术发展的前沿,大数据广域的信息资源、先进的信息处理技术以及全新的思维范式,为大学生日常思想政治教育带来了即时性、精准性、前瞻性与个性化等创新发展的新动力与新空间。将大数据思维、技术与方法全方位嵌入大学生日常思想政治教育各要素、各环节与全过程,促进大学生日常思想政治教育革新思维、优化供给、改进方法、重构范式,建构科学化、数字化与智能化的大学生日常思想政治教育体系,推进大学生日常思想政治教育向“精准思政”“智慧思政”转型升级,是大学生日常思想政治教育顺应时代发展的现实需要,也是其进一步提质增效、焕发新机的重要生长点与强劲推动力。阐释大数据内涵、价值、特征与功能,阐释大学生日常思想政治教育内涵并且辨析其与大学生思想政治理论教育的关系,有利于进一步探讨两者的深度融合。基于此,大学生日常思想政治教育大数据概念得以提出。从大学生日常思想政治教育大数据资源、大学生日常思想政治教育大数据技术、大学生日常思想政治教育大数据思维三个维度全面阐述大学生日常思想政治教育大数据的内涵与外延,同时运用马克思主义哲学基本原理和方法论论析大学生日常思想政治教育大数据的生成逻辑、发展动因、方法论基础与价值取向,可以明确大数据与大学生日常思想政治教育需求的契合点,理清大数据对大学生日常思想政治教育的作用机理。面对新时代提出的新任务与新要求,大学生日常思想政治教育仍然面临一些困境、存在一些短板和弱环。运用文献资料法、大数据文本挖掘方法与访谈调研法审视大学生日常思想政治教育现状,总结当前大学生日常思想政治教育存在的问题与困境并作原因剖析,同时探讨新时代大学生日常思想政治教育新要求,指出新时代大学生日常思想政治教育面临的新课题以及新时代大学生日常思想政治教育的指导思想与原则、教育内容体系以及教育工作的主体转型,有利于为新时期大学生日常思想政治教育发展创新提供现实依据。通过分析大数据在大学生日常思想政治教育中应用的技术优势以及可能性,进一步探讨大数据在大学生日常思想政治教育中“精准画像”“规律探寻”与“超前感知”三个应用呈现。以之为基础,基于当前大学生日常思想政治教育存在的理念滞后、模式粗放、知行脱节、供需错位等难题,提出利用大数据推进大学生日常思想政治教育由线性思维向系统思维、由普适教育向个性化培育、由认知培育向实践养成、由需求侧适应向供给侧发力四大发展转向并详细阐述四大发展转向的实现路径。基于大数据推进大学生日常思想政治教育不仅要遵循学科规律、注重理论深化,还要坚持实践导向,致力推动大数据应用,促进理论与实践的双向转化。由之,宏观上,探索大学生日常思想政治教育大数据的数据采集、数据预处理与存储、数据挖掘与分析、数据应用与可视化、数据解释与反馈五大工作模块与应用流程;微观上,对大数据在大学生日常思想政治教育典型场域中的“数据画像”“精准资助”“失联告警”三个应用进行数据模型构建,从而为大学生日常思想政治教育利用大数据提供切实可行的实现路径。大数据为大学生日常思想政治教育创新发展带来了前所未有的机遇,然而,当前大学生日常思想政治教育利用大数据还存在观念性、路径性与机制性瓶颈,同时,大数据是一柄双刃剑,对数据的不当应用会带来诸如“数据垄断”“数据滥用”“数据侵害”“数据冰冷”等一些可能的风险与挑战。高校尚须在思维理念、技术开发、政策支持、制度完善、机制建设、校园环境建设等方面对大数据应用作出回应与调试。不仅如此,在基于大数据创新大学生日常思想政治教育过程中,高校要注重发挥教育工作者的主体性与能动性,始终坚持数字技术与人文精神、数据智能与教育智慧相结合。
杨佩佩[5]（2021）在《基于图神经网络的在线社交网络恶意用户检测》文中研究表明社交媒体已经成为人们日常生活与社会交往不可或缺的重要场所,全球数十亿用户每天都会花费大量时间活跃在社交媒体平台上,这些网络平台已经成为人们实时交流、获取信息的工具。然而社交媒体的开放性和便利性同样也孕育了许多潜在危险,大量恶意账号和虚假信息充斥着社交网络。异常检测是识别社交网络上正常或异常活动的重要数据分析手段之一。图卷积网络（Graph Convolutional Network,GCN）作为一种应用在图数据上的深度学习框架,可以被用来检测社交网络上的异常账号和虚假信息。1)现有基于机器学习的异常账号检测方法主要通过手工提取能够区分异常账号和正常账号之间的特征,然而模型训练一般需要大量的标注数据,仅靠人工标注既耗时又昂贵且得到的特征向量有偏差、鲁棒性较差。现有基于图的检测方法通过在社交图上迭代地传播已知节点的标签信息来为其他未标记节点分配标签,然而当面对拓扑结构庞大而复杂的社交网络时存在无法快速收敛的问题。针对以上问题,本文提出一种基于GCN的深度自动编码器框架,通过多层图卷积捕获每个用户节点与其邻居节点之间的复杂交互,从用户高维属性和社交网络局部结构中学习隐含信息,将社交网络上的每个用户节点压缩为简洁的低维嵌入向量表示。进一步利用获得的用户编码特征,同时对用户节点属性信息和社交网络结构信息进行重构,根据重构误差对每个用户节点的异常情况进行评估,以此识别社交网络上的异常账号。实验结果证明该方法有效提升了召回率,减少了误判率。2)现有的基于机器学习、深度学习和自然语言处理的虚假信息检测方法,通常需要考虑足够多的转发和评论数据才能有效检测虚假信息,然而在虚假信息发布早期,其传播范围小转发评论少,无法获得足够多的特征,故在实践中无法实现虚假信息的早期检测。为应对这一挑战,本文提出一种弱监督的基于用户历史行为分析的GCN虚假信息检测框架,除了提取与信息内容直接相关的特征,还结合了用户特征计算每个账号在社交网站上的可信度值,作为辅助信息推断信息的真实性。最后融合内容特征和用户特征,利用GCN的聚合机制挖掘虚假信息帖子序列之间的交互模式,以实现虚假信息的早期检测。实验证明本文提出的GCN模型在虚假信息检测任务上有显着的改进,且在转发评论数据有限的情况下具有鲁棒性。
陈秋瑾[6]（2021）在《基于微服务架构与知识图谱技术构建无人机知识库系统》文中认为近年来,随着无人机技术的飞速发展以及逐年上涨的市场需求,无人机在各领域得到广泛应用且发挥着重要作用。随着“互联网+”时代的到来以及大数据技术的迅速发展,互联网中信息数据呈现指数增长趋势,如何在信息爆炸的时代获取所需的有效信息成为亟待解决的问题。本文采用B/S服务器模式,以分布式微服务架构为基础,基于分布式及增量式爬虫技术获取互联网中与无人机等应用领域相关的海量数据,采用自然语言处理、知识图谱、机器学习等算法从海量的非结构化文本数据中提取挖掘隐含及潜在价值知识,并利用Echarts组件及知识图谱等算法进行可视化分析,最后形成定制化的无人机知识库。主要研究内容如下:（1）知识获取及存储技术。系统以Scrapy为爬虫框架,采用分布式结合增量式爬虫技术从互联网中高效地获取无人机行业相关的海量数据;采用Redis高速缓存数据库存储爬取的URL网址,结合My SQL关系型数据库稳定地存储最终得到的结构化数据。（2）系统构建流程及架构设计。利用云计算技术的大数据管理平台,基于分布式服务器与大数据技术搭建系统,采用自底向上为主、自顶向下为辅的方式构建知识库;由于系统爬取任务量的增加及分布式服务器的需求,系统的架构也由最初的SMM单体式架构优化升级为Spring Cloud分布式微服务架构,以提高系统的扩展性及移植性。（3）数据提取及知识抽取技术。采用类机器学习机制半自动化地提取非结构化文本数据,通过构建自定义的规则库训练样本数据,提取出标签以匹配提取出的结构化数据;并利用自然语言处理等算法从获取的文本数据中提取关键句并生成文章的摘要信息;通过知识图谱等算法实现对获取的文本数据的知识抽取,最终抽取出结构化的知识元加入进知识库中,以实现知识库的知识发现与知识挖掘功能。（4）知识表示及数据可视化分析。采用知识树形式进行知识表示,并采用Echarts技术、知识图谱等可视化技术对获取及处理后的数据进行数据可视化分析,并以各类统计图表、关键字云图、机构同现及作者同现图等形式展现,直观清晰地展示无人机等行业领域的研究现状与发展趋势。
杨本栋[7]（2021）在《基于网页信息自动提取的分布式爬虫系统设计与实现》文中提出数据爆发式增长,大数据时代到来,互联网每天产生难以计数且各式各样的数据。这些数据蕴含的信息具有巨大的研究价值和商业价值。学者及企业希望获取知识类、资讯类、政策法规类等文章型网页中有价值的信息,不仅要求数据量大、格式规范统一、时效性强,还希望获取信息的成本低、效率高。现实中网页结构各异且都包含大量与主题无关的网页噪声,如何从互联网蕴含的海量信息中以较高的效率、极快的速度获取有价值的结构化信息是一个值得研究的课题。本文选题来源于企业项目,研究文章型网页的信息自动提取算法,设计实现了基于网页信息自动提取算法的分布式网络爬虫系统,提高了信息获取的效率,具体如下:（1）针对现有网页信息提取算法提取精度不足、提取信息缺失和上下文信息利用较少的问题,提出了一种基于视觉块一致性和序列标注的文章型网页元数据提取算法。根据文章型网页的视觉特征对网页进行分块预处理,将网页节点划分为多个一致性视觉块;利用统计特征定位网页主体区域,过滤掉大量噪音信息;选择文本、视觉和词典特征作为特征集进行特征提取,利用条件随机场模型进行序列标注,提取标题、正文、作者、来源、发布时间、图像和附件等信息。最后对算法进行了实验和对比分析。（2）设计实现了基于网页信息提取算法的分布式爬虫系统。本文分析了企业需求并对系统进行了总体设计,将系统分为数据采集层、数据解析层、数据存储层、节点接入层和系统管理层。针对现有分布式爬虫存在的问题,引入网页信息自动提取算法代替人工编写解析脚本,提出了一种无中心的基于动态反馈的任务调度策略,提高了系统可靠性和抓取效率。接下来本文对系统各模块进行了设计与实现。最后,本文对系统进行了性能和功能测试。
秦川[8]（2021）在《面向智能招聘的数据挖掘方法及其应用》文中研究说明在世界经济的快速发展中,人才一直是企业发展的最重要生产力。因此,企业均将人才招聘做为最重要的发展战略之一,并尝试开发智能化招聘系统来高效地吸引、识别、筛选优秀的人才。近年来,招聘网站的出现使得招聘市场从信息不对等偏向企业的卖方市场逐步向信息对等的供求市场演化,从而导致招聘市场上的竞争愈发激烈,给企业人才招聘带来了一系列全新的挑战。与此同时,飞速发展的数字化招聘系统与在线招聘网站积累了大量的招聘数据,这为智能招聘系统的发展提供了新的范式。目前,围绕智能招聘的相关研究方滋未艾,受到计算机、管理学及其相关交叉学科研究者的广泛关注。然而现有研究依旧面临着数据多源异构、算法缺乏可解释性以及相关学科交叉等挑战。为此,本文利用数据挖掘技术并结合管理学等交叉学科知识,围绕人才招聘中人才吸引、人才筛选、人才评估三个核心环节开展了系统性的研究工作。相关工作依托于百度人才智库平台,研究问题和数据源于实际招聘场景,研究成果均在真实招聘业务中部署和验证,具有很好的实际应用价值。本文主要贡献可以概括如下:第一,在人才吸引方面,通过挖掘分析海量招聘数据中岗位文本数据,提出基于能力感知的岗位需求文本自动生成方法,从而可以有效地预测出不同岗位的技能需求,帮助人力资源员工更高效地设计岗位需求文本,助力企业吸引合适的人才。具体地,首先提出了一个能力感知的神经主题模型,实现从海量的招聘数据中蒸馏出丰富的能力信息。然后设计了一个基于编码器-解码器结构的循环神经网络去实现岗位需求文本生成。为了保证生成结果可以全面地覆盖和该岗位相关并具有代表性的能力需求,进一步提出了能力感知下的注意力机制和复制机制来指导岗位需求生成过程。此外,设计了一种能力感知下的策略梯度训练算法来有效地提升生成的岗位需求的合理性和流畅度。最后,在两个采集于真实应用场景的招聘数据集中进行了大量实验,结果验证了所提方法可以有效地生成岗位需求文本,准确覆盖该岗位所需的相关技能,并且具有很好的可解释性。第二,在人才筛选方面,提出了基于技能感知下的人岗匹配模型,从而可以有效地衡量人才和岗位之间的匹配度,提升招聘筛选效率。具体地,首先基于循环神经网络设计了一个对岗位需求文本和求职者工作经历文本的词级别的语义表征模块。并且通过两个特殊设计的基于主题的能力感知下的层级别注意力机制,更为有效地捕捉岗位需求中的重要语义信息,以及评估对于特定岗位需求下不同工作经历的重要性。然后,基于历史招聘记录数据针对所提出的人岗匹配模型进一步设计了一种重训练机制,实现对匹配效果的提升。此外,本文将所提的模型应用到人才初筛和岗位推荐这两个具体的人才招聘任务中。最后,在一个采集于真实应用场景的招聘数据集中进行了大量的实验,其实验结果验证了所提模型在预测人才岗位匹配度上的准确性和预测结果的可解释性。第三,在人才评估方面,提出了专业技能导向的面试题库自动生成和智能检索算法,构建了一个智能面试官辅助工具帮助面试官高效地准备面试试题考察求职者。该系统首先实现了基于在线知识分享社区中蕴含的信息来大规模生成技能导向的面试试题。具体地,提出了一个新颖的远程监督下的技能实体识别方法,实现在少量人为数据标注的情景下对搜索引擎中包含的海量点击数据和网页标题数据高效地识别技能实体。并提出了一种基于神经网络的生成模型来生成技能导向的面试试题,其中设计了一种数据驱动下的高质量训练数据构建算法,以及一种新颖的训练方法来有效地提升面试试题生成的效果。该系统进一步实现基于搜索引擎中的点击搜索日志数据,构建一个推荐系统来帮助面试官检索合适的面试题。这里设计了一种基于图提升的试题推荐算法,从而可以针对面试官检索的一组技能高效地推荐合适的试题。最后,在采集于真实应用场景的数据集上分别有效地验证了所提方法在生成技能导向的面试试题质量和试题检索准确率这两方面的性能。第四,在人才评估方面,进一步提出了基于技能关系图的个性化笔试、面试试题推荐框架,从而实现对候选人能力的有效评估。该框架的核心是构建了一个工作技能的知识图,来全面建模人才评估中应该涉及的相关能力。具体地,首先构建了一个基于双向循环神经网络和条件随机场的模型实现对招聘数据中技能实体的抽取,通过设计了一种门机制来提升抽取效果。随后基于海量的搜索引擎中的点击数据,构建了一个新颖的标签传播算法,进一步提升了抽取到的技能实体的可靠性。然后通过设计一个基于多源内容特征下的分类模型来实现挖掘技能实体之间的上下位关系,来构建技能图。并且基于技能图设计了一种个性化的试题推荐算法,帮助提升人才评估效率。最后,在采集于真实应用场景的招聘数据上进行了大量的实验,其结果验证了所提框架每个组成部分的有效性。
周昂[9]（2021）在《基于可定制化规则新闻抓取系统的设计与实现》文中研究说明新闻门户网站为了获取最新的新闻,需要对数以万计的网站比如地方新闻网、个人博客、行业论坛进行定时访问。普通用户比如招投标人员、数据分析师,平时需要定期访问各个政府招标网站、行业咨询网来筛选最新信息。为了提供这类通用性工具,帮助需求人群快速完成特定网页的采集和监控,本文设计与实现一套可定制化规则的新闻抓取系统。本文主要工作包含①底层使用WebMagic作为基础抓取框架,借助Zookeeper完成分布式爬虫架构,通过Redis实现各节点之间的指令控制和任务分发,做到节点灵活部署与感知②对现有的css定位生成算法进行改进,提出并实现“多元素合并算法”,以此为基础开发可视化辅助定位功能③针对用户对不同网站的采集流程差异,采用预制流程模板来覆盖大部分定时任务,并基于有向图抽象出自定义抓取流程,允许用户自定义制定采集流程④对传统的新闻页面,采用基于文本密度算法来实现标题,正文的自动抽取⑤采用SimHash算法和Redis完成整库的新闻内容去重和单次任务的URL去重⑥Web层以SpringBoot为后端开发框架,Vue为前端开发框架,操作界面含有采集任务的查看、新建、删除、复制;执行节点的感知、暂停、集群转换;新闻内容的搜索、下载、订阅。经过开发测试,本系统在操作功能和采集性能上均达到预期。在实际开源的线上使用过程中,已经累计采集千万级别的数据结果,并监控着上千个网站的实时更新。
程子轩[10]（2021）在《面向用户知识需求的微信公众平台知识资源聚合及服务研究》文中进行了进一步梳理移动互联网时代,微信公众平台已成为人们交流、休闲、学习、生活的一部分,随着以传播知识为主的微信公众号涌现,微信公众平台也逐渐成为人们获取知识的重要途径。一些综合性或专业领域微信公众号发布各类科普知识和前沿资讯,一些学术类微信公众号专业发布学术领域内相关的学术知识,部分高校学报和高校图书馆微信公众号还专门开设“学术播报”、“学术快讯”等专栏,用于发布学术讲座及学术前沿知识。各类机构或个人通过微信公众平台发布大量科普型知识、专业发展前沿资讯、专业学术知识以及学术专题等,能够满足不同专业和认知层面的用户知识内容的需求。然而,微信公众平台知识内容以用户生成为主,其庞大纷杂的微信公众平台账号主体导致了平台信息和知识质量的参差不齐、出现信息过载和迷航现象,对海量知识资源缺乏科学高效的组织和管理。当前,随着大数据、人工智能等技术的发展,简单提供知识资源内容已经无法满足微信公众平台用户知识服务需求。智能时代,用户对知识质量和知识服务模式提出了更高的要求,促使微信公众平台知识组织和服务转型。如何在海量纷杂的信息中筛选出真正需要和感兴趣的知识资源内容不仅是广大微信用户面临的困扰,更是微信公众平台需要关注并急需解决的问题。鉴于此,本文将知识聚合理论与方法引入到微信公众平台知识资源组织及服务研究中,提出了面向用户知识需求的微信公众平台知识聚合及服务体系框架。首先,构建了微信公众平台用户画像并对用户知识需求进行了分析,从知识单元和句子层面分别提出了基于标签聚类和基于摘要生成的微信知识资源聚合方法,并基于不同知识资源聚合方法设计了微信公众平台知识推荐服务和知识集成服务两种知识服务模式。最后提出了提升微信公众平台知识聚合及服务能力的对策建议。本文主要开展了以下方面的研究:（1）面向用户知识需求的微信公众平台知识聚合及服务体系框架构建。通过辨析知识聚合服务与用户知识需求之间的关系,明确了微信公众平台面向用户需求开展知识聚合的必要性和可行性。阐述了微信公众平台知识聚合概念、目标与原则以及聚合服务要素,认为微信公众平台知识聚合是为了满足用户个性化知识需求,通过计量分析、数理统计、数据挖掘、人工智能等方法分析挖掘知识单元的内在联系,将微信公众平台复杂多样化、数量庞大、无序碎片的领域知识资源重新组织和序化,形成结构完善的知识体系,为后续微信公众平台知识聚合服务提供资源保障。通过分析面向用户需求的微信公众平台知识聚合服务组成要素、动因及过程,提出了面向用户需求的微信公众平台知识聚合服务体系架构,将其划分为数据资源层、用户需求挖掘层、知识资源聚合层、服务提供层4个主要模块。（2）微信公众平台用户画像构建与需求分析。基于VALS2模型从宏观层面对微信公众平台使用者构建群体用户画像,将用户划分为初期引入参与型、成长型和成熟型用户3类,并绘制各类用户特征的标签词云。分析不同类型的用户知识需求形成的过程,并建立微信公众平台用户知识需求层次模型。综合用户画像和用户知识需求层次构建了微信公众平台用户知识服务需求模型,凸显微信公众平台知识服务现状与用户知识需求的巨大差距。（3）基于标签聚类的微信公众平台知识聚合方法。提出融合Word2vec模型和TextRank算法的微信公众平台知识资源标签抽取方法,将关键词作为标签表达文本知识资源内容的主题思想及关键内容。提出基于改进BIRCH聚类算法的微信公众平台文本标签聚类方法,在原算法执行过程中融合K-means算法初选聚类中心,并综合考虑用户需求因素。最后以微信公众平台发布的“认知计算”领域文章为例进行实证研究,研究发现本文提出的基于改进Birch算法的聚类结果主题分布较为合理,各个类之间的区分度较为明显,类簇大小的差距较小,其效果要优于基于K-means算法、基于Spectral Clustering算法和基于Birch算法的聚合效果。（4）基于摘要生成的微信公众平台知识聚合方法。提出基于改进TextRank算法的微信公众平台知识摘要生成方法,分别设计了单文本摘要生成和单领域多文本的知识摘要生成方法。在单文本摘要生成方面,通过综合考虑用户需求、句子位置、标题相似度等因素提高摘要生成效果。在单领域多文本摘要生成方面,采用Doc2vec模型进行文本向量化,对文档集中的句子进行主题细分,并运用MMR算法进行句子冗余处理,提高生成结果的准确性。以微信公众平台发布的“认知计算”领域文章为例进行实证研究,研究发现运用本文方法生成的文本摘要能够较好的匹配用户需求,能够实现面向用户需求的个性化抽取和生成,准确率明显优于其他算法。且本文算法生成的摘要,具有较好的语意连贯性,便于读者的理解和进一步掌握文章主旨大意。（5）基于知识聚合的微信公众平台创新知识服务模式。以微信公众平台知识聚合及服务体系框架为基础,针对不同层面的知识聚合,构建了基于知识标签聚类的微信公众平台知识推荐服务和基于摘要生成的微信公众平台知识集成服务两种服务模式。分别阐述了两种知识服务的概念、知识服务要素和知识服务过程。（6）微信公众平台知识聚合及服务能力提升对策。分别从用户知识需求外化表达及挖掘、新技术应用和融合改进和微信公众平台创新服务理念及加强运营管理三个方面提出提升微信公众平台知识聚合及服务能力的对策建议。本文从理论层面将知识聚合理论和方法引入到微信公众平台,解决其知识组织和服务问题,扩展了知识聚合相关研究的领域和视角。同时,本文对微信公众号发布的知识内容进行知识主题聚类和自动化摘要生成,并建立了相应的知识聚合服务体系,丰富了社交媒体平台创新知识服务理论体系,为新媒体知识服务提供理论和技术支持。在实践层面,本文面向微信公众平台中不同微信公众号发布资源内容的知识聚合,分别进行了知识主题发现和自动生成摘要知识聚合技术实证,为微信公众平台知识资源组织管理提供了技术方法和手段。同时,提出的对策建议和服务模式也为微信公众平台开展创新型知识服务提供参考依据和建议。
二、一个动态网站自动生成发布系统（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一个动态网站自动生成发布系统（论文提纲范文）
（1）安卓应用行为刻画方法及关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 缩略语对照表 |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究背景 |
| 1.2.1 安卓系统框架 |
| 1.2.2 安卓系统的安全机制 |
| 1.2.3 安卓应用简介 |
| 1.2.4 安卓应用分发和传播平台 |
| 1.2.5 安卓恶意应用 |
| 1.3 国内外研究现状 |
| 1.3.1 安卓应用行为刻画及恶意应用检测通用方法研究 |
| 1.3.2 安卓恶意应用家族分类研究 |
| 1.3.3 安卓勒索软件检测方法研究 |
| 1.3.4 安卓应用质量评估及分类方法研究 |
| 1.3.5 当前研究的不足 |
| 1.4 研究内容 |
| 1.4.1 基于应用关系图社区发现的恶意应用家族分类方法 |
| 1.4.2 基于典型行为特征的安卓锁屏勒索软件检测方法 |
| 1.4.3 基于界面跳转属性图的安卓应用质量评估方法 |
| 1.5 论文结构 |
| 2 基于应用关系图社区发现的恶意应用家族分类方法 |
| 2.1 引言 |
| 2.1.1 问题描述 |
| 2.1.2 本章贡献 |
| 2.2 相关背景知识 |
| 2.2.1 反编译过程 |
| 2.2.2 Smali文件结构 |
| 2.2.3 权限-API映射 |
| 2.2.4 无向图的构建方法 |
| 2.3 恶意应用家族行为特征 |
| 2.3.1 行为特征刻画 |
| 2.3.2 行为特征描述方式 |
| 2.4 基于文档频率法的应用相似度计算方法 |
| 2.5 E-N算法构建恶意应用关系图 |
| 2.6 应用关系图社区划分方法 |
| 2.7 实验结果及分析 |
| 2.7.1 实验数据及环境 |
| 2.7.2 评价指标 |
| 2.7.3 恶意应用家族分类结果分析 |
| 2.7.4 相关工作对比 |
| 2.7.5 方法讨论 |
| 2.8 本章总结 |
| 3 基于典型行为特征的安卓锁屏勒索软件检测方法 |
| 3.1 引言 |
| 3.1.1 问题描述 |
| 3.1.2 本章贡献 |
| 3.2 相关背景知识 |
| 3.2.1 勒索软件发展历程 |
| 3.2.2 恶意应用分类模型 |
| 3.3 国内的安卓锁屏勒索软件模式分析 |
| 3.3.1 锁屏勒索软件通用传播策略 |
| 3.3.2 典型密码类型及解锁方式 |
| 3.4 锁屏勒索软件典型恶意行为分析及刻画 |
| 3.4.1 锁屏勒索软件行为表现形式 |
| 3.4.2 锁屏勒索软件行为特点分析 |
| 3.4.3 锁屏勒索软件行为特征刻画 |
| 3.5 锁屏勒索软件检测方法 |
| 3.6 实验结果及分析 |
| 3.6.1 实验数据及环境 |
| 3.6.2 评价指标 |
| 3.6.3 锁屏勒索软件检测结果 |
| 3.6.4 时间花销 |
| 3.6.5 锁屏勒索软件与正常应用的特征对比 |
| 3.6.6 相关工作对比 |
| 3.6.7 方法讨论 |
| 3.7 锁屏勒索软件治理进展 |
| 3.8 本章总结 |
| 4 基于界面跳转属性图的安卓应用质量评估方法 |
| 4.1 引言 |
| 4.1.1 问题描述 |
| 4.1.2 本章贡献 |
| 4.2 应用质量评估特征 |
| 4.2.1 特征选取依据分析 |
| 4.2.2 应用级特征刻画 |
| 4.2.3 界面级特征刻画 |
| 4.3 基于界面控件优先级的动态触发机制 |
| 4.4 图-向量标准化模型及异构特征融合方法 |
| 4.4.1 构建界面跳转属性图 |
| 4.4.2 图-向量标准化模型 |
| 4.5 应用质量评估方法 |
| 4.6 实验结果及分析 |
| 4.6.1 数据集及实验环境 |
| 4.6.2 评价指标 |
| 4.6.3 质量标签划定 |
| 4.6.4 应用质量评估结果分析 |
| 4.6.5 不同质量应用的特征差异 |
| 4.6.6 时间花销 |
| 4.6.7 相关工作对比 |
| 4.6.8 方法讨论 |
| 4.7 本章总结 |
| 5 总结与展望 |
| 5.1 论文的主要贡献 |
| 5.2 下一步研究方向 |
| 5.3 未来展望 |
| 参考文献 |
| 作者攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）基于关联数据的历史档案资源聚合研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 研究范畴 |
| 1.3 研究内容及创新点 |
| 1.3.1 研究内容 |
| 1.3.2 本文创新点 |
| 1.4 研究思路与方法 |
| 1.4.1 研究思路 |
| 1.4.2 研究方法 |
| 第2章 文献综述与理论基础 |
| 2.1 文献综述 |
| 2.1.1 历史档案资源的数字化开发 |
| 2.1.2 档案资源聚合 |
| 2.1.3 关联数据在档案领域的应用 |
| 2.1.4 研究述评 |
| 2.2 相关理论 |
| 2.2.1 档案价值论 |
| 2.2.2 知识组织理论 |
| 2.2.3 数字人文理论 |
| 2.3 本章小结 |
| 第3章 基于关联数据的历史档案资源聚合框架 |
| 3.1 历史档案资源聚合的原则、流程及目标 |
| 3.1.1 历史档案资源聚合的原则 |
| 3.1.2 历史档案资源聚合的流程 |
| 3.1.3 历史档案资源聚合的目标 |
| 3.2 历史档案资源关联的多维分析 |
| 3.2.1 关联强度 |
| 3.2.2 关联维度 |
| 3.2.3 关联阶度 |
| 3.2.4 关联粒度 |
| 3.3 基于关联数据的历史档案资源聚合框架构建 |
| 3.3.1 历史档案资源聚合层级划分 |
| 3.3.2 历史档案资源聚合结构框架 |
| 3.4 本章小结 |
| 第4章 历史档案资源的数据关联模型 |
| 4.1 历史档案资源元数据方案设计 |
| 4.1.1 常用历史档案资源元数据比较分析 |
| 4.1.2 基于关联数据的历史档案元数据方案设计思路 |
| 4.1.3 历史档案元数据方案设计步骤 |
| 4.1.4 历史档案元数据方案 |
| 4.1.5 历史档案资源元数据实例 |
| 4.2 历史档案资源知识本体建模 |
| 4.2.1 历史档案资源知识分类体系 |
| 4.2.2 历史档案资源知识本体的类型 |
| 4.2.3 历史档案资源知识本体构建 |
| 4.2.4 历史档案资源知识本体构建实例 |
| 4.3 历史档案资源数据关联模型构建 |
| 4.3.1 元数据元素识别 |
| 4.3.2 知识本体概念关系抽取 |
| 4.3.3 历史档案资源数据关联模型实现 |
| 4.4 本章小结 |
| 第5章 历史档案资源关联数据的发布与聚合 |
| 5.1 历史档案资源语义化处理 |
| 5.1.1 历史档案资源元数据语义化转换 |
| 5.1.2 历史档案资源RDF化过程 |
| 5.1.3 历史档案资源实体语义关联关系识别 |
| 5.2 历史档案资源关联数据的发布 |
| 5.2.1 历史档案资源关联数据URI命名 |
| 5.2.2 历史档案资源关联数据的存储 |
| 5.2.3 基于D2R的历史档案资源关联数据发布 |
| 5.2.4 历史档案资源关联数据发布实例 |
| 5.3 历史档案资源关联数据聚合 |
| 5.3.1 关联数据聚合方法 |
| 5.3.2 历史档案资源关联数据互联 |
| 5.4 本章小结 |
| 第6章 历史档案资源的聚合服务 |
| 6.1 基于关联数据的聚合服务功能 |
| 6.1.1 历史档案资源检索服务 |
| 6.1.2 历史档案资源推荐服务 |
| 6.1.3 历史档案资源可视化服务 |
| 6.2 基于关联数据的历史档案资源聚合服务平台结构设计 |
| 6.2.1 存储层 |
| 6.2.2 描述层 |
| 6.2.3 服务层 |
| 6.2.4 应用层 |
| 6.3 本章小结 |
| 第7章 历史档案资源关联聚合策略 |
| 7.1 历史档案资源关联聚合实施策略 |
| 7.1.1 实现多源异构历史档案资源采集方法 |
| 7.1.2 建立多元协作的组织机制 |
| 7.1.3 制定统一规范的标准体系 |
| 7.1.4 提供泛在化关联数据应用服务 |
| 7.2 历史档案资源关联聚合的保障机制 |
| 7.2.1 政策保障 |
| 7.2.2 技术保障 |
| 7.2.3 人才保障 |
| 7.3 本章小结 |
| 第8章 总结与展望 |
| 8.1 研究总结 |
| 8.2 研究展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（3）基于MQTT的通用物联网安全系统框架（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写、符号清单、术语表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 物联网信息安全研究现状 |
| 1.2.2 物联网通用性研究现状 |
| 1.3 本文的研究内容及章节安排 |
| 1.3.1 本文的研究内容 |
| 1.3.2 论文的文章结构 |
| 2 框架设计总体方案 |
| 2.1 场景分析 |
| 2.2 业务需求分析 |
| 2.2.1 权限菜单管理功能 |
| 2.2.2 角色管理功能 |
| 2.2.3 部门和岗位管理功能 |
| 2.2.4 用户管理功能 |
| 2.2.5 物联网终端设备管理功能 |
| 2.2.6 数据库管理功能 |
| 2.2.7 日志管理功能 |
| 2.3 框架结构 |
| 2.4 本章小结 |
| 3 感知控制层设计 |
| 3.1 MQTT协议 |
| 3.1.1 简介 |
| 3.1.2 MQTT消息格式 |
| 3.2 MQTT通信通用性规范 |
| 3.2.1 客户端ID格式 |
| 3.2.2 发布订阅的主题格式 |
| 3.2.3 消息负载格式 |
| 3.3 MQTT通信安全性规范 |
| 3.3.1 加密算法简介 |
| 3.3.2 MQTT协议面临的问题 |
| 3.3.3 GtxMQTT安全通信设计 |
| 3.3.4 GtxMQTT与TLS方案对比 |
| 3.4 MQTT规范在框架中的使用 |
| 3.5 本章小结 |
| 4 网络通信层设计 |
| 4.1 MQTT代理服务器设计 |
| 4.1.1 MQTT代理服务器技术 |
| 4.1.2 MQTT代理服务器的搭建 |
| 4.1.3 WebHook |
| 4.2 Web后端服务器设计 |
| 4.2.1 Web后端服务器关键技术 |
| 4.2.2 MySQL数据库设计 |
| 4.2.3 持久化实体类设计 |
| 4.2.4 Dao层设计 |
| 4.2.5 Service层设计 |
| 4.2.6 Controller层设计与RestfulAPI实现 |
| 4.2.7 身份认证、访问控制设计 |
| 4.2.8 Sentinel设计 |
| 4.2.9 Nacos的设计 |
| 4.2.10 微服务调用的设计 |
| 4.2.11 Seata的设计 |
| 4.3 本章小结 |
| 5 应用服务层设计 |
| 5.1 Web前端服务器整体设计 |
| 5.2 Web前端服务器关键技术 |
| 5.3 Web前端服务器设计与实现 |
| 5.3.1 前端视图架构设计与实现 |
| 5.3.2 动态侧边栏设计与实现 |
| 5.3.3 跨域资源共享方案设计与实现 |
| 5.3.4 前端各页面设计与实现 |
| 5.4 本章小结 |
| 6 框架的应用实例 |
| 6.1 温湿度定位大屏显示管理系统 |
| 6.1.1 系统需求 |
| 6.1.2 硬件组成 |
| 6.1.3 效果 |
| 6.2 车载监控管理系统 |
| 6.2.1 系统需求 |
| 6.2.2 硬件组成 |
| 6.2.3 效果 |
| 6.3 本章小结 |
| 7 框架测试与数据分析 |
| 7.1 MQTT客户端消息反馈测试与数据分析 |
| 7.1.1 密钥传递效率测试 |
| 7.1.2 信息传递效率测试 |
| 7.2 Web后端服务器测试与数据分析 |
| 7.2.1 压测技术 |
| 7.2.2 Web后端服务器压力测试 |
| 7.2.3 压力测试结果与数据分析。 |
| 7.3 Web前端服务器测试与数据分析 |
| 7.4 本章小结 |
| 8 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 参考文献 |
| 作者简历 |
（4）基于大数据的大学生日常思想政治教育创新研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 绪论 大数据让大学生日常思想政治教育智能化 |
| 第一节 选题缘由及研究意义 |
| 一、选题缘由 |
| 二、研究意义 |
| 第二节 国内外研究综述 |
| 一、国内研究现状 |
| 二、国外大数据与教育交叉研究综述 |
| 三、研究评析 |
| 第三节 逻辑结构 |
| 一、研究思路 |
| 二、研究方法 |
| 三、内容框架 |
| 第四节 重点、难点及预期创新点 |
| 一、研究重点 |
| 二、研究难点 |
| 三、研究创新点 |
| 第一章 基于大数据创新大学生日常思想政治教育的理论基础 |
| 第一节 核心概念解读 |
| 一、大数据 |
| 二、大学生日常思想政治教育 |
| 三、大学生日常思想政治教育大数据 |
| 第二节 大学生日常思想政治教育大数据之马克思主义哲学审视 |
| 一、感性对象性活动之数据生成逻辑 |
| 二、实践的社会历史性之数据发展动因 |
| 三、辩证唯物主义认识论之数据应用的方法论基础 |
| 四、人的全面自由发展之数据应用的价值取向 |
| 第三节 大学生日常思想政治教育大数据自组织系统阐释 |
| 一、大学生日常思想政治教育之复杂自组织系统特征 |
| 二、大学生日常思想政治教育大数据之数据转化 |
| 三、大学生日常思想政治教育大数据之数据转换 |
| 四、大学生日常思想政治教育之数据工作机制 |
| 第二章 基于大数据创新大学生日常思想政治教育的现实依据 |
| 第一节 大学生日常思想政治教育存在的现实困境 |
| 一、基于大数据文本挖掘方法的大学生日常思想政治教育现实困境分析 |
| 二、大学生日常思想政治教育者访谈 |
| 三、大学生日常思想政治教育存在的问题及原因剖析 |
| 第二节 新时代大学生日常思想政治教育新要求 |
| 一、新时代大学生日常思想政治教育面临的新课题 |
| 二、新时代大学生日常思想政治教育指导思想与原则 |
| 三、新时代大学生日常思想政治教育教育内容体系 |
| 四、新时代大学生日常思想政治教育的主体转型 |
| 第三节 基于大数据创新大学生日常思想政治教育技术优势 |
| 一、大数据关键技术之大学生日常思想政治教育应用 |
| 二、教育主体与教育客体的数据交互 |
| 三、教育管理平台载体的数据智能 |
| 四、教育管理实践数据的跨域应用 |
| 第四节 基于大数据创新大学生日常思想政治教育可能性分析 |
| 一、基于数据技术的效率提升 |
| 二、基于证据的日常教育管理 |
| 三、基于数据评价的工作改进 |
| 第三章 基于大数据促进大学生日常思想政治教育发展转向 |
| 第一节 大学生日常思想政治教育大数据应用呈现 |
| 一、精准画像:大数据精确反映学生行为状态 |
| 二、规律探寻:大数据有效呈现学生活动规律 |
| 三、超前感知:大数据准确研判学生活动趋向 |
| 第二节 基于大数据之由线性思维向系统思维转变 |
| 一、线性思维 |
| 二、系统思维 |
| 三、线性思维向系统思维转变的全面性与准确性 |
| 第三节 基于大数据之由普适教育向个性化培育转变 |
| 一、普适教育 |
| 二、个性化培育 |
| 三、普适教育向个性化培育转变的适应性与有效性 |
| 第四节 基于大数据之由认知培育向实践养成转变 |
| 一、认知培育 |
| 二、实践养成 |
| 三、认知培育向实践养成转变的实效性与长效性 |
| 第五节 基于大数据之由需求侧适应向供给侧发力转变 |
| 一、需求侧适应 |
| 二、供给侧发力 |
| 三、需求侧适应向供给侧发力转变的精准性与有效性 |
| 第四章 基于大数据创新大学生日常思想政治教育的实施路径 |
| 第一节 基于大数据创新大学生日常思想政治教育的原则 |
| 一、以人为本原则 |
| 二、守正创新原则 |
| 三、趋利避害原则 |
| 四、循序渐进原则 |
| 五、理论与实践相结合原则 |
| 第二节 大学生日常思想政治教育大数据资源库建设与运行 |
| 一、大学生日常思想政治教育大数据采集 |
| 二、大学生日常思想政治教育大数据预处理与存储 |
| 三、大学生日常思想政治教育大数据挖掘与建模分析 |
| 四、大学生日常思想政治教育大数据可视化与应用 |
| 五、大学生日常思想政治教育大数据解释与反馈 |
| 第三节 利用大数据推进大学生日常思想政治教育实践应用 |
| 一、数据画像 |
| 二、精准资助 |
| 三、异常告警 |
| 第五章 基于大数据创新大学生日常思想政治教育的条件保障 |
| 第一节 个体主观条件 |
| 一、培育大数据意识与大数据思维 |
| 二、掌握大数据知识与大数据技能 |
| 三、提升大数据伦理与管理理性 |
| 四、把握大数据应用的价值导向 |
| 第二节 技术条件保障 |
| 一、开发和搭建高校思想政治教育大数据技术平台 |
| 二、培育大学生思想政治教育大数据核心技术团队 |
| 第三节 组织与制度保障 |
| 一、加强组织领导 |
| 二、推进教育政策实施与制度建设 |
| 三、加强体制机制建设 |
| 第四节 文化环境保障 |
| 一、优化校园网络环境 |
| 二、培育校园数据文化 |
| 三、优化校园人文环境 |
| 结语:数据智能与教育智慧结合 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间主要研究成果 |
（5）基于图神经网络的在线社交网络恶意用户检测（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| §1.1 研究背景 |
| §1.2 论文主要研究内容 |
| §1.3 论文结构安排 |
| 第二章 预备知识 |
| §2.1 图数据 |
| §2.2 图神经网络 |
| §2.3 图表示学习 |
| §2.5 性能度量 |
| §2.6 数据收集 |
| §2.7 本章小结 |
| 第三章 基于图神经网络的异常账号检测 |
| §3.1 引言 |
| §3.2 相关工作研究 |
| §3.2.1 基于机器学习的异常账号检测 |
| §3.2.2 基于图的异常账号检测 |
| §3.3 模型框架 |
| §3.3.1 特征分析 |
| §3.3.2 编码器介绍 |
| §3.3.3 模型构建 |
| §3.4 实验与分析 |
| §3.4.1 数据集 |
| §3.4.2 实验设置 |
| §3.4.3 实验结果分析 |
| §3.5 本章小结 |
| 第四章 基于图神经网络的社交媒体虚假信息检测 |
| §4.1 引言 |
| §4.2 相关工作 |
| §4.2.1 基于人工审核的检测方法 |
| §4.2.2 基于传播结构的检测方法 |
| §4.2.3 基于特征构造的检测方法 |
| §4.2.4 基于深度学习的检测方法 |
| §4.3 模型框架 |
| §4.3.1 构建信息传播图 |
| §4.3.2 用户特征提取 |
| §4.3.3 文本特征提取 |
| §4.3.4 节点特征嵌入 |
| §4.4 实验与分析 |
| §4.4.1 数据集 |
| §4.4.2 实验设置 |
| §4.4.3 实验结果和分析 |
| §4.5 本章小结 |
| 第五章 总结与展望 |
| §5.1 本文工作总结 |
| §5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者在攻读硕士期间的主要研究成果 |
（6）基于微服务架构与知识图谱技术构建无人机知识库系统（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义与价值 |
| 1.2 国内外研究现状 |
| 1.2.1 专家系统及知识库研究现状 |
| 1.2.2 知识图谱技术研究现状 |
| 1.2.3 Web文本挖掘技术研究现状 |
| 1.2.4 无人机技术发展及应用现状 |
| 1.3 研究目标与研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 论文研究技术路线 |
| 1.5 论文组织结构安排 |
| 第二章 理论基础及关键技术 |
| 2.1 相关理论基础 |
| 2.2.1 知识库 |
| 2.2.2 知识发现 |
| 2.2.3 知识图谱 |
| 2.2 知识获取技术 |
| 2.2.1 数据获取技术 |
| 2.2.2 数据去重技术 |
| 2.2.3 数据提取技术 |
| 2.2.4 数据存储技术 |
| 2.3 知识抽取技术 |
| 2.3.1 实体抽取技术 |
| 2.3.2 关系抽取技术 |
| 2.3.3 事件抽取技术 |
| 2.3.4 实体链接与消岐 |
| 2.4 知识表示技术 |
| 2.5 自动文摘技术 |
| 2.5.1 自动文摘生成原理 |
| 2.5.2 TextRank算法 |
| 2.6 本章小结 |
| 第三章 知识库系统的设计与构建 |
| 3.1 系统非功能需求 |
| 3.2 系统性能设计 |
| 3.2.1 系统可靠性设计 |
| 3.2.2 系统安全性设计 |
| 3.3 系统架构设计 |
| 3.3.1 整体架构设计 |
| 3.3.2 技术架构设计 |
| 3.3.3 分布式微服务架构 |
| 3.3.4 Scrapy爬虫框架 |
| 3.3.5 基于Swagger框架管理API |
| 3.4 技术路线与实施方案 |
| 3.4.1 知识库的构建方式 |
| 3.4.2 系统的技术路线 |
| 3.4.3 系统的实施方案 |
| 3.4.4 开发环境与开发语言 |
| 3.5 本章小结 |
| 第四章 知识图谱的实现与应用 |
| 4.1 知识获取 |
| 4.1.1 定制化设置关键字 |
| 4.1.2 定制化爬取专业网站 |
| 4.2 数据提取 |
| 4.2.1 半自动化提取数据 |
| 4.2.2 自动文摘的提取 |
| 4.3 知识抽取 |
| 4.3.1 实体抽取(命名实体识别) |
| 4.3.2 实体关系抽取 |
| 4.3.3 元事件抽取 |
| 4.3.4 实体发现与链接 |
| 4.4 知识表示 |
| 4.5 文本数据可视化 |
| 4.5.1 数据可视化 |
| 4.5.2 关键字云图 |
| 4.6 本章小结 |
| 第五章 系统的功能与实现 |
| 5.1 系统整体功能结构 |
| 5.2 系统前端功能实现 |
| 5.2.1 查询信息模块 |
| 5.2.2 台风实况模块 |
| 5.2.3 数据可视化模块 |
| 5.2.4 热门推送模块 |
| 5.2.5 关键期刊模块 |
| 5.3 系统后台功能实现 |
| 5.3.1 用户管理模块 |
| 5.3.2 菜单管理模块 |
| 5.3.3 采集设置模块 |
| 5.3.4 任务管理模块 |
| 5.3.5 专家知识模块 |
| 5.3.6 外部系统模块 |
| 5.3.7 期刊大全模块 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要研究成果 |
| 附录 |
| 附录1 Swagger在微服务架构上的部署与集成 |
| 附录2 Echarts组件实现折线图/柱状图形式的数据可视化 |
| 附录3 BiLSTM+CRF模型构建过程 |
| 附录4 利用TF-IDF进行实体链接关键代码 |
（7）基于网页信息自动提取的分布式爬虫系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 主要研究内容 |
| 1.3 论文结构安排 |
| 第二章 相关技术综述 |
| 2.1 网络爬虫技术 |
| 2.2 常见网页结构分类 |
| 2.3 网页信息提取技术 |
| 2.3.1 基于模板的网页信息提取 |
| 2.3.2 基于启发式规则的网页信息提取 |
| 2.3.3 基于视觉分块的网页信息提取 |
| 2.3.4 基于机器学习的网页信息提取 |
| 2.4 分布式系统技术概述 |
| 2.4.1 分布式数据存储 |
| 2.4.2 分布式任务调度 |
| 2.4.3 面向服务架构 |
| 2.5 本章小结 |
| 第三章 文章型网页信息自动提取算法研究 |
| 3.1 引言 |
| 3.2 文章型网页分析 |
| 3.3 基于视觉块一致性和序列标注的文章型网页元数据提取算法 |
| 3.3.1 网页预处理 |
| 3.3.2 网页分块与网页主体区域定位 |
| 3.3.3 基于CRF的网页元数据抽取 |
| 3.4 实验分析 |
| 3.4.1 数据集及评价标准 |
| 3.4.2 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 分布式爬虫系统的设计与实现 |
| 4.1 引言 |
| 4.2 系统需求分析 |
| 4.2.1 功能需求 |
| 4.2.2 非功能性需求 |
| 4.3 系统总体设计 |
| 4.4 系统模块设计与实现 |
| 4.4.1 存储模块的设计与实现 |
| 4.4.2 网页下载与任务调度模块的设计与实现 |
| 4.4.3 网页信息提取模块的设计与实现 |
| 4.4.4 网页去重模块的设计与实现 |
| 4.4.5 节点管理模块的设计与实现 |
| 4.4.6 爬虫管理模块的设计与实现 |
| 4.5 系统测试 |
| 4.5.1 功能测试 |
| 4.5.2 性能测试 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 下一步工作展望 |
| 参考文献 |
| 缩略语 |
| 致谢 |
（8）面向智能招聘的数据挖掘方法及其应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 本研究工作面临的主要挑战 |
| 1.3 国内外发展现状 |
| 1.3.1 人才吸引 |
| 1.3.2 人才筛选 |
| 1.3.3 人才评估 |
| 1.4 研究内容与主要贡献 |
| 1.5 组织结构 |
| 第2章 基于技能预测的岗位需求文本自动生成 |
| 2.1 引言 |
| 2.2 相关工作 |
| 2.2.1 招聘分析 |
| 2.2.2 自然语言生成 |
| 2.2.3 概率主题模型 |
| 2.3 问题定义 |
| 2.4 基于技能预测的岗位需求自动生成框架(Cajon) |
| 2.4.1 能力感知下的神经主题模型(CANTM) |
| 2.4.2 能力感知下的岗位需求生成神经模型(CANJRG) |
| 2.4.3 能力感知下的策略梯度训练算法(CAPGTA) |
| 2.5 实验分析 |
| 2.5.1 实验数据 |
| 2.5.2 训练参数与环境设置 |
| 2.5.3 基准算法 |
| 2.5.4 评价指标 |
| 2.5.5 实验结果及分析 |
| 2.5.6 生成示例研究与讨论 |
| 2.6 本章小结 |
| 第3章 基于技能感知的人岗匹配 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.2.1 人岗匹配分析 |
| 3.2.2 基于深度学习的文本分类与匹配 |
| 3.2.3 基于文本信息的推荐算法 |
| 3.3 问题定义 |
| 3.4 基于技能感知的人岗匹配框架(TAPJFNN)描述 |
| 3.4.1 词级别招聘文本表征 |
| 3.4.2 基于主题的技能感知的层级别表征 |
| 3.4.3 人岗匹配预测 |
| 3.5 人岗匹配的应用 |
| 3.5.1 人才初筛 |
| 3.5.2 岗位推荐 |
| 3.6 实验分析 |
| 3.6.1 实验数据 |
| 3.6.2 训练参数与环境设置 |
| 3.6.3 基准算法 |
| 3.6.4 评价指标 |
| 3.6.5 人才初筛实验结果及分析 |
| 3.6.6 岗位推荐实验结果及分析 |
| 3.6.7 引入非文本特征的结果与讨论 |
| 3.6.8 案例分析与讨论 |
| 3.7 本章小结 |
| 第4章 专业技能导向的面试题库自动生成和试题检索 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.2.1 智能面试辅助 |
| 4.2.2 技能实体识别 |
| 4.2.3 文本生成 |
| 4.3 技能导向试题生成框架描述 |
| 4.3.1 远程监督下的技能识别 |
| 4.3.2 面试试题生成 |
| 4.4 技能导向的试题检索算法描述 |
| 4.4.1 技能推荐 |
| 4.4.2 面试试题检索 |
| 4.5 技能导向试题生成实验结果分析 |
| 4.5.1 技能实体识别的性能分析 |
| 4.5.2 问题生成的性能分析 |
| 4.6 技能导向检索算法实验结果分析 |
| 4.6.1 技能推荐的性能分析 |
| 4.6.2 试题检索的性能分析 |
| 4.6.3 案例分析和讨论 |
| 4.7 本章小结 |
| 第5章 基于技能关系图的个性化笔试、面试试题推荐 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.2.1 智能人才评估 |
| 5.2.2 实体抽取和关系抽取 |
| 5.3 DuerQuiz框架描述 |
| 5.3.1 技能实体抽取 |
| 5.3.2 技能实体过滤 |
| 5.3.3 技能关系抽取 |
| 5.3.4 个性化问题推荐 |
| 5.4 技能图构建性能分析 |
| 5.4.1 技能实体抽取的性能分析 |
| 5.4.2 技能实体过滤的性能分析 |
| 5.4.3 技能关系抽取的性能分析 |
| 5.5 试题推荐的性能分析 |
| 5.6 案例分析和讨论 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来研究展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（9）基于可定制化规则新闻抓取系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及其意义 |
| 1.2 国内外研究现状 |
| 1.2.1 爬虫技术研究现状 |
| 1.2.2 正文抽取技术研究现状 |
| 1.3 论文主要工作 |
| 1.4 章节安排 |
| 第二章 相关基础研究 |
| 2.1 网络爬虫 |
| 2.1.1 爬虫框架原理 |
| 2.1.2 URL去重技术 |
| 2.1.3 正文去重技术 |
| 2.1.4 网页元素定位 |
| 2.2 网页正文提取技术 |
| 2.3 信息检索技术 |
| 2.4 其他相关技术 |
| 2.4.1 分布式缓存系统 |
| 2.4.2 分布式协调中间件 |
| 2.4.3 分布式数据库MongoDB |
| 2.5 本章小结 |
| 第三章 系统需求和总体设计 |
| 3.1 系统需求分析 |
| 3.1.1 功能性需求分析 |
| 3.1.2 非功能需求分析 |
| 3.2 系统架构设计 |
| 3.3 系统各层方案 |
| 3.3.1 系统前端UI层 |
| 3.3.2 系统业务层 |
| 3.3.3 系统调度层 |
| 3.3.4 系统抓取层 |
| 3.3.5 系统数据层 |
| 3.4 可视化生成css |
| 3.4.1 css选择器算法改进 |
| 3.4.2 单元素简化算法 |
| 3.4.3 多元素合并算法 |
| 3.5 数据库设计 |
| 3.6 本章小结 |
| 第四章 系统的详细设计与实现 |
| 4.1 前端UI层设计与实现 |
| 4.2 业务层的设计与实现 |
| 4.2.1 可视化辅助定位 |
| 4.2.2 任务编辑子模块 |
| 4.2.3 数据下载 |
| 4.3 调度层的设计与实现 |
| 4.3.1 节点状态管理 |
| 4.3.2 节点命令管理 |
| 4.3.3 任务分发 |
| 4.4 抓取层的设计与实现 |
| 4.4.1 网页下载器 |
| 4.4.2 正文自动提取 |
| 4.4.3 抓取模板 |
| 4.4.4 新闻过滤 |
| 4.4.5 订阅更新 |
| 第五章 测试 |
| 5.1 环境介绍 |
| 5.2 测试内容 |
| 5.2.1 功能性测试 |
| 5.2.2 非功能性测试 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要参与工作 |
（10）面向用户知识需求的微信公众平台知识资源聚合及服务研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.1.1 微信公众平台成为用户获取知识的重要途径 |
| 1.1.2 微信公众平台知识资源海量庞杂且质量参差不齐 |
| 1.1.3 用户日趋追求精准和智能化的知识服务 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 国内外研究现状 |
| 1.3.1 网络知识资源聚合的国内外研究现状 |
| 1.3.1.1 网络知识资源聚合的国内研究现状 |
| 1.3.1.2 网络知识资源聚合的国外研究现状 |
| 1.3.2 微信公众平台知识组织与服务的国内外研究现状 |
| 1.3.2.1 微信公众平台知识组织与服务的国内研究现状 |
| 1.3.2.2 微信公众平台知识组织与服务的国外研究现状 |
| 1.3.3 研究评述 |
| 1.4 研究方法及技术路线 |
| 1.4.1 主要研究方法 |
| 1.4.2 研究技术路线及思路 |
| 1.5 研究主要内容 |
| 1.6 研究的创新点 |
| 第2章 相关概念及理论基础 |
| 2.1 微信公众平台 |
| 2.1.1 微信公众平台概念 |
| 2.1.2 微信公众号的类型 |
| 2.1.3 微信公众平台知识资源 |
| 2.2 知识聚合理论与方法 |
| 2.2.1 知识聚合概念 |
| 2.2.2 常用的知识聚合方法 |
| 2.3 文本挖掘与分析 |
| 2.3.1 文本挖掘概述 |
| 2.3.2 文本挖掘流程 |
| 2.4 知识服务 |
| 2.4.1 知识服务概述 |
| 2.4.2 常见的知识服务模式 |
| 2.4.2.1 知识检索服务 |
| 2.4.2.2 知识导航服务 |
| 2.4.2.3 知识推荐服务 |
| 2.4.2.4 知识集成服务 |
| 2.5 本章小结 |
| 第3章 面向用户知识需求的微信公众平台知识聚合服务体系框架 |
| 3.1 微信公众平台知识聚合服务面向用户知识需求的必要性 |
| 3.2 微信公众平台知识聚合及服务概述 |
| 3.2.1 微信公众平台知识聚合概念 |
| 3.2.2 微信公众平台知识聚合服务要素分析 |
| 3.2.3 微信公众平台知识聚合服务目标与原则 |
| 3.2.3.1 微信公众平台知识聚合服务目标 |
| 3.2.3.2 微信公众平台知识聚合服务原则 |
| 3.3 基于知识聚合的微信公众平台知识服务动因分析 |
| 3.4 面向用户知识需求的微信公众平台知识聚合服务体系框架 |
| 3.4.1 面向用户知识需求的微信公众平台知识聚合服务过程 |
| 3.4.2 面向用户知识需求的微信公众平台知识聚合服务体系框架构建 |
| 3.5 本章小结 |
| 第4章 微信公众平台用户画像构建及需求分析 |
| 4.1 微信公众平台用户画像概述 |
| 4.1.1 微信公众平台用户画像内涵 |
| 4.1.2 微信公众平台用户画像构建原则 |
| 4.2 微信公众平台用户画像构建 |
| 4.2.1 VALS2模型概述 |
| 4.2.2 基于VALS2的用户标签体系设计 |
| 4.2.3 用户画像标签权重设计 |
| 4.2.4 实证研究—以“学术类微信公众号用户”为例 |
| 4.2.4.1 样本特征统计分析 |
| 4.2.4.2 因子分析及分类标签抽取 |
| 4.2.4.3 用户画像聚类分析及可视化 |
| 4.3 基于用户画像的微信公众平台用户分类与知识需求分析 |
| 4.3.1 初期引入参与型用户 |
| 4.3.2 成长型用户 |
| 4.3.3 成熟型用户 |
| 4.4 微信公众平台用户知识需求层次分析 |
| 4.4.1 微信公众平台用户知识需求形成 |
| 4.4.2 微信公众平台用户知识需求层次划分 |
| 4.5 微信公众平台用户知识需求模型 |
| 4.6 本章小结 |
| 第5章 基于标签聚类的微信公众平台知识聚合及推荐服务 |
| 5.1 微信公众平台文本标签聚类的内涵及作用 |
| 5.1.1 微信公众平台文本标签聚类内涵 |
| 5.1.2 微信公众平台文本标签聚类作用 |
| 5.2 基于标签聚类的微信公众平台知识聚合方法 |
| 5.2.1 微信公众平台文本标签抽取方法 |
| 5.2.1.1 基于TextRank算法的文本标签抽取方法 |
| 5.2.1.2 Word2vec词向量模型 |
| 5.2.1.3 融合Word2vec和TextRank的文本标签抽取方法 |
| 5.2.2 BIRCH聚类算法及优化 |
| 5.2.3 基于改进BIRCH算法的微信公众平台知识资源聚合过程 |
| 5.3 实证研究—以“认知计算”领域为例 |
| 5.3.1 文本知识资源标签抽取 |
| 5.3.2 基于标签聚类的微信公众号知识资源聚合 |
| 5.4 基于标签聚类的微信公众平台知识推荐服务模式 |
| 5.4.1 微信公众平台知识推荐服务概述 |
| 5.4.2 基于标签聚类的微信公众平台知识推荐服务要素分析 |
| 5.4.3 基于标签聚类的微信公众平台知识推荐服务模式构建 |
| 5.5 本章小结 |
| 第6章 基于摘要生成的微信公众平台知识聚合及集成服务 |
| 6.1 微信公众平台文本知识摘要生成的内涵及作用 |
| 6.1.1 微信公众平台文本知识摘要内涵 |
| 6.1.2 微信公众平台文本知识摘要作用 |
| 6.2 基于TextRank算法的文本摘要生成过程及改进思路 |
| 6.2.1 基于TextRank算法的文本摘要生成方法及过程 |
| 6.2.2 基于TextRank算法的文本摘要生成方法改进思路 |
| 6.3 基于改进TextRank算法的微信公众平台知识摘要生成方法 |
| 6.3.1 基于TextTank算法的文本摘要生成方法改进 |
| 6.3.1.1 句子语义相似度计算 |
| 6.3.1.2 句子位置特征及标题相似度特征计算 |
| 6.3.1.3 基于MMR算法的句子冗余处理 |
| 6.3.2 融合用户需求与图模型的单文本知识摘要生成方法 |
| 6.3.3 融合主题与图模型的单领域多文本知识摘要生成方法 |
| 6.3.3.1 Doc2vec段落向量模型 |
| 6.3.3.2 微信公众平台单领域多文本知识摘要生成流程 |
| 6.4 实证研究—以“认知计算”领域为例 |
| 6.4.1 基于单文本知识摘要生成的微信公众平台知识聚合 |
| 6.4.2 基于单领域多文本摘要生成的微信公众平台知识聚合 |
| 6.5 基于摘要生成的微信公众平台知识集成服务模式 |
| 6.5.1 微信公众平台知识集成服务概述 |
| 6.5.2 基于摘要生成的微信公众平台知识集成服务要素分析 |
| 6.5.3 基于摘要生成的微信公众平台知识集成服务模式构建 |
| 6.6 本章小结 |
| 第7章 微信公众平台知识资源聚合及服务能力提升策略 |
| 7.1 用户知识需求外化表达及挖掘 |
| 7.1.1 提升用户知识需求外化表达能力 |
| 7.1.2 深入挖掘用户多层次知识需求 |
| 7.1.3 培养用户知识服务评价和反馈意识 |
| 7.2 加大新技术应用和融合改进 |
| 7.2.1 引入新技术,优化和改进知识聚合方法 |
| 7.2.2 知识聚合服务系统搭建和开发设计 |
| 7.2.3 应用可视化技术加强用户服务体验 |
| 7.3 微信公众平台创新服务理念及加强运营管理 |
| 7.3.1 加强主动知识服务意识,创新知识服务理念 |
| 7.3.2 构建和开展多元化平台知识服务模式 |
| 7.3.3 加强专业知识服务人才队伍建设 |
| 7.4 本章小结 |
| 第8章 研究结论与展望 |
| 8.1 研究结论 |
| 8.2 研究局限与展望 |
| 参考文献 |
| 附录 |
| 附录1 微信公众平台用户知识服务需求调查问卷 |
| 附录2 单领域多文本知识摘要生成示例 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
四、一个动态网站自动生成发布系统（论文参考文献）
- [1]安卓应用行为刻画方法及关键技术研究[D]. 苏丹. 北京交通大学, 2021(02)
- [2]基于关联数据的历史档案资源聚合研究[D]. 贾琼. 吉林大学, 2021(01)
- [3]基于MQTT的通用物联网安全系统框架[D]. 葛天雄. 浙江大学, 2021(02)
- [4]基于大数据的大学生日常思想政治教育创新研究[D]. 邓晶艳. 贵州师范大学, 2021(09)
- [5]基于图神经网络的在线社交网络恶意用户检测[D]. 杨佩佩. 桂林电子科技大学, 2021(02)
- [6]基于微服务架构与知识图谱技术构建无人机知识库系统[D]. 陈秋瑾. 厦门理工学院, 2021(08)
- [7]基于网页信息自动提取的分布式爬虫系统设计与实现[D]. 杨本栋. 北京邮电大学, 2021(01)
- [8]面向智能招聘的数据挖掘方法及其应用[D]. 秦川. 中国科学技术大学, 2021(09)
- [9]基于可定制化规则新闻抓取系统的设计与实现[D]. 周昂. 北京邮电大学, 2021(01)
- [10]面向用户知识需求的微信公众平台知识资源聚合及服务研究[D]. 程子轩. 吉林大学, 2021(01)