8篇关于关键词的计算机毕业论文

今天分享的是关于关键词的8篇计算机毕业论文范文, 如果你的论文涉及到关键词等主题,本文能够帮助到你

基于K-core的图分解TextRank关键词提取技术的研究与应用

这是一篇关于关键词,TextRank,K-Core,G1赋权法,图分解,电商评论数据的论文, 主要内容为根据第48次《中国互联网络发展状况统计报告》,仅2021年上半年,全国网上零售额已达到61133亿元,同比增长了23.2%。在这组数字的背后,不仅是电商行业的繁荣发展,电商相关领域的数据信息量也在爆发式的增长,而电商网站中的用户评论数据就是其中之一。为了能够帮助拥有大量评论信息的电商卖家节省时间发现商品评论中的关键词,以提升自家商品在同行中的竞争力,形成正向反馈,本文以电商评论数据为研究对象,使用构建词图的方法,再结合图网络中节点的属性,配合传统的关键词提取算法,以此来开展研究实验。其主要的研究内容如下:提出基于K-Core的Text Rank关键词提取算法。围绕传统Text Rank算法中每个节点初始权值都为1且在提取关键词的过程中过度依赖字词的出现频率这两个不足之处,在本文算法中使用共现关系构建词图,使用K-Core算法进行剪枝操作分解出词图中的核心和非核心子图,以此来得到重要的节点属性特征。之后,根据选取和定义的6个特征,得到每个节点对应特征的评分,最后根据G1赋权法得到每个特征所占的权重,以此来综合计算每个节点的初始权值。这样一来,既考虑到了节点在图中的属性特征,也使每个节点得到了不同的初始权值,平衡了传统Text Rank算法中边权值(频率)的影响。使用本文算法在自采数据集上做了多组实验,包括在改变参数情况下的自身对照实验以及对比传统的Text Rank算法和TF-IDF算法的实验,结果表明当窗口大小设置为4,提取的关键词数量设置为22时,本文算法的效果要好于传统的Text Rank算法和TF-IDF算法,达到了较好的效果。同时,严格按照软件开发流程设计和实现了基于本文算法的关键词提取系统,方便电商卖家使用。开发过程中主要使用了前后端分离的思想,前端使用Vue框架,后端使用Django框架,前后端通信则使用RESTful风格的接口,在数据的采集功能中也集成了Scrapy爬虫框架,最后则对整个系统进行了测试。该系统可以由用户选择电商评论数据上传方式,并可以对文本数据进行分布式保存和关键词提取、显示,可以有效的提高电商卖家的阅读效率,体现出了本文算法的应用价值。

基于K-core的图分解TextRank关键词提取技术的研究与应用

基于词相似度检索的环保执法数据系统研发

这是一篇关于词语相似度,关键词,JSP,执法数据管理的论文, 主要内容为现如今,互联网信息技术及相关技术发展日新月异,互联网越来越多的应用到人们的学习、生活及工作当中。政府等相关部门、系统也为提高工作效率,实施采用一系列电子政务系统。电子政务系统将越来越多的取代传统的办公方式与系统。对于环境保护方面,目前由于工农业、旅游业的发展,给环境带来的压力越来越大,生态等环境问题也比较突出。但是现有的环保执法法律法规的查询受制于时间、空间、设备等的限制,执法人员无法快速执法,从而影响执法效率,导致执法力量明显薄弱。如何使执法人员都能快速并有效地查询到执法所需法规,并且普通民众也可通过该系统查询环境保护法律法规,实现执法信息共享成为一个关键问题。为满足大理洱海环保局对环保法律法规管理系统建设的需求,做出需求分析,建立系统各功能模块,并对系统体系结构、平台、语言及所涉及到的知识和技术进行了研究。本文采用B/S结构,J2EE平台,使用JSP语言和MySQL数据库,设计开发了一个基于web的系统。在此基础上,本文重点研究了词语相似度的计算,结合法律法规用词具有专业性特殊性的特点和《知网》知识库,生成相似度不同的关键词集。基于关键词相似度的检索,可解决查询时所用词与具有特殊性的法律法规用词不匹配所造成的无法检索到结果的问题。最后进行系统测试,验证本文系统设计和算法的可行性。

基于词相似度检索的环保执法数据系统研发

基于SEO的教学资源网站设计与开发

这是一篇关于教学资源,SEO（搜索引擎优化）,关键词,网站结构的论文, 主要内容为随着互联网络的飞速发展，教育信息化在我国教育中的地位越来越重要，国内众多教育部门和机构随之建立起各种教学资源网站，然而这些教学资源网站的建设者们并未从搜索引擎优化（SEO）角度进行网站建设，仅从网站功能、页面外观等方面来考虑，网站的后期管理者同样也缺乏运用SEO（搜索引擎优化）的技术及观念，以致搜索引擎对当前教学资源类网站收录比较困难，这在一定程度上增加了学习者和教师对教学资源的获取难度，不利于教学资源网站教育功能的实现。为此，本文开展基于SEO的教学资源网站设计与开发研究，以期能够解决教学资源检索的低效问题，为学习者的学习和教学者的教学提供良好的资源环境。首先，从当前教学资源类网站中存在的问题出发，对教学资源网站设计和相关研究方法进行深入调研分析，阐述了SEO的基本概念及国内外发展现状，并介绍了相关理论和技术，为进行基于SEO的教学资源网站的设计与开发奠定了基础。其次，基于对SEO和教学资源网站特点的分析，给出了一种针对教学资源网站的设计原则，提出了一种基于SEO的教学资源网站的设计方法，该方法包括URL优化、页面代码优化、网站结构优化等，并从媒体表征上，对教学网站内容体系进行设计。在此基础上，设计出教学资源网站的整体框架结构，并进一步设计出了网站的功能模块。最后，根据基于SEO的教学资源网站的设计方法，结合相关技术基础，给出教学资源网站的详细开发过程。并运用实证研究法，从搜索引擎优化（SEO）方面介绍了教学资源网站的应用，并对应用结果进行分析评价。本文的研究给教学资源网站的设计与开发提供一套新思路、新方法，并将基于SEO的教学资源网站的设计和开发模式及流程同实践相结合进行验证，最后汇总了一系列普适、有效的开发工具、方法和模式供后续开发者借鉴。结果表明，基于SEO进行教学资源网站的设计与开发是可行有效的，有利于提高学习者和教学者对教学资源的获取效率，有利于教学资源网站自我价值的实现，有利于良好教学资源环境的建设，具有重要的现实意义和推广价值。

汉语国际教育硕士专业学位论文选题研究——基于CiteSpace文献计量统计分析

这是一篇关于CiteSpace,关键词,论文选题,汉语国际教育硕士专业学位论文的论文, 主要内容为汉语国际教育硕士专业培养主要分为课程学习、教学实践和论文写作三大环节。论文写作是汉硕专业培养的第三大环节,重要性不言而喻。实践性、应用性和科学性是汉语国际教育硕士专业学位论文最为显著的特征。在目前的学术界,关于汉硕学位论文选题的研究较少,且大多是对某一学校或某一地区近几年的研究,样本量较小。而且大部分学者主要依靠自己的教学指导经验或照搬前人的分类成果进行选题分类后再统计分析,提出培养建议。利用文献计量统计工具的研究方法进行大样本量研究的文献更是少之又少。因此,本文通过搜集汉硕专业发展较为成熟的首批24所汉硕学校共计6119篇学位论文,通过人工统计的方式,分析出汉硕学位论文五大形式的占比和主要涉及内容。专题研究类论文一共有4263篇,占比最高,达到了 69.6%;调研报告类论文数量为1013,占比16.6%;教学设计类论文数量为674,占比为11.0%;典型案例分析类论文数量为126,占比2.1%;教学实验报告类论文数量为43,占比为 0.7%。采用CiteSpace文献计量工具绘制汉硕论文选题关键词共现知识图谱和突现词图表,统计分析出汉硕论文选题的12个热点和三个阶段的研究前沿趋势。12个选题热点分别为:偏误分析、汉语教材、汉语、泰国、韩国、习得、汉语学习、教学法、教学方法、词汇教学、文化、初级阶段。三个阶段的研究前沿分别为:第一阶段为2009—2011年,这一阶段的突现词有以下11个,词汇教学、文化、课程设计、负迁移、语法教学、趣味性、越南学生、成语教学、语音、教学法、英语;第二阶段为2012—2015年,这一阶段的突现词有以下6个,影响、原因、课堂管理、偏误原因、句法、调查分析;第三阶段为2016—2018年,这一阶段的突现词有以下8个,新手教师、需求分析、调查、调查报告、调查研究、修订建议、影响因素、建议。根据统计结果,总结出汉硕学位论文选题存在的四个问题,并对学校、学生两个主体提出了数项建议,以此促进选题质量的提高。

电商客服自动问答系统的商品意图识别

这是一篇关于问答系统,电子商务,相似度,关键词,意图的论文, 主要内容为“中国制造2025”中提出要加快发展智能制造装备和产品,作为其中重要部分的服务机器人以及智能家居都倍受产业界追捧。在工业机器人之后,服务机器人也将得到政策支持,获得政策顶层设计规划。经过多年的发展我国的电子商务市场规模大,网络购物用户基数多,用户对商品的体验不再停留在产品质量,对服务质量的要求不断提高;另外,客服人员服务成本不断提升、流失率高以及招聘专业客服难度大等问题突出,电商客服机器人是人工智能的新形式,它将更高效地服务各商家和用户。客服人员以及电商客服机器人在和用户交流的过程中,关键环节在对用户意图的识别,只有准确发现用户的意图所在才能有效地为其服务,不断提高用户的满意进而获得忠诚的用户实现盈利。本文对电商客服自动问答系统(电商客服机器人)所属的问答系研究统进行了梳理,介绍了问答系统的发展以及系统的类型、结构等基础知识;同时,了解了问答系统涉及的关键词提取、词语相似度计算等技术,此外,深入理解了BP神经网络算法。在以上知识准备基础上,本文基于电商客服机器人系统,首先,在对用户语句处理上使用了中科院分词技术,并构建了化妆品领域所需的专业词典来提高分词准确性,词典涉及商品、美妆、护肤等多方面;根据网络购物语言特点,对用户沟通语料进行统计分析筛选建立了相应的停用词表;其次,选取语义、自身、位置三大块特征值信息利用BP神经网络模型对用户语句进行关键词提取。然后,本文构建了网络购物中用户比较关注的商品和服务意图网络,这一网络作为每一个用户的描述画像,为系统后期回答服务。最后,依据艾宾浩斯的人类遗忘规律,结合用户与客服机器人沟通的时间特点,基于遗忘曲线构建了“单阶段”和“多阶段”用户商品意图模型,实现用户的商品意图强度描述,通过提取的关键词利用Word2vec语义分析工具计算用户商品意图强度,对问答系统回答准确有一定改善,用户商品意图强度的获得还能给用户进行个性化推荐以及相关服务做指导。