7篇关于领域知识的计算机毕业论文

今天分享的是关于领域知识的7篇计算机毕业论文范文, 如果你的论文涉及到领域知识等主题,本文能够帮助到你

基于超宽带及领域知识融合的滑冰场定位系统设计与实现

这是一篇关于室内定位,UWB,领域知识,卡尔曼滤波的论文, 主要内容为随着国家对冰雪运动的大力发展,专业运动员和冰雪爱好者逐渐进入到室内冰场中运动训练、娱乐游玩。现有滑冰场希望引入高精度的室内定位系统为冰场中速度、位置变化频繁的滑冰人员提供辅助训练或娱乐服务。但因室内场馆对卫星信号的屏蔽,Wi-Fi/BLE等传统指纹定位精度不高、更新频率不足,致使无法使用北斗等卫星定位或传统指纹定位。超宽带(Ultra Wide Band,UWB)定位技术能够提供精度较高、更新频率较快的定位结果,现有UWB系统也都实现了简单的定位功能。本课题所依托横向项目要求在现有系统基础上设计实现针对滑冰场的高精度、低时延的UWB定位系统。但在实际生产过程中,还有以下问题亟待解决:(1)现有UWB定位系统定位精度无法满足课题需求,而传统优化方法没有利用滑冰者速度、运动状态等领域知识,针对滑冰场内人员速度变化大、运动状态多变的情况,其优化能力不足;(2)现有UWB定位系统缺乏用户管理、定位设施管理等系统管理功能,无法满足滑冰场定位系统需求。针对上述问题,本文将开展基于超宽带及领域知识融合的滑冰场定位系统算法研究及开发工作。该算法在经典卡尔曼滤波算法的基础上做了改进和优化,能够对分运动状态后的定位结果使用不同的优化方案,进一步提升定位精度,满足了课题需求。此外,根据冰场内人员定位需求,通过分析人员角色和用例图来确定系统的各项需求,并以原系统为基础增加新的功能。再由系统概要设计确定整体的系统架构,并划分系统的各部分功能模块。再通过ER图进行数据库分析以及数据库表设计,并对界面风格设计进行简单介绍。之后,设计并确定系统各功能模块类图与功能时序图,依照系统的详细设计进行编码。最后,在实验场地内进行充分测试,找到并改善系统中的开发、算法缺陷,确保系统能够满足各项需求。本课题已成功完成了 UWB定位系统全部工作,且在课题委托方的室内冰场中充分测试并成功上线运行。

基于领域知识的线要素简化方法研究

这是一篇关于领域知识,线简化,弯曲,路网,空间方向关系的论文, 主要内容为线简化是地图综合的重要算子,制图时,制图者通常根据主观决策从散乱无序的线简化算法中选择合适的算法,而很少关注已有线简化算法的有序管理和自动选择。但是,已经存在的算法不能在所有应用场景中获得良好的结果,例如,高精地图的快速发展和广泛采集,要求研究能满足特定场景和该数据特点的路网简化算法。因此,仍需不断改进已有的和研究新的线简化算法。本文在对已有线简化算法的知识和经验进行抽象和归纳的基础上,针对线要素现有的算法的不足进行研究和改进,很好地解决了弯曲结构的有效识别问题,以及城市高精路网数据的简化和空间方向关系维护问题。主要研究成果和创新点如下:1)研究了地图上线要素简化的知识表达方法。对线简化知识和经验进行科学归纳和形式化表达,将知识封装在本体中,可以依据知识,自动选择满足某一特定线状目标简化要求的算法,有利于对已有算法的管理和维护。以简单海岸线和路网简化为例,构建了相关知识图谱。2)提出了弯曲识别的新算法并应用于线的渐进式简化。详细分析了直接以曲率极值点划分弯曲时存在的两个问题并研究了具体解决方案,形成符合空间认知规律的基本弯曲单元。然后根据需要选择并计算弯曲指标,对弯曲进行渐进式简化。将该方法应用到简单海岸线简化中,结果证明该弯曲识别方法保持了弯曲两侧结构的完整性,同时渐进式简化结果保持了线目标的拓扑关系和整体结构。3)改进了一种顾及导航约束的Opheim算法。该算法首先分析了导航路网的模型表达,提取满足语义约束的关键地形点,然后根据路段的长度、方位和拓扑特征按照一定的规则进行渐进式简化。应用于高精数据的简化结果能够最大程度地保持道路的空间关系和形状特征,同时能标注出最终无法处理的问题点。4)提出了城市高精路网数据表达精度降低时的空间方向关系智能化维护方法。针对路网结构特点,本文将多个直接连接的节点定义为特殊节点,其它路网节点定义为普通节点。分析了已有方法维护特殊节点的空间方向关系所引起的问题后,引入了带精英策略的遗传算法寻找最优解。针对四个城市的路网实验结果表明该方法是合理且有效的,维护后的道路形状与原始道路形状相似且拓扑关系正确。

特定领域知识共享系统的设计与实现

这是一篇关于领域知识,知识共享,可视化交互的论文, 主要内容为在互联网飞速发展的背景下,网络中的知识信息迎来了爆炸式的增长,大量的领域知识分散地隐藏在网络数据中。面对海量的领域知识,想要第一时间从中获得需要的关键信息变得非常困难。由于缺少统一的知识集成管理和可视化分析方式,导致知识的共享率不高,而且无法进行有效的分析和复用。此外,在数据多样化的发展趋势下,人们对于知识的多维度表示需求日益增加,这对知识的共享管理和可视化分析提出了更高的要求。目前已有一些知识平台的可以提供知识管理功能,但是无法对复杂冗余的知识进行有效地集成和融合,并且局限于知识的简单展示,无法提供丰富的展示形式。针对上述问题,本文设计并开发了一款面向领域数据的知识共享可视化系统,系统通过知识抽取、知识融合、知识图谱构建等技术将领域文本中复杂离散的信息组织为结构化知识,通过自动化构建知识库并可视化知识图谱构建过程,实现知识的自动化管理和应用,并从多维度、多层次对知识的语义逻辑和数据关联进行可视化展示。特定领域知识共享系统主要划分为四个模块:知识抽取模块、知识融合模块、知识图谱构建模块、可视化展示模块:(1)针对复杂多样的网络文本中隐含的离散领域知识,知识抽取模块通过依存句法分析匹配预定义的语义范式,对文本中的非结构化文本信息进行抽取并统一组织为结构化的事件多元组形式。(2)针对事件多元组中存在的冗余和冲突问题,知识融合模块采用了基于深度学习的实体对齐和交叉验真技术,保证知识的融合效率和准确性。(3)针对海量数据来源,知识图谱构建模块采用分布式架构进行海量知识存储,通过属性图模型重新对数据进行建模,最终利用查询语句优化算法进行存储查询,实现知识的共享管理。(4)针对知识共享系统中数据呈现方式单一的问题,通过图表、地图等方式优化系统交互效果,引入地图接口绘制含有地理位置信息的元素轨迹,最后采用层次划分算法解决海量数据下知识图谱可视化渲染卡顿的问题。完成系统的设计实现工作后,根据系统的功能性需求和非功能性需求进行了系统测试,特定领域知识共享系统的各项功能模块能够正常工作,达到预期结果。系统通过知识抽取融合技术对领域知识进行抽取并统一表示,通过可视化展示模块对领域知识进行多角度展示,实现领域知识的自动化管理和应用并提供知识共享的能力。

基于IG领域知识模型的线上商品评论有效性分类研究

这是一篇关于领域知识,线上商品评论,评论分类,评论效用的论文, 主要内容为互联网和移动终端技术的发展为人们网络购物带来了巨大的便捷和实惠,同时为卖家节约了大量的线下交易成本,但是线上交易缺少了传统线下交易过程中所拥有的用户体验部分。线上商品评论作为产品说明的一个重要补充部分,其是电商平台为消费者和零售商提供的一个重要的商品使用体验信息交互板块。近年来,随着网购用户的增加,网络热销产品销量和用户评论也成倍增加,网络水军恶意差评,垃圾广告评论横生。如何从大量用户评论中快速选出对于用户购物有确切帮助,真实反映用户使用体验的评论信息对于潜在消费者和卖家均具有重要的价值。论文从评论有效性问题出发,对评论有效性的关键影响因素进行了归纳总结,并基于这些影响因素提出了基于IG提取领域词库进行评论有效性分类的方法。论文首先对在线评论影响因素、评论有效性分类相关技术进行了梳理,从而确定了评论有效性的几个关键影响因素以及评论有效性分类的一般范式。然后,介绍了基于IG构建评论有效性领域知识库并利用LibSVM进行评论有效性分类的原理和方法。最后,通过对亚马逊、淘宝和京东商城iPhone6s系列手机评论数据进行对比分析证明了论文提出的基于IG领域知识库进行评论有效性分类方法的有效性,同时从定量角度验证了评论长度对于评论效用的显著影响并发现不同网站特征词语存在一定差异性。论文的研究结果对于电商平台、商家以及消费者都具有重要的理论意义和实践价值,对于推动电子商务平台的发展和评论有效性相关领域的研究具有重要的参考和借鉴意义。

融合知识图谱的法律文本表示方法研究

这是一篇关于知识图谱,领域知识,知识嵌入,文本表示,神经网络的论文, 主要内容为随着司法领域信息化建设的广泛开展,法律文本作为司法领域的基础数据在司法智能化的过程中变得越发重要。如何高效地利用这些法律文本,对法律判决预测如罪名预测和法条推荐等任务有着十分重要的研究意义。现有的法律文本表示方法多是利用神经网络模型进行学习的,然而这些方法没有考虑过司法领域文本数据的一些独特性,也未考虑到知识图谱中蕴含的海量知识对于法律文本表示任务的帮助。从法律文本的角度来看,法律文本本身含有较多的专用词语,缺少对这些词语的解释。从知识图谱的角度来看,现有的法律知识图谱多以案件,涉案人员,审判人员和法院作为实体构建它们之间存在的关系,其中所蕴含的知识难以与法律文本表示相融合。出于法律文本的这些特点以及现有的法律知识图谱的不足,本文通过构建一个面向犯罪行为的法律知识图谱,并研究如何将知识图谱中的知识和法律文本的独特属性引入神经网络模型用以生成信息更加充分的法律文本向量表示。具体来说,本文的主要研究工作可以总结为如下几个方面:(1)针对文本中案情表示的需求,提出了面向犯罪行为的知识图谱构建方法。通过对法律文本中的案情分析,首先采用哈工大LTP工具对案情描述进行分词和词性标注等工作,接着通过依存句法分析算法分析处理过的文本中词与词之间的依存关系,然后根据语法规则的定义抽取得到相应的犯罪行为三元组的集合,最后将三元组形式的数据信息输入到Neo4j图数据库,利用Neo4j实现了面向犯罪行为的知识图谱的构建。(2)本文提出了一种融合外部犯罪行为特征的法律文本表示方法。通过对法律文本中的案情分析,解析案情中的犯罪特征关键词,并依据这些关键词去知识图谱中查询相关的实体,利用知识图谱嵌入的方法将这些实体转化为向量表示。对于犯罪特征词则是采用词嵌入的方法转化为向量表示。在模型结构上,将犯罪特征词的向量表示与相应知识实体的向量表示分别作为卷积神经网络的多通道输入,在卷积过程中分别从语义和知识两个层面进行学习。使得卷积神经网络能够捕获到更多的信息,进而可以得到更加完善的向量表示。(3)本文提出了一种融合犯罪行为序列的法律文本表示方法。在生成犯罪行为序列的表示部分,该模型通过引入知识图谱中的多条语义路径,来对案情描述的犯罪行为进行提取和拼接得到对应的犯罪行为序列,并使用双向长短记忆网络捕捉序列中前后的语义关系;在生成文本表示部分,对文本进行词向量表示,使用卷积神经网络提取文本的局部特征信息;最后将两个模型的表示结果结合起来得到当前文本的向量化表示。