分享6篇关于智能服务的计算机专业论文

今天分享的是关于智能服务的6篇计算机毕业论文范文, 如果你的论文涉及到智能服务等主题,本文能够帮助到你

中国鸟类领域知识图谱构建与应用研究

这是一篇关于知识图谱,本体,深度学习,实体关系联合抽取,智能服务的论文, 主要内容为针对互联网中的文本存在数据量大、复杂异构、关联性差等问题,知识图谱可为鸟类领域的信息数字化研究提供一种全新的思路,利用知识图谱来提供便捷的知识服务。通用知识图谱对鸟类领域而言存在知识深度较浅等问题,可通过构建鸟类知识图谱来融合与组织碎片化文本,以较小的代价将异构信息转换为结构化信息,实现领域知识的统一组织与表示。本体可有效组织与表示鸟类知识中的概念、属性、关系等,因此本文基于鸟类领域本体来构建BKG4DK(面向领域知识的鸟类知识图谱,Bird Knowledge Graph for Domain Knowledge),并设计针对非结构化文本的基于深度学习的知识抽取模型,实现BKG4DK的内容扩充。最后开展基于中国鸟类领域知识图谱的智能服务研究,来满足用户的知识一体化需求。本文主要工作有以下几个方面:(1)中国鸟类领域本体构建。本体可概括性表示领域知识中的概念、属性、关系等,确定本体构建目标后采用七步法进行本体建模,主要包含确定本体领域范围和梳理核心概念集与属性集。在本体建模基础上,使用(?)本体构建工具完成本体构建。最后根据本体与知识图谱存在的关系将本体映射到知识图谱中,实现BKG4DK基本内容填充。同时,鸟类本体可为后文知识图谱智能服务中的知识推理服务提供帮助。(2)针对非结构化的鸟类文本,设计基于深度学习的知识抽取方式,通过实体关系联合抽取方式来获取三元组信息,扩充BKG4DK的规模。针对传统标注方式存在的问题并结合语料特征,提出与文本特征相适应的ME+R+SOBIE标注方法,同时标记句中的实体与关系,提升标注效率与效果。在此基础上构建Bird-Data语料库,融合BERT、Bi LSTM、CRF模型来训练鸟类实体识别与实体关系抽取模型,自动抽取文本中的实体与关系。为验证模型实际表现,采用不同模型来进行对比实验,实验结果表明该模型效果优于其他经典模型。(3)确定鸟类领域知识服务需求后,开展基于中国鸟类知识图谱的智能服务研究,其中有基于BKG4DK的知识管理服务、知识查询服务、知识推理服务,实现知识图谱的垂直应用。其中,基于BKG4DK的知识管理通过知识获取与知识存储来实现知识的获取与存储应用;知识查询基于Neo4j图数据库实现知识检索与关系查询应用,并设计知识问答模型来实现简单问题的智能问答;知识推理通过自定义知识推理规则,从知识图谱中已有实体与关系推理得到新知识,实现鸟类知识推理应用。

基于图神经网络的云制造服务推荐系统研究

这是一篇关于云制造,智能服务,推荐系统,图神经网络的论文, 主要内容为智能制造是中国制造2025的核心,是我国制造业发展的主攻方向,智能服务是智能制造的核心内容之一。云制造作为制造资源服务平台,正逐渐成为智能制造服务的有效载体。随着云制造服务平台上的资源快速增加,用户很难快速且准确地从平台中寻找到所需的制造服务资源,因此推荐系统成为了云制造服务平台的关键模块。本课题针对已有的云制造服务推荐方法难于通过利用资源高维特征信息来提升推荐准确度的问题,提出了一种基于图神经网络的云制造服务资源推荐方法,并研发了基于该方法的云制造服务推荐原型系统。主要研究内容如下:(1)云制造服务资源推荐系统问题分析。针对云制造服务平台的用户需求进行分析,以及对平台的制造服务信息过载问题进行描述等。与此同时,着重对基于图神经网络的云制造服务资源推荐方法与推荐流程进行了详细分析。(2)构建基于图神经网络的云制造服务推荐模型。研究采用不同的相似度计算方法,计算制造服务资源之间的相似度,建立了云制造服务资源图数据集。在此基础上,构建了基于图神经网络的云制造服务资源链接预测模型,利用所建立的图数据集对模型进行了训练,并对训练结果进行了对比评价。(3)云制造服务推荐系统分析与设计。基于所建立的云制造服务推荐模型,对云制造服务推荐原型系统进行了需求分析、功能模块划分、用例分析与时序图分析,并在此基础上进行了系统架构设计、类设计与数据库设计等。(4)云制造服务推荐系统的实现与测试评价。在系统分析与设计的基础上,对云制造服务推荐原型系统中的资源发布、需求发布以及制造服务个性化推荐等关键功能模块进行了编程实现,并开展了功能测试与效果评价。研究结果表明,所提出的制造服务推荐方法可以取得较好的推荐效果,能准确地向平台上的用户推荐合适的制造服务资源。

中国鸟类领域知识图谱构建与应用研究

基于知识图谱的服务机器人环境信息表征机制研究

这是一篇关于知识库,知识图谱,知识融合,知识推理,智能服务的论文, 主要内容为随着服务机器人越来越多地走入我们的工作和生活,人们对机器人的服务质量要求也越来越高,因此构建适用于机器人服务任务的环境信息表征模型成为当下的研究热点。服务机器人执行任务时所涉及的环境信息具有多样性、语义性、层次性和关联性等特点,然而现有的环境信息表征方式如谓词逻辑和本体等多是强调环境中的概念和概念间关系,对实例级的物品和关系认识不足,不仅难以表达环境信息的上述特点,并且还存在知识表示可视化程度低、人机交互能力差、知识推理能力不足、知识搜索速度慢等问题,无法满足智能化、个性化服务的需求。针对上述问题,课题设计基于知识图谱的室内环境信息表征模型,利用知识图谱技术挖掘、分析、构建、绘制和知识显示,并以机器人知识库的形式组织存储,增强环境信息表征的通用性、系统性和直观性,提高推理能力和检索效率。本文的主要工作包括以下几方面:设计基于知识图谱的环境信息表征模型,将机器人本体感知的环境信息,结合互联网获取的功能属性等语义描述信息统一形成包含概念层和数据层的结构化的可逻辑推理的服务机器人知识库。由于构建知识库的数据来源广泛且具有异构性,不同数据源间存在实体语义差异和知识体系差异,设计基于向量特征的多模态实体语义融合模型和基于Hownet的体系融合框架,将物品语义、属性、关系和空间功能、上下文等室内环境描述信息进行统一化的规范性表示,实现环境信息的系统的自动表征。为了挖掘知识库中的隐性高层知识,设计基于马尔科夫逻辑网的知识推理机制。给出一种通过策略游走获得知识图谱路径特征的方法,通过路径特征实现知识库的推理规则的获取。同时,对马尔科夫逻辑网中的推理规则参数进行微调,提高推理的准确性。利用马尔科夫推理模型实现对关系、语义、类型等的知识图谱精化,预测和挖掘信息间的关系,提高知识图谱的覆盖率,实现知识库的发育。面对机器人服务任务需求,引入语义地图概念,机器人获取结构化的环境信息,在此基础上根据基于知识图谱的物品知识库,将物品的语义信息与结构化地图关联生成语义地图。由于知识库中物品与物品间以关系的形式相连,因此当服务机器人对知识库中的物品检索时,不仅可以得到该物品的语义、属性信息,而且还可以得到与该物品相关联的其他物品信息,能够提升机器人任务分解和任务规划能力,从而实现智能服务。本文所提出的方法将机器人与人的服务需求紧密相结合,知识图谱技术的引入,不仅使服务机器人知识库具有结构化层次化表达环境信息的能力,还具备类似人脑的“联想”,为机器人提供智能化任务奠定了基础。该工作对实现机器人知识库构建和智能化服务具有重要的理论与实用价值。

山东省农村信用社CRM系统的设计与实现

这是一篇关于智能服务,客户关系管理,Struts2,B/S模式的论文, 主要内容为随着社会的进步、客户群体素质的提高和竞争对手的发展,农信社的服务面临新的挑战。金融企业(银行、信用社等)客户关系管理(CRM)作为一种新型的管理模式,既是一种先进的发展战略和经营理念的体现,又是一种新型的商业模式和管理实践活动。作为银行类CRM的一个应用,在此之前,信用社在客户关系管理方面刚刚起步,各项规章制度刚刚制定,也没有什么软件系统可以单独完成信用社的客户关系管理与服务,迫切需要一套适合自身业务发展需要软件系统。基于上述农信社的客户关系管理工作中存在的问题考虑,以及具体用户山东省农信社的具体需求,本文课题经过细致的业务调研以及需求分析,提出相应的解决方案,并在技术路线上主要采用Struts2+Spring+Hibernate框架技术,利用JAVA语言和SQL Server 2008数据库最终设计并开发出了包含基本信息管理、客户管理、营销管理、服务管理以及统计查询管理等子系统在内的山东农信社CRM系统,所实现的CRM系统平台,通过将信用社内的各类服务功能进行集中整合,并进行流程再造,成功实现了科学规范的农信社电子化服务流程,从而解决了农信社原有无好用系统的问题。达成了各个部门和人员可以协同工作,为信用社客户提供优质的服务的目标,满足了提升信用社业务发展需求。总的来说,本文课题成功的设计和实现出了一套农信社的CRM系统,并通过了各项功能测试和性能测试,验证了系统的可用性,而农信社通过本系统的应用,也解决了原有的工作模式下的问题和困难,从而为自身的发展和客户服务的提升扫清了障碍。