一、软件应用问答（二）（论文文献综述）
卢艳强[1]（2021）在《在线知识付费影响因素研究》文中提出随着互联网的蓬勃发展,网络信息量急剧增长,用户对快速获取优质信息的需求日益增加。于是,出现了许多提供专业优质内容的在线知识平台。这些在线知识平台,经过初期的免费使用期过渡后,大都采取收费模式以维持正常运营。在线知识付费在这一背景下应运而生,在近些年呈现出“井喷式”发展,极大地满足了用户从海量信息中获取有效信息的需求。然而近两年,在线知识付费用户数量增长放缓,引起全社会上下和学界的广泛关注。有很多学者对影响在线知识付费的因素都进行了深入探讨,但目前来看,都存在着考虑的影响因素偏少以及对影响因素之间的关系研究不够明确等各种不足,无法有效揭示在线知识付费用户滞涨和平台发展缓慢的根源。基于此,本文将在线知识付费分成初次在线知识付费与持续在线知识付费,以计划行为理论和持续理论为基础,综合运用文献分析法、调查问卷法与结构方程模型法,构建出三个在线知识付费影响因素理论模型:（1）初次在线知识付费影响因素模型。基于计划行为理论,引入感知质量、感知费用、信任、体验与用户资源五个外部变量,构建模型,采用定量实证方法揭示了它们对于用户初次在线知识付费的影响;（2）持续在线知识付费影响因素模型。基于持续理论,引入感知易用性与感知娱乐性两个外部变量,构建模型,运用定量实证方法阐明了它们对于用户持续在线知识付费的影响;（3）整合的在线知识付费影响因素理论模型。在初次在线知识付费与持续在线知识付费影响因素理论模型相结合的基础上,引入免费意识,构建综合模型,明确了免费意识对用户在线知识付费的调节作用,以及付费意愿在知觉行为控制与付费行为之间的部分中介作用。本文的研究结论与创新点如下:第一,提出了一个更系统研究在线知识付费影响因素的理论模型。现有在线知识付费的相关研究,大都不区分付费行为,或者单一研究初次付费或持续付费。而本文将在线知识付费分成初次在线知识付费与持续在线知识付费两个阶段,采用用于研究初始行为的计划行为理论与研究持续行为的持续理论,构建出综合模型,更全面、更系统的研究在线知识付费影响因素。第二,揭示了免费意识在满意度与付费意愿之间起着负向调节作用,及免费意识在感知有用性与付费意愿之间也起着负向调节作用,厘清了感知有用性、满意度与付费意愿之间的关系,同时为进一步探析在线知识付费提出了新思路。目前研究中,感知有用性、满意度与行为意愿三者之间的关系模糊,没有统一说法。本文通过定量实证分析,得出当感知有用性或满意度升高时,高免费意识比低免费意识负向影响用户付费意愿的强度更大。第三,增加了在线知识付费影响因素。运用调查问卷方法与实证分析方法进行研究,阐释了感知费用、货币资源、时间资源三个变量与初次在线知识付费的关系,其中感知费用负向显着影响在线知识付费;货币资源与时间资源各自通过知觉行为控制间接正向显着影响在线知识付费,其中货币资源对在线知识付费的影响更大。本文最后根据实证结论,从优化个性化服务质量、提升产品质量、建立产品信任体系、完善产品定价标准与丰富产品形式等五个方面,为在线知识付费平台的发展和完善提出了建议。
白圣鹏[2]（2021）在《语义网技术在港口物流中的应用》文中指出随着全球经济一体化的迅猛发展,全球贸易中的货物百分之九十以上都是依靠港口物流来实现转运。港口物流也已经成为我国一项重大的国家战略。港口物流的模式也随着信息技术的发展不断改变,发展模式也逐渐向信息化靠拢。但也产生了相应的问题,港口物流中的知识资源数据复杂庞大,用户对相关知识资源的获取较为困难繁琐,并且现有的检索模式对于用户含语义需求的问题不能很好的识别处理。如何高效的整合利用港口物流中的知识资源,为用户提供优质的知识资源检索服务成为港口物流信息化建设的热点之一。本文通过对港口物流中知识资源管理检索的研究,分析港口物流知识资源检索的用户需求,选取港口物流中占比最大的集装箱业务为研究对象,将语义网技术引入到集装箱知识资源的检索中,搭建集装箱业务的知识资源本体模型,并对相关数据以及具体的应用进行分析,通过相关实体案例的引入,使用本体构建工具Protégé,依据集装箱最新的相关标准以及锦程物流全球服务中心的集装箱业务的相关数据,使用本体语言进行建模,建立起一个以SPARQL查询语言和Jena推理包技术为主的港口物流集装箱知识资源问答系统,实现基于本体的领域知识资源智能化管理。用户通过语义信息的自主问答,从而快速实现港口物流中集装箱相关知识资源的检索,推动港口物流信息化的建设。
王素芳[3]（2021）在《基于眼动技术的智能界面研究 ——以问答平台为例》文中指出知识问答平台的诞生满足了人们获取问题答案的需要,极大的提高了社会生产力,也推动了问答平台的发展。但是,用户的知识背景、使用平台的目标以及对平台的内容贡献均不同,这无形中给软件的交互设计者增加了压力,他们并不了解用户主要对哪些功能区域感兴趣,这些功能模块区域应该怎样放置才能提高用户与界面的交互。本文的研究目的在于从界面布局和交互的视角出发,运用眼动技术获取受测者在使用问答平台时的眼动行为数据,找出用户关注度高的区域,给同类型问答平台的交互设计理念提供一个科学的参考依据。本文通过数据分析系统得到兴趣区总个数、被注视到的兴趣区个数、兴趣区存在的时长、兴趣区的注视时间、兴趣区的注视总时间以及兴趣区注视时间百分比等6种眼动指标,统计眼动指标数据,得出受测者与界面交互过程中的主要感兴趣区域。基于研究结果,本文提出一种基于眼动技术的智能界面,此界面整体采用垂直线性布局,将展示推荐内容的区域做最大化处理,每条内容从上到下依次排列;内容标题和内容详情等文本按上下结构排列并设置字号大小;只显示“点赞”和“评论”控件,其余控件做折叠处理;图片类的元素保持原状。同时,将答题框设计成可移动的悬浮窗口。经验证,此智能界面大大缩短了用户与界面交互的时间,提高了用户交互感和使用满意度。
李梦莎[4]（2021）在《基于特定场景的智能问答系统的设计与实现》文中指出随着互联网信息技术的快速发展,网络上的数据也越来越多,当前计算机技术的发展阻碍不再是信息不足,而是信息过载。在这种情况之下,智能问答系统应运而生,此类系统被设计搭载在不同的使用场景以解决信息过载的问题,提供给用户一个准确答案。基于特定场景的智能问答系统采用Java开发,使用Spring Boot、My Batis等作为实现框架,并使用My SQL、Redis等数据库技术存储数据,同时,使用MVC模式进行整体的设计,保证系统的灵活性、可拓展性和可维护性。作者通过对产品功能需求和用户特点的详尽分析,将该智能问答系统大致分为四个模块:（1）对话引擎模块:该模块实现某一特定领域的问答功能。该模块是问答系统对外的展示界面,在用户发起提问后通过检索型问答或任务型问答的处理方式完成内容回复。（2）机器人配置模块:该模块实现对不同场景机器人的具体配置功能,主要用于设置对话引擎中不同场景机器人的初始化界面和会话模式。（3）检索型问答模块:该模块实现知识库管理、未知问题管理等功能,主要用于单轮检索型问答模式,将用户自然提问进行意图识别并与知识库中的问题相匹配,如无匹配问题则将其添加到未知问题,后期可将未知问题添加或关联到知识库。（4）任务型问答模块:该模块实现任务场景管理、词表信息管理等功能,主要用于多轮任务型问答模式,将用户自然提问进行意图识别并与任务场景相匹配,系统发起反问,用户补全符合词表配置的所需参数信息,系统完成回复。上线运行结果表明,该系统充分实现了任务型问答和检索型问答的有效融合,操作方便简洁,回答精准快捷,不仅满足用户的实际需求,减少人力资源的消耗和浪费,更大大提高了公司整体的工作效率。目前该系统仍通过数据反馈在不断进行更新和迭代,希望能在日后投入到更多元化的使用场景中去,为公司带来更加丰厚的经济收益,为社会带来更加有效的智能服务。
余笙[5]（2021）在《面向软件缺陷数据的智能分析技术研究与平台实现》文中指出在软件开发及维护过程中,缺陷（Bug）几乎是所有开发和测试人员难以避免的一个问题。缺陷跟踪管理系统是一种帮助开发与测试人员在工作中维护缺陷的软件,用来管理和跟踪系统出现的缺陷,缺陷跟踪系统中包含大量的缺陷报告。开发人员通常使用缺陷跟踪管理系统或搜索引擎辅助当前新缺陷的分析和修复。然而缺陷跟踪管理系统中有许多缺陷报告涉及的源代码文件是有许多重复的。如果开发人员已经提前获悉当前缺陷的相似缺陷报告,那么开发人员可以将精力集中在更少的源代码文件上,从而减少程序理解的工作量。此外,搜索引擎很难准确地理解开发人员的搜索意图,从而无法提供准确的信息帮助当前缺陷的分析及修复。本文针对上述问题,构建缺陷知识图谱,并基于缺陷知识图谱为开发人员推荐相似缺陷报告,同时依靠缺陷知识图谱构建智能问答,准确回答与缺陷相关的问题,大幅提高开发人员修复缺陷的效率。本文的工作主要包括如下几个方面:1)针对缺陷跟踪管理系统中包含大量的相似缺陷报告,提出知识驱动的相似缺陷报告推荐方法。首先分析历史缺陷报告,挖掘缺陷的相关信息及缺陷之间的关系,构建缺陷知识图谱。在缺陷知识图谱的基础上,将信息检索技术与Word Embedding相结合,并综合考虑缺陷的各项属性。最后在Firefox数据集上与基线方法开展对比实验,实验结果表明,此方法在性能上平均可提高12.7%。2)针对搜索引擎提供信息不准确、不全面的问题,提出一种基于预训练模型和知识图谱的缺陷知识问答方法。在成功构建缺陷知识图谱的基础上,将预训练模型应用到缺陷知识问答的整套流程中,如实体识别、实体链接、答案排序等模块。为评估此方法,在Mozilla数据集上与知识问答常用方法开展对比实验,从实验结果来看,此方法的准确率相比于Bi-LSTM提高11.02%,相比于Bi-LSTM-CNN 提高 8.05%。3)构建基于缺陷知识图谱的缺陷数据智能分析平台,平台由实体查询、关系查询、相似缺陷推荐、缺陷知识问答等模块构成。缺陷数据智能分析平台主要用于整合管理缺陷报告、提交信息等信息,帮助开发人员理解和修复缺陷。
剡恺[6]（2021）在《面向金融领域的自动问答系统的研究与实现》文中认为近年来,“金融科技”成为金融领域一大热点,让科技为金融赋能成为行业新的发展趋势,自动问答技术便是典型代表之一。而得益于知识图谱技术的进步,基于知识图谱的自动问答方法脱颖而出,成为近年来的研究热点。基于知识图谱的自动问答方法以知识图谱作为数据源,接受用户的自然问句作为输入,理解用户的询问意图,搜索知识图谱内的知识信息,并返回对应结果。自动问答方法更符合用户的行为习惯,用户可以直接通过询问方式获取高精确度答案,提高用户的信息获取效率。但是,当前面向金融领域的自动问答系统的实现仍面临一些问题:（1）缺少可行的自动问答答案选择方法,仅依靠深度模型的方法其计算耗时长和输出不稳定难以满足线上业务需求;（2）缺乏公开的金融领域知识图谱,知识体系难以建立。针对上述问题,本文设计并实现了一种多级决策的自动问答方法,并以公司产业信息为金融领域知识切入点,构建起公司产业信息知识图谱,最终实现了一个面向金融领域的自动问答系统。具体内容包含以下三点:（1）研究并实现一种基于知识图谱的多级决策自动问答方法。本文首先在自动问答IE-SQL模型的基础上进行改进,强化模型结构语义网络特征,增强模型多任务间的联系,提高模型的表性能力;本文将传统自动问答方法与改进的IE-SQL模型相串联,实现多级决策的自动问答方法,有效提高自动问答方法的计算效率;（2）构建公司产业信息知识图谱。本文通过数据爬虫、实体识别、关系抽取等方法,实现公司产业数据采集,并应用传统概率模型方法实现数据间的知识融合,构建出一个公司产业信息知识图谱,对自动问答方法进行实验验证;（3）构建面向金融领域的自动问答系统。本文以建立的知识图谱为数据基础,以自动问答功能为核心,设计并实现面向金融领域的自动问答系统,为用户提供自动问答服务。
李子璐[7]（2021）在《心理健康问答系统的设计与实现》文中研究表明近年来,随着社会竞争和生活压力的不断增长,心理健康问题已成为当今我国社会日益严重的普遍性问题。因此,快速且有效地获得相应的心理健康服务成为了人们的迫切需要。心理咨询是人们解决自身心理困惑和表达诉求的重要方式。然而,传统的面对面咨询方式已经不足以满足用户的需求,用户更希望可以在遇到心理健康相关的问题时能够随时随地通过在线问答的方式获得快速且专业的解答。基于以上背景和用户需求,本文设计并实现了心理健康问答系统,采用自动问答与人工回答相结合的服务模式,能够利用互联网的优势为咨询用户提供不间断的在线心理问答服务,并且在一定程度上减轻了心理咨询师的答疑工作量。本文的主要工作如下:1、本文根据前期的调研情况和用户需求,对心理健康问答系统进行了需求分析,在需求分析的基础上设计了系统的软件层次架构,划分了系统的功能模块,并根据功能模块的要求完成了系统的数据库设计。2、参考基于问题答案集的自动问答系统的设计思想,设计了相似问题检索的实现方案,以实现心理健康领域常见问题的自动问答。首先对用户输入的问句进行问题理解,包括分词、词性分析、关键词提取和关键词扩展;再根据扩展后的关键词从FAQ库中初步检索出相关候选问题集;最后,通过构建合理的问句文本表示和相似度计算方法对候选问题进行排序,筛选出与用户意图最接近的问题。3、最后在上述分析和设计的基础上,采用前后端分离的开发模式完成了心理健康问答系统的详细设计与实现,并对系统进行了功能测试和非功能测试。咨询用户可以通过检索相似问题模块进行常见问题的自动答疑,也可以通过在线心理问答模块向专业的心理咨询师进行提问,获得更有温度且更专业的问答服务。
黄瑞红[8]（2021）在《基于手绘草图识别的产品零件设计问答系统研究》文中研究说明工业设计对于推进制造业转型升级有至关重要的作用,但目前制造业领域的设计能力仍有待提高。在产品研发过程中,普遍存在工业设计师在概念设计阶段由于缺乏相关知识无法检索到预期零件,导致造型设计不满足结构设计及制造加工要求,影响产品研发进程的情况。而现有的CAD系统对于设计构思、概念设计等早期阶段的设计知识检索与匹配等方面仍难以为设计师提供有效支持。本文提出一种基于手绘草图识别的产品零件设计问答系统。该系统可以在用户知道零件功能及造型但却不知道零件名称,无法准确检索到零件的情况下,使用草图来进行检索预期的零件,并且提供该零件的基本信息、三维模型及与之相关的零件信息,为概念设计阶段的设计师提供相关的知识,加快产品设计进程,促进设计重用。本文的主要工作内容如下:首先,对目前零件识别领域研究现状进行分析,并通过对现有的图像识别算法进行研究,结合本文零件草图的特点,提出预训练网络（VGG）与胶囊网络（Caps Net）相结合的零件手绘草图模型（VGG-Caps Net）。设计了组间实验及组内实验,并提出两个对比模型r VGG-13模型与r CNN-13模型。其次,以化纤卷绕机为研究对象,招募5名设计师绘制零件草图,构建包含标准件和非标件在内的23类零件手绘草图数据集。构建基于VGG-Caps Net的零件手绘草图识别模型,并与另外两个模型的识别结果进行比较。实验结果表明,VGG-Caps Net模型在组间和组内实验中的平均准确率均高于其他两种模型。然后,提出本文零件知识图谱的构建流程,确定构建零件图谱的数据来源及数据存储方式,明确零件实体、属性及实体之间关系的定义。收集零件相关信息及三元组数据,并将数据存储在图数据库中,完成本文零件知识图谱的构建。最后,使用Python语言及相关框架完成本文问答系统原型的开发,实现了基于草图检索零件并提供零件基本信息、三维模型以及相关零件信息的功能,最后对该问答系统进行应用验证,证明问答系统的实用性和有效性。
陈永欢[9]（2021）在《面向枳壳智慧种植病虫害识别方法与应用》文中提出枳壳作为重要的中药材之一,是川渝、湖南、江西等地脱贫致富的重要经济作物。而枳壳病虫害的传染性和传播性严重威胁枳壳产品的产量和质量,极大地制约着乡村振兴。因此,枳壳病虫害的早发现、早治疗以及对乡村种植户病虫害防治知识与方法的普及至关重要。现阶段针对枳壳病虫害的图像识别研究仍然较少,依赖人工观察经验识别和管理病虫害效率低、准确率低。因此,基于枳壳病虫害识别算法的研究及智能识别系统的研发对于推进枳壳种植业发展、枳壳种植户增收具有重要现实意义。本文提出了一种基于多任务学习的枳壳病虫害识别算法。首先构建枳壳病虫害数据集,使用常用的VGG16、Inception V3、Dense Net121预训练模型对枳壳病虫害数据集进行图像分类训练,选用一个泛化能力较好的预训练模型并对其进行微调作为多任务学习模型的主干共享网络,然后设计用于枳壳病虫害分类和特征重建的分支任务网络,最后,通过对不同任务的权重调整,利用枳壳病虫害数据集训练图像识别模型并对枳壳病虫害进行分类识别。在此基础上,本文基于枳壳病虫害识别模型设计并实现了枳壳病虫害识别系统,系统包括微信小程序移动端和Web服务端,用户不仅可以在微信小程序上实时进行枳壳病虫害识别、病虫害知识查阅,病虫害知识问答等功能,还可在Web服务端进行信息管理操作,提高用户体验。通过以上研究及系统测试,本文实现的枳壳病虫害识别系统符合预期的设计目标,可以帮助种植户及时识别出病虫害情况,准确掌握病虫害防治管理知识,合理采取有效防治措施,从而提高枳壳产量和质量、减少经济损失、振兴乡村经济,促进中药材种植可持续发展,为我国中医药发展与国际推广提供优质的药材来源。
滕琦[10]（2021）在《公共图书馆虚拟参考咨询服务应用深度学习的智能问答研究》文中研究指明知识经济时代,公共图书馆肩负着学习型社会为读者提供优质参考咨询服务的使命。读者的信息能力与需求的不断提升,需延伸了公共图书馆参考咨询工作的服务方式,以帮助读者快速、准确获取知识。传统参考咨询服务主要是馆员耗费大量的时间精力针对用户需求提供帮助,面对大量用户的需求,单一的服务模式难以满足,无法在时间和空间上实现问答的有效解答、用户咨询数据相对分散,收集与整合也是较大的难题。针对公共图书馆虚拟参考咨询服务存在时效差、不主动、功能缺失等问题,探索智能问答（Intelligent Question Answering Sstem,QAy）技术开展咨询工作的必要性。智能问答使用户以自然的方式与读者进行交互,提升咨询体验。与传统的搜索引擎返回数万条结果,依靠用户甄别,得出结论的检索方式相比,解决了无序信息与用户特定需要之间的矛盾,节省了筛选时间,快速获取目标知识,满足用户对高质量信息的需求。研究面向知识服务的智能问答,弥补公共图书馆虚拟参考咨询服务的不足。聚合的问答资源融入智能问答系统,在网络上建立检索效率更高、实用性更强的咨询空间,充分挖掘用户的意图与需求,获取用户现实的查询需求的正确检索,完善了知识服务和创新发展。文章开头简要论述了公共图书馆参考咨询与智能问答融合的研究背景与意义,详述了参考咨询的研究现状。对目前已有的智能参考咨询系统分析,提出目前公共图书馆虚拟参考咨询服务存在的问题,分析智能问答应用于公共图书馆参考咨询服务,有助于整合信息资源,优化知识体系,提高资源利用率和易用性,提出本模型的优越性。提出基于注意力机制（Attention Model,AM）的深度学习的智能问答框架。笔者基于深度学习技术,针对公共图书馆参考咨询的难点,提出基于注意力机制的深度学习智能问答服务模型。基于深度学习的模型有助于减少用户查询时间并提供准确信息,提高可接受的答案周转时间。系统中加入注意力机制,有助于挖掘句子中潜在语义信息快速的匹配问题和候选答案之间的联系,实现智能问答中问句及答案的语义表征,基于后台知识库输出可能的答案列表,快速且准确的查找到最佳答案,并对用户查询提供单一的响应。介绍基于注意力机制的智能问答模式咨询流程以及应用,解决以下三方面的实践问题:（1）基于多源咨询语料构建知识库;（2）设计参考咨询智能问答服务的框架;（3）基于注意力机制构建问答模型,实现公共图书馆参考咨询问答服务模型。然后基于模型做实例分析,以具体问题作流程分析。最后为研究总结,论述本研究的不足和展望。公共图书馆的参考咨询工作借助问答服务优化,利用数字化技术对资源整合、组织、处理、检索与利用,从技术维度优化资源策略,丰富读者咨询语料。智能问答提供的便捷咨询服务,实现经典咨询服务与智能化技术的协同发展,推动用户参考咨询的积极性,提升公共图书馆参考咨询服务,推动图书馆数字化建设。
二、软件应用问答（二）（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、软件应用问答（二）（论文提纲范文）
（1）在线知识付费影响因素研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与问题提出 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究方法及路线 |
| 1.3.1 研究方法 |
| 1.3.2 研究路线 |
| 1.4 研究框架 |
| 1.5 研究创新点 |
| 第二章 相关研究的综述 |
| 2.1 用户付费的相关研究 |
| 2.1.1 电子商务、在线游戏等用户付费研究 |
| 2.1.2 文献总结与评论 |
| 2.2 在线知识付费的研究现状 |
| 2.2.1 在线知识付费影响因素的研究现状 |
| 2.2.2 在线知识付费其他行为的研究现状 |
| 2.2.3 文献总结与评论 |
| 2.3 计划行为理论相关研究 |
| 2.3.1 国内外相关研究 |
| 2.3.2 涉及到的影响因素 |
| 2.3.3 文献总结与评论 |
| 2.4 持续理论相关研究 |
| 2.4.1 国内外相关研究 |
| 2.4.2 涉及到的影响因素 |
| 2.4.3 文献总结与评论 |
| 2.5 小结 |
| 第三章 在线知识付费研究的理论基础 |
| 3.1 在线知识付费的阶段划分 |
| 3.1.1 在线知识付费的两阶段划分理由 |
| 3.1.2 初次在线知识付费及持续在线知识付费的界定 |
| 3.2 计划行为理论与初次在线知识付费 |
| 3.2.1 计划行为理论模型 |
| 3.2.2 计划行为理论的优势 |
| 3.2.3 采用计划行为理论研究初次在线知识付费的依据 |
| 3.3 持续理论与持续在线知识付费 |
| 3.3.1 持续理论模型 |
| 3.3.2 持续理论的优势 |
| 3.3.3 采用持续理论研究持续在线知识付费的依据 |
| 3.4 小结 |
| 第四章 初次在线知识付费影响因素研究 |
| 4.1 假设提出 |
| 4.1.1 初次付费意愿 |
| 4.1.2 初次付费态度 |
| 4.1.3 主观规范 |
| 4.1.4 知觉行为控制 |
| 4.2 初次在线知识付费测量模型设计、问卷开发及数据收集 |
| 4.2.1 开放式问卷 |
| 4.2.2 测量量表开发 |
| 4.2.3 数据搜集与样本情况 |
| 4.3 数据分析与检验 |
| 4.3.1 信度与效度分析 |
| 4.3.2 适配度检验 |
| 4.3.3 假设检验 |
| 4.3.4 共同方法偏差的检验 |
| 4.4 结果分析与讨论 |
| 4.5 小结 |
| 第五章 持续在线知识付费影响因素研究 |
| 5.1 假设提出 |
| 5.1.1 感知有用性 |
| 5.1.2 满意度 |
| 5.1.3 期望确认 |
| 5.1.4 感知易用性 |
| 5.1.5 感知娱乐性 |
| 5.1.6 持续付费意愿 |
| 5.2 持续在线知识付费测量模型设计、问卷开发及数据收集 |
| 5.2.1 测量量表开发 |
| 5.2.2 数据收集与样本情况 |
| 5.3 数据分析与检验 |
| 5.3.1 信度与效度检验 |
| 5.3.2 适配度检验 |
| 5.3.3 假设检验 |
| 5.4 结果分析与讨论 |
| 5.5 小结 |
| 第六章 调节及中介因素对在线知识付费影响研究 |
| 6.1 假设提出 |
| 6.1.1 免费意识 |
| 6.1.2 主观规范 |
| 6.1.3 付费意愿 |
| 6.2 测量模型设计、问卷开发及数据收集 |
| 6.2.1 测量量表的开发 |
| 6.2.2 数据收集与样本情况 |
| 6.3 数据分析与检验 |
| 6.3.1 信度与效度分析 |
| 6.3.2 假设检验 |
| 6.3.3 免费意识调节效应的检验 |
| 6.3.4 知觉行为控制调节变量的检验 |
| 6.3.5 主观规范调节效应的检验 |
| 6.3.6 付费意愿中介效应的检验 |
| 6.4 结果分析与讨论 |
| 6.5 小结 |
| 第七章 研究结论与建议 |
| 7.1 主要研究结论 |
| 7.2 在线知识付费平台发展的建议 |
| 7.2.1 优化个性化服务质量 |
| 7.2.2 提升产品质量 |
| 7.2.3 加快平台信任体系建立 |
| 7.2.4 完善产品定价标准 |
| 7.2.5 丰富产品形式 |
| 7.3 研究局限及展望 |
| 7.3.1 研究局限 |
| 7.3.2 研究展望 |
| 参考文献 |
| 附录 |
| 附录1: 初次在线知识付费的开放式问卷 |
| 附录2: 初次在线知识付费的调查问卷 |
| 附录3: 持续在线知识付费的调查问卷 |
| 附录4: 在线知识付费的调查问卷 |
| 致谢 |
| 攻读博士学位期间的学术成果 |
（2）语义网技术在港口物流中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景以及研究意义 |
| 1.2 研究现状 |
| 1.2.1 语义网技术研究现状 |
| 1.2.2 问答系统研究现状 |
| 1.3 研究的内容 |
| 1.4 论文的组织与结构 |
| 第二章 研究基础 |
| 2.1 本体的概念 |
| 2.2 本体的分类 |
| 2.2.1 依据研究水平分类 |
| 2.2.2 根据本体的形式化程度分类 |
| 2.3 本体的作用 |
| 2.4 本体的构建方法 |
| 2.4.1 骨架法 |
| 2.4.2 企业建模(TOVE)法 |
| 2.4.3 METHONTOLOGY法 |
| 2.4.4 SENSUS法 |
| 2.4.5 KACTUS法 |
| 2.4.6 七步法 |
| 2.4.7 IDEF-5法 |
| 2.5 本体构建方法的对比分析 |
| 2.6 本体的构建工具 |
| 2.7 本体构建的准则 |
| 2.8 编辑语言OWL |
| 2.9 问答系统 |
| 2.10 本章小结 |
| 第三章 港口物流集装箱本体知识库的设计 |
| 3.1 港口物流集装箱知识资源本体的构成 |
| 3.2 需求分析 |
| 3.2.1 受众群体分析 |
| 3.2.2 实施领域分析 |
| 3.2.3 应用本体知识库的目的 |
| 3.3 港口物流集装箱本体知识库的构建思路 |
| 3.4 本章小结 |
| 第四章 构建港口物流集装箱本体知识库的实践 |
| 4.1 港口物流集装箱领域概念的获取 |
| 4.2 港口物流集装箱本体的搭建实现 |
| 4.3 利用Protégé搭建类之间的层次关系 |
| 4.4 概念间的关系描述 |
| 4.5 导入实际案例 |
| 4.6 推理验证集装箱本体知识库 |
| 4.7 本章小结 |
| 第五章 问答系统的设计 |
| 5.1 问答信息检索概述 |
| 5.2 问答系统实现的相关工具包 |
| 5.2.1 Jena简介 |
| 5.2.2 SPARQL语言 |
| 5.3 系统的具体实现 |
| 5.3.1 开发环境和工具 |
| 5.3.2 相关问题描述 |
| 5.3.3 提问句式转换流程 |
| 5.3.4 Jena推理 |
| 5.3.5 问答系统界面 |
| 5.3.6 性能评估 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文及研究成果 |
（3）基于眼动技术的智能界面研究 ——以问答平台为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 眼动研究综述 |
| 1.2.2 眼动与网页设计研究的结合 |
| 1.2.3 智能界面的研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 论文结构安排 |
| 第二章 眼动交互的理论基础 |
| 2.1 眼动生理结构基础 |
| 2.1.1 人眼视觉工作的原理 |
| 2.1.2 眼动的概念 |
| 2.1.3 眼动的模式 |
| 2.2 三大眼动交互输入方式 |
| 2.3 眼动行为指标 |
| 2.4 眼动记录技术与方法 |
| 2.5 眼动仪 |
| 2.6 本章小结 |
| 第三章 智能界面交互模型 |
| 3.1 智能界面交互模型 |
| 3.2 眼动兴趣区模型 |
| 3.3 本章小结 |
| 第四章 实验方案设计 |
| 4.1 实验准备 |
| 4.1.1 实验前准备 |
| 4.1.2 实验流程 |
| 4.2 研究对象 |
| 4.3 研究工具 |
| 4.3.1 眼动仪 |
| 4.3.2 被测系统 |
| 4.3.3 沉浸量表 |
| 4.4 眼动数据整理 |
| 4.4.1 问答平台界面AOI定义 |
| 4.4.2 输出眼动指标分析 |
| 4.5 本章小结 |
| 第五章 实验结果与分析 |
| 5.1 实验数据集 |
| 5.2 实验数据处理过程 |
| 5.3 任务的注视持续时间和字数统计 |
| 5.4 任务之间的关系 |
| 5.5 沉浸量表分数分析 |
| 5.6 本章小结 |
| 第六章 实验结果验证 |
| 6.1 实验设计 |
| 6.2 实验结果分析 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 主要研究成果 |
| 附录 用户背景问卷 |
（4）基于特定场景的智能问答系统的设计与实现（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 项目背景和意义 |
| 1.2 国内外相关课题的研发现状 |
| 1.3 论文主要工作 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 2 系统相关理论与技术 |
| 2.1 项目框架理论与技术 |
| 2.1.1 Spring Boot |
| 2.1.2 MyBatis |
| 2.1.3 Ngnix |
| 2.2 数据库技术 |
| 2.2.1 MySQL |
| 2.2.2 Redis |
| 2.3 其他理论与技术 |
| 2.3.1 智能问答技术 |
| 2.4 本章小结 |
| 3 需求分析 |
| 3.1 需求分析概述 |
| 3.1.1 产品特点分析 |
| 3.1.2 用户特征分析 |
| 3.2 功能性需求分析 |
| 3.2.1 对话引擎模块 |
| 3.2.2 机器人配置模块 |
| 3.2.3 检索型问答模块 |
| 3.2.4 任务型问答模块 |
| 3.3 非功能性需求分析 |
| 3.4 本章小结 |
| 4 概要设计 |
| 4.1 系统设计目标 |
| 4.2 系统总体功能架构 |
| 4.3 系统技术实现架构 |
| 4.4 数据库设计 |
| 4.5 本章小结 |
| 5 详细设计与实现 |
| 5.1 对话引擎模块 |
| 5.2 机器人配置模块 |
| 5.3 检索型问答模块 |
| 5.4 任务型问答模块 |
| 5.5 本章小结 |
| 6 系统测试 |
| 6.1 测试内容和测试环境 |
| 6.1.1 系统测试内容 |
| 6.1.2 系统测试环境 |
| 6.2 功能性测试 |
| 6.2.1 对话引擎模块 |
| 6.2.2 机器人配置模块 |
| 6.2.3 检索型问答模块 |
| 6.2.4 任务型问答模块 |
| 6.3 非功能性测试 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 参考文献 |
| 作者简历及攻读硕士专业学位期间取得的研究成果 |
| 学位论文数据集 |
（5）面向软件缺陷数据的智能分析技术研究与平台实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 缺陷(Bug) |
| 1.1.2 缺陷报告和缺陷跟踪管理系统 |
| 1.2 相关工作 |
| 1.2.1 相似缺陷报告推荐 |
| 1.2.2 知识问答 |
| 1.3 论文工作 |
| 1.3.1 研究内容 |
| 1.3.2 研究关键点 |
| 1.4 论文结构 |
| 1.5 本章小结 |
| 第2章 相关理论 |
| 2.1 知识图谱 |
| 2.1.1 知识图谱基本概念 |
| 2.1.2 知识图谱应用价值 |
| 2.1.3 知识图谱构建流程 |
| 2.1.4 知识图谱在本文的应用 |
| 2.2 预训练模型 |
| 2.2.1 预训练模型分类 |
| 2.2.2 预训练模型的优点 |
| 2.2.3 预训练模型在本文的应用 |
| 2.3 本章小结 |
| 第3章 知识驱动的相似缺陷报告推荐方法 |
| 3.1 引言 |
| 3.2 技术支持 |
| 3.2.1 TF-IDF |
| 3.2.2 Word Embedding |
| 3.2.3 Cosine Similarity |
| 3.3 方法的总体框架和关键步骤 |
| 3.3.1 总体框架 |
| 3.3.2 关键步骤 |
| 3.4 实验评估 |
| 3.4.1 实验数据集 |
| 3.4.2 指标选择 |
| 3.4.3 实验结果分析 |
| 3.4.4 有效性威胁 |
| 3.5 本章小结 |
| 第4章 基于预训练模型和知识图谱的缺陷知识问答方法 |
| 4.1 引言 |
| 4.2 技术支持 |
| 4.2.1 BERT |
| 4.2.2 Elasticsearch |
| 4.2.3 Re-rank算法 |
| 4.3 方法的总体框架和关键步骤 |
| 4.3.1 总体框架 |
| 4.3.2 关键步骤 |
| 4.4 实验评估 |
| 4.4.1 实验数据集 |
| 4.4.2 指标选择 |
| 4.4.3 基线方法介绍 |
| 4.4.4 实验结果分析 |
| 4.4.5 有效性威胁 |
| 4.5 本章小结 |
| 第5章 缺陷数据智能分析平台 |
| 5.1 运行环境 |
| 5.2 功能模块设计 |
| 5.3 平台实现 |
| 5.4 平台展示 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来工作 |
| 参考文献 |
| 攻读学位期间取得的研宄成果 |
| 致谢 |
（6）面向金融领域的自动问答系统的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 自动问答研究现状 |
| 1.2.2 知识图谱研究现状 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第二章 相关理论与方法 |
| 2.1 基于知识图谱的自动问答方法 |
| 2.1.1 基于模板匹配的问答方法 |
| 2.1.2 基于语义解析的问答方法 |
| 2.2 知识图谱构建方法 |
| 2.2.1 实体识别 |
| 2.2.2 关系抽取 |
| 2.2.3 知识融合 |
| 2.3 本章小结 |
| 第三章 多级决策的自动问答方法 |
| 3.1 自动问答方法的挑战与方案设计 |
| 3.1.1 背景与相关挑战 |
| 3.1.2 改进方案设计 |
| 3.2 基于IE-SQL改进的自动问答模型 |
| 3.2.1 IE-SQL自动问答模型 |
| 3.2.2 模型特征表达改进 |
| 3.2.3 动态语义桥梁 |
| 3.2.4 标签设计与查询语句构建 |
| 3.3 多级决策的自动问答方法 |
| 3.3.1 整体技术方案 |
| 3.3.2 问题快速响应模块 |
| 3.3.3 神经网络决策模块 |
| 3.4 实验与结果分析 |
| 3.4.1 数据集与评价指标 |
| 3.4.2 改进的IE-SQL模型实验与分析 |
| 3.4.3 多级决策自动问答方法实验与分析 |
| 3.5 本章小结 |
| 第四章 公司产业信息知识图谱的构建 |
| 4.1 结构化数据采集 |
| 4.1.2 结构化数据特征分析 |
| 4.1.3 结构化数据采集 |
| 4.2 非结构化数据采集 |
| 4.2.1 非结构化数据特征分析 |
| 4.2.2 非结构化数据采集 |
| 4.3 知识图谱数据融合 |
| 4.3.1 实体对齐 |
| 4.3.2 属性规范化 |
| 4.4 知识图谱数据库建立 |
| 4.4.1 模式层设计 |
| 4.4.2 数据层设计 |
| 4.4.3 数据导入 |
| 4.5 知识图谱规模分析 |
| 4.6 本章小结 |
| 第五章 自动问答系统的设计与实现 |
| 5.1 需求分析 |
| 5.1.1 系统业务需求 |
| 5.1.2 系统功能需求 |
| 5.1.3 系统性能需求 |
| 5.2 系统设计 |
| 5.2.1 总体架构设计 |
| 5.2.2 系统技术架构设计 |
| 5.2.3 系统流程设计 |
| 5.3 系统实现 |
| 5.3.1 核心能力层实现 |
| 5.3.2 业务逻辑层实现 |
| 5.3.3 用户交互层实现 |
| 5.4 本章小结 |
| 第六章 系统测试与分析 |
| 6.1 系统性能测试与评估 |
| 6.1.1 自动问答功能测试 |
| 6.1.2 系统并发性能测试与分析 |
| 6.2 系统可拓展性分析 |
| 6.3 系统可用性分析 |
| 6.4 本章总结 |
| 第七章 总结与展望 |
| 7.1 论文工作总结 |
| 7.1.1 论文主要工作 |
| 7.1.2 论文创新点 |
| 7.2 未来工作展望 |
| 参考文献 |
| 附录1 知识图谱数据层设计 |
| 致谢 |
（7）心理健康问答系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 课题背景 |
| 1.2 国内外研究现状 |
| 1.3 课题任务 |
| 1.3.1 课题内容 |
| 1.3.2 本人承担工作 |
| 1.4 论文结构 |
| 第二章 相关技术介绍 |
| 2.1 工程开发技术 |
| 2.1.1 Spring Boot |
| 2.1.2 Vue.js |
| 2.1.3 Redis |
| 2.1.4 Elasticsearch |
| 2.2 词向量 |
| 2.2.1 CBOW模型 |
| 2.2.2 Skip-gram模型 |
| 2.3 问句相似度计算 |
| 2.3.1 曼哈顿距离 |
| 2.3.2 欧式距离 |
| 2.3.3 余弦夹角相似度 |
| 2.4 本章小结 |
| 第三章 系统的需求分析 |
| 3.1 系统用户需求分析 |
| 3.1.1 用户角色分析 |
| 3.1.2 用例分析 |
| 3.2 系统功能需求分析 |
| 3.2.1 身份认证功能 |
| 3.2.2 心理文章管理功能 |
| 3.2.3 在线心理问答功能 |
| 3.2.4 相似问题检索功能 |
| 3.2.5 消息通知功能 |
| 3.2.6 系统管理功能 |
| 3.3 系统非功能需求分析 |
| 3.3.1 性能 |
| 3.3.2 可扩展性 |
| 3.3.3 易操作性 |
| 3.3.4 安全性 |
| 3.4 本章小结 |
| 第四章 系统的总体设计 |
| 4.1 系统软件层次架构设计 |
| 4.2 系统功能模块设计 |
| 4.2.1 身份认证模块 |
| 4.2.2 心理文章管理模块 |
| 4.2.3 在线心理问答模块 |
| 4.2.4 相似问题检索模块 |
| 4.2.5 消息通知模块 |
| 4.2.6 系统管理模块 |
| 4.3 系统的数据库设计 |
| 4.3.1 数据库概念模型设计 |
| 4.3.2 数据库表设计 |
| 4.4 本章小结 |
| 第五章 系统主要功能模块的详细设计与实现 |
| 5.1 心理文章管理模块的详细设计与实现 |
| 5.2 在线心理问答模块的详细设计与实现 |
| 5.3 相似问题检索模块的详细设计与实现 |
| 5.3.1 FAQ库 |
| 5.3.2 问题理解 |
| 5.3.3 问句相似度计算 |
| 5.3.4 实验及分析 |
| 5.3.5 问题检索及排序 |
| 5.4 消息通知模块的详细设计与实现 |
| 5.5 系统管理模块的详细设计与实现 |
| 5.6 本章小结 |
| 第六章 系统的测试 |
| 6.1 系统测试方法介绍 |
| 6.2 系统的功能测试 |
| 6.3 系统的非功能测试 |
| 6.4 本章小结 |
| 第七章 结束语 |
| 7.1 论文工作总结 |
| 7.2 问题与展望 |
| 参考文献 |
| 致谢 |
（8）基于手绘草图识别的产品零件设计问答系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 手绘草图识别现状 |
| 1.2.2 知识图谱研究现状 |
| 1.2.3 问答系统应用 |
| 1.3 本文关注的问题及技术难点 |
| 1.4 本文工作内容和论文结构 |
| 第二章 零件手绘草图识别算法 |
| 2.1 零件识别 |
| 2.2 草图识别相关算法 |
| 2.3 本文模型 |
| 2.3.1 本文模型框架 |
| 2.3.2 算法流程 |
| 2.3.3 损失函数 |
| 2.3.4 评价指标 |
| 2.4 零件手绘草图识别实验设计 |
| 2.4.1 实验设计 |
| 2.4.2 模型构建 |
| 2.5 本章小结 |
| 第三章 零件手绘草图识别建模与结果分析 |
| 3.1 草图识别实验数据收集 |
| 3.1.1 项目简介 |
| 3.1.2 零件图片收集 |
| 3.1.3 草图绘制 |
| 3.2 草图识别模型训练 |
| 3.2.1 图像预处理 |
| 3.2.2 模型训练 |
| 3.3 草图识别结果分析与讨论 |
| 3.3.1 VGG-CapsNet识别结果 |
| 3.3.2 rVGG-13识别结果 |
| 3.3.3 rCNN-13识别结果 |
| 3.3.4 实验结果讨论 |
| 3.4 本章小结 |
| 第四章 零件知识图谱构建 |
| 4.1 知识图谱介绍 |
| 4.1.1 知识图谱定义 |
| 4.1.2 知识图谱架构 |
| 4.2 图数据库 |
| 4.3 零件知识图谱构建与存储 |
| 4.3.1 零件知识图谱构建流程 |
| 4.3.2 零件实体及关系定义 |
| 4.3.3 零件属性定义 |
| 4.3.4 零件知识图谱存储及可视化 |
| 4.4 本章小结 |
| 第五章 零件问答系统开发及应用验证 |
| 5.1 问答系统交互设计 |
| 5.1.1 目标用户 |
| 5.1.2 功能架构 |
| 5.1.3 用户流程 |
| 5.1.4 用户界面 |
| 5.2 系统原型开发 |
| 5.2.1 开发环境 |
| 5.2.2 系统架构 |
| 5.3 应用验证 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要工作和结论 |
| 6.2 不足与展望 |
| 参考文献 |
| 附录A 部分零件关系展示 |
| 攻读学位期间的研究成果 |
| 致谢 |
（9）面向枳壳智慧种植病虫害识别方法与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 病虫害图像识别研究现状 |
| 1.2.2 病虫害识别领域相关应用 |
| 1.3 本文主要工作 |
| 1.4 本文组织结构 |
| 2 相关技术 |
| 2.1 后端开发框架 |
| 2.1.1 Spring Boot |
| 2.1.2 MyBatis |
| 2.2 前端界面交互 |
| 2.2.1 微信小程序 |
| 2.2.2 渐进式框架Vue |
| 2.3 数据存储解决方案 |
| 2.3.1 图数据库Neo4j |
| 2.3.2 关系型数据库My SQL |
| 3 枳壳病虫害图像识别算法研究 |
| 3.1 枳壳病虫害数据集的构建 |
| 3.2 枳壳病虫害识别模型 |
| 3.2.1 多任务学习理论 |
| 3.2.2 Dense Net网络 |
| 3.2.3 病虫害识别模型结构 |
| 3.3 实验与结果分析 |
| 3.3.1 数据集预处理 |
| 3.3.2 模型训练与评价指标 |
| 3.3.3 图像识别结果分析 |
| 4 枳壳病虫害识别系统分析 |
| 4.1 现状分析 |
| 4.2 用例分析 |
| 4.3 系统功能分析 |
| 4.3.1 病虫害知识库模块 |
| 4.3.2 病虫害图像识别模块 |
| 4.3.3 综合信息管理模块 |
| 5 枳壳病虫害识别系统设计 |
| 5.1 总体架构设计 |
| 5.2 数据库设计 |
| 5.2.1 概念设计 |
| 5.2.2 物理设计 |
| 5.3 功能模块设计 |
| 5.3.1 病虫害知识库模块 |
| 5.3.2 病虫害图像识别模块 |
| 5.3.3 综合信息管理模块 |
| 6 枳壳病虫害识别系统实现 |
| 6.1 系统开发环境 |
| 6.2 系统实现 |
| 6.2.1 病虫害知识库模块 |
| 6.2.2 病虫害图像识别模块 |
| 6.2.3 综合信息管理模块 |
| 7 系统测试 |
| 7.1 测试理论 |
| 7.2 功能测试 |
| 7.3 性能测试 |
| 结论 |
| 参考文献 |
| 致谢 |
（10）公共图书馆虚拟参考咨询服务应用深度学习的智能问答研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 现实意义 |
| 1.3 国内外研究综述 |
| 1.3.1 参考咨询服务演变 |
| 1.3.2 智能问答服务 |
| 1.3.3 公共图书馆虚拟参考咨询服务研究现状 |
| 1.4 研究内容 |
| 1.5 研究方法 |
| 1.5.1 语义分析 |
| 1.5.2 统计分析 |
| 1.5.3 访谈法 |
| 1.6 本章小结 |
| 第2章 公共图书馆虚拟参考咨询服务的问题界定 |
| 2.1 虚拟参考咨询服务方式 |
| 2.2 虚拟参考咨询服务存在的挑战 |
| 2.2.1 可替代服务日益增多 |
| 2.2.2 未有效深度揭示资源 |
| 2.2.3 缺乏主动的平台服务 |
| 2.2.4 辅助实时在线咨询 |
| 2.3 智能问答必要性分析 |
| 2.4 本章小结 |
| 第3章 多源数据构建领域知识库 |
| 3.1 多源数据 |
| 3.2 多元渠道-接口管理 |
| 3.3 用户行为数据管理 |
| 3.4 领域知识库 |
| 3.4.1 知识图谱的构建流程 |
| 3.4.2 领域知识库 |
| 3.5 本章小结 |
| 第4章 面向知识库的智能问答构建 |
| 4.1 构建问答模型 |
| 4.1.1 问题库 |
| 4.1.2 用户输入 |
| 4.1.3 问题处理 |
| 4.1.4 答案抽取 |
| 4.1.5 用户输出 |
| 4.2 基于注意力机制的卷积神经网络构建智能问答 |
| 4.2.1 卷积神经网络 |
| 4.2.2 利用CNN构建分类器 |
| 4.2.3 注意力机制 |
| 4.3 反馈机制 |
| 4.4 本章小结 |
| 第5章 智能问答实例 |
| 5.1 用户界面(GUI) |
| 5.2 数据I/O控制 |
| 5.3 自然语言智能问答引擎 |
| 5.4 本章小结 |
| 第6章 公共图书馆参考咨询服务转型发展思考 |
| 6.1 解锁公共图书馆虚拟参考咨询5G新模式 |
| 6.2 提升综合型高素质人才信息技术能力 |
| 6.3 感知多样化主动的用户服务 |
| 6.4 促进公共图书馆多方面协同合作 |
| 6.5 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文和其它科研情况 |
| 一、发表的学术论文 |
| 二、参与的课题 |
| 三、获奖情况 |
四、软件应用问答（二）（论文参考文献）
- [1]在线知识付费影响因素研究[D]. 卢艳强. 北京邮电大学, 2021(01)
- [2]语义网技术在港口物流中的应用[D]. 白圣鹏. 浙江海洋大学, 2021(02)
- [3]基于眼动技术的智能界面研究 ——以问答平台为例[D]. 王素芳. 厦门理工学院, 2021(08)
- [4]基于特定场景的智能问答系统的设计与实现[D]. 李梦莎. 北京交通大学, 2021
- [5]面向软件缺陷数据的智能分析技术研究与平台实现[D]. 余笙. 扬州大学, 2021(08)
- [6]面向金融领域的自动问答系统的研究与实现[D]. 剡恺. 北京邮电大学, 2021(01)
- [7]心理健康问答系统的设计与实现[D]. 李子璐. 北京邮电大学, 2021(01)
- [8]基于手绘草图识别的产品零件设计问答系统研究[D]. 黄瑞红. 东华大学, 2021(01)
- [9]面向枳壳智慧种植病虫害识别方法与应用[D]. 陈永欢. 大连理工大学, 2021(01)
- [10]公共图书馆虚拟参考咨询服务应用深度学习的智能问答研究[D]. 滕琦. 山西财经大学, 2021(08)