一、Dialog数据库新闻（论文文献综述）
张杨[1]（2021）在《矿用大功率变频器远程监控系统的研究》文中研究说明
杨锰[2]（2021）在《基于Android平台的新闻客户端的设计与实现》文中研究说明随着智能手机的广泛普及和移动互联网渗透率的不断提升,手机新闻客户端通过向用户提供新闻资讯及丰富有趣的视频类内容成为人们在碎片时间获取信息及休闲娱乐的重要工具。相较于国内新闻客户端领域巨头林立且竞争激烈,非洲、拉美等地区仍处于移动互联网发展的早期。若能开发一款面向这些国家地区用户的新闻客户端,并结合当地情况做相应推广,应该能够获取很好的经济效益。本文要实现的就是这样一款新闻客户端应用,主要向非洲、拉美等地用户提供服务。本文首先分析了课题的背景和意义,明确了本人所承担的任务;接着介绍了实现本文所涉及模块需要使用的相关技术,包括Android系统、OkHttp和Retrofit网络框架、ExoPlayer媒体播放框架、FCM消息推送解决方案以及Room数据库框架;在需求分析阶段,提出了系统的建设目标,完成了系统的功能性和非功能性需求分析;在概要设计阶段,划分了系统的功能模块,包括图文新闻模块的新闻频道导航、新闻列表、新闻详情展示、评论功能和阅读历史,以及竖屏短视频模块和消息推送模块,并对系统的数据库表设计及接口设计进行了阐述;在完成概要设计的基础上,结合UML类图及时序图描述了系统的各功能模块的详细设计与实现;接着编写测试用例,对系统各功能模块进行测试,修复了系统存在的问题及不足,并给出了系统的实现结果;最后对系统的设计与实现过程进行了总结,对未来的工作进行了展望。本新闻客户端应用主要向用户提供浏览图文新闻资讯以及竖屏短视频的服务,在一定程度上满足了人们在碎片时间获取新闻资讯及休闲娱乐的需求。目前本应用已在Google Play Store发布,并且还在不断的进行版本迭代。
范怡帆[3]（2021）在《基于强化学习的人机谈判系统》文中研究指明随着人工智能的兴旺,电子商务行业迎来了新的发展机遇。随着在线交易的频率和规模的增加,商家与客户之间的在线协商和沟通变得越来越频繁。因为它们无法实现谈判,也无法分析用户,因此难以针对特定用户更好地达成交易。在线交易谈判流程的自动化已逐渐成为商家和消费者的潜在需求。但是,现有的在线对话系统（例如淘宝上的阿里小蜜和京东的在线客户服务）无法很好地满足这样的需求。目前,一方面,自动谈判的研究者主要集中在计算机对计算机的谈判上,而对人机谈判的研究不多。另一方面,对话系统的研究人员很少关注自动谈判。因此,在本文中,我们将对话系统的体系结构与自动谈判集成在一起,研发了一个人机谈判系统。它可以代替人工客服来处理许多重复性和多样化的谈判。它可以随时随地与多方进行谈判,从而显着提高谈判效率,并减少企业使用人工客服的成本。具体来说,我们基于微信小程序平台,研发了一个基于强化学习的人机谈判系统。我们的系统能够应对不同的用户或同一用户的不同出价方式,并采用动态谈判策略,提高谈判的效率。本文的主要贡献如下:我们综述了对话系统和自动谈判系统领域中的最新技术,比较了它们的优点和缺点,并建议了进一步研究的方向;我们将强化学习与用户行为建模相结合,设计了一种新颖的谈判策略,这个策略让我们的谈判系统在谈判中可以根据用户的行为来调整谈判策略;我们编写了对话语料和谈判语料库,采用fast Text算法训练识别人类意图的分类器,并且我们用基于特征词抽取的匹配算法来提取谈判对话中与价格相关的结构化信息;我们在微信小程序平台上实现人机谈判系统,该系统包括了分别从用户界面,对话理解,对话谈判管理和对话回应生成四个模块,并使用中文的自然语言与用户进行多轮谈判;我们进行了大量实验来分析我们的系统,通过分析意图识别模型的性能评估对话理解模块的性能,从系统谈判效率、对话成功率和公平性三个方面分析谈判策略的有效性,采用问卷调查的方式分析用户对系统的满意度。实验结果表明,我们研发的系统可以很准确地识别人类对手的意图,与人类对手进行谈判的效率、成功率以及公平性,大部分人类对手对我们的系统表示满意。本文设计和实现的人机谈判对话系统为研究对话系统和自动谈判的学者们提供了一个新的研究方向。
魏榆静[4]（2021）在《基于node.js的股票行情浏览及分析系统的设计与实现》文中研究说明金融市场对国家经济社会的发展起到十分重要的作用,股票交易不仅是一种企业融资模式,也是越来越多的个体投资者的理财方式。国内市场现存的股票系统基本都是C/S架构,安装过程繁琐,数据同步困难,且产品过于专业化,大多界面以及功能复杂,无法满足不同层次投资者的需求。对于新股民来说,除了要求基本的股票行情浏览功能外,还有交流学习、智能选股以及利用计算机进行数据分析帮助其智能决策的需求。因此,目前股票软件正在逐渐转变为以行情浏览为主的“行情+社交平台+智能分析+资讯浏览”的综合一体化股票软件服务平台。本文针对股票市场初级投资者的需求,结合互联网的新技术,设计与实现了基于Node.js的B/S架构的股票行情浏览及分析系统。Node.js的核心是基于事件驱动的异步I/O模型,该机制使服务器的并发能力得到明显提高,因此成为近几年流行的服务端技术。系统前端使用目前流行的Vue.js框架,组件化开发以及前后端分离模式大大提高了开发效率。由于股票数据结构复杂,基于MongoDB设计行情存储模式,配合Node.js的Json格式避免了类型转换,实现数据的持久化存储。同时结合Echarts框架以及H5 Canvas技术,通过多图表的可视化界面向用户直观的展示各种股票详情数据以及市场行情追踪。股票数据包括实时数据、分钟K线数据、日、月、年K线数据、公司行业信息、指标数据MACD,RSI,KDJ等;市场行情包括排行榜、龙虎榜、领涨个股、领涨板块等。系统一方面采用Redis数据库进行股票数据缓存,另一方面采用Socket.io即时通讯技术使服务器可以主动推送消息或股票数据到客户端来保证实时性。此外,本文还主要介绍了社交平台模块、预警模块、智能选股、自选股管理等功能,方便用户浏览行情数据及学习股票知识。考虑到系统的智能性,着眼于数据分析,不仅支持投资者根据交易风格自由更改指标参数以及导出数据进行本地分析,本文还提出了一种基于机器学习的MACD指标优化模型,该模型一定程度上缓解了传统MACD指标滞后性与股价震荡时错误信号频繁的问题,可在预警模块及时向用户发出买卖点的提醒信息。同时实现了一种基于ARIMA与LSTM神经网络的组合股价预测模型,通过先进的计算机技术向投资者提供合理建议。本文还从性能和安全方面进行了优化设计,包括数据库连接池,负载均衡,浏览器缓存等;并对常见的XSS、CSRF、SQL注入等网站攻击进行了防御,例如采用Token认证登录和Md5+Salt方式对用户信息加密存储的安全措施。
宋川[5]（2020）在《文本生成技术的研究与应用》文中提出文本生成技术是人工智能和自然语言处理领域的关键技术,实现文本自动生成也是人工智能走向成熟的一个重要标志。文本生成技术是一类宏观的深度学习技术,发展出了一系列通用的模型,在将此技术应用到实际任务中时,往往需要在通用模型的基础上进行一系列的特定任务设计,以满足不同任务的需要。本文主要研究文本生成技术在自动评论和多轮对话两个任务中的应用。首先,本文对自动评论中的文本生成技术进行了研究。本文首先总结了评论生成任务的三个难点,分别为:一对多训练方式导致的收敛困难问题;生成评论相关性和发散性的平衡问题;生成评论的通顺性问题。对于第一个难点,本文提出使用检索方法将一对多的训练方式转变为一对一的训练方式,解决了收敛困难的问题。对于第二个难点,本文提出通过检索模型引入发散性,同时对新闻主题进行编码,引入相关性。对于第三个难点,本文提出在生成模块引入检索评论关键词的“编辑向量”,使得评论的生成过程在编辑向量的辅助下进行,提升了评论的通顺度。综合以上各点,本文提出了“先检索再生成”的评论生成框架,并分别在中文数据集和英文数据集上进行了实验,实验结果表明,本文提出的模型可以取得优于基线模型的表现。其次,本文对多轮对话中的文本生成技术进行了研究。本文主要关注多轮对话技术的回复生成模块,当前多轮对话的回复生成往往采用“先生成模板再填充槽值”的方式,容易导致生成的回复不够灵活自然,针对这一问题,本文提出了一种基于多信息联合指导的回复生成算法,综合使用多轮对话系统中的各个模块的信息联合指导回复生成模块,最终提高了对话回复的多样性。最后,本文利用上述提到的多轮对话技术,综合开发了一款多轮对话系统,可用来完成用户旅游场景下的餐厅预订方面的需求。
王众[6]（2019）在《汉东电视台全媒体资源管理系统的设计与实现》文中提出当今社会已经进入到了全媒体时代,PC和手机等终端的普及,导致看电视节目的人越来越少。为了适应时代的需求,同时也为了让电视台的节目得到更好的传播,电视台需要搭建专属自己的门户网站。电视台门户网站的后台数据量庞大,如果使用传统的管理方式无法满足实际的需求,因此需要建立满足电视台使用特点的全媒体资源管理系统。电视台通过全媒体资源管理系统对台内大量的新闻和栏目进行管理,并且这些新闻可以根据点击量来进行自动排序。它的定时录制功能可以对每天台内的自创节目进行录制,并在系统内进行存储和分类,区别传统带库对影像资料进行存储,系统使用磁盘进行存储。全媒体资源管理系统对汉东电视台有着重要的意义。本文阐述了汉东电视台全媒体资源管理系统的项目背景和意义,进一步说明了管理系统对电视台的重要作用。汉东电视台全媒体资源管理系统采用B/S架构,使用Java语言进行开发,MySQL作为数据库,页面模板采用Freemarker技术。汉东电视台全媒体资源管理系统设计并实现了结构编排、内容中心、界面中心、模板管理中心、媒体资源管理、用户中心六大模块,各项功能到达到了设计需求并正常使用,解决汉东电视台内容管理和发布的问题,提高工作效率。通过系统的六个模块,实现对稿件内容,视频内容和前端模板的管理,让电视台内的资源可以通过门户网站最大限度的得到传播。
张兵,吴明智,张红梅[7]（2015）在《DialogPro汉化新版的检索与应用》文中研究表明通过对Dialog汉化新版数据库的主要资源,检索方法,检索技巧的描述与分析,介绍了该平台的新特点,各个检索方式的优点,分析了近年来有关Dialog的研究与应用情况,为国内学者利用该数据库资源提供建议。
郭丽芳[8]（2007）在《美国Dialog系统收录的中国数据库》文中研究说明简要介绍了美国Dialog系统收录的中国数据库内容、特点及其检索方法,找出我国数据库建设存在的差距,并提出了改进建议。
易峰[9]（2005）在《Dialog系统数据库探微》文中认为从主题范围、数据库类型与结构、索引文件、联机培训和练习数据库以及联机帮助文档等对Dia-log系统的数据库进行了探讨。
张晓英[10]（2003）在《竞争情报研究中Dialog数据库的选择利用》文中研究表明分析Dialos系统中有关公司信息方面的数据库和介绍这些数据库的特点。
二、Dialog数据库新闻（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、Dialog数据库新闻（论文提纲范文）
（2）基于Android平台的新闻客户端的设计与实现（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 课题任务 |
| 1.2.1 课题内容 |
| 1.2.2 本人承担的任务 |
| 1.3 论文组织结构 |
| 1.4 本章小结 |
| 第二章 相关技术 |
| 2.1 Android系统简介 |
| 2.2 OkHttp和Retrofit库 |
| 2.3 ExoPlayer播放器框架 |
| 2.4 FCM消息传递解决方案 |
| 2.5 Room数据库 |
| 2.6 本章小结 |
| 第三章 需求分析 |
| 3.1 系统的目标 |
| 3.2 系统的功能性需求分析 |
| 3.2.1 浏览图文新闻需求 |
| 3.2.2 浏览短视频需求 |
| 3.2.3 接收推送消息需求 |
| 3.3 系统的非功能性需求分析 |
| 3.4 本章小结 |
| 第四章 系统概要设计 |
| 4.1 系统总体架构设计 |
| 4.2 系统功能模块设计 |
| 4.2.1 图文新闻模块 |
| 4.2.2 短视频模块 |
| 4.2.3 消息推送模块 |
| 4.3 数据库设计 |
| 4.4 接口设计 |
| 4.5 本章小结 |
| 第五章 系统的详细设计与实现 |
| 5.1 图文新闻模块 |
| 5.1.1 新闻频道导航功能 |
| 5.1.2 新闻列表功能 |
| 5.1.3 新闻详情和阅读历史功能 |
| 5.1.4 评论功能 |
| 5.2 短视频模块 |
| 5.3 消息推送模块 |
| 5.4 本章小结 |
| 第六章 系统测试与结果展示 |
| 6.1 系统测试环境 |
| 6.2 系统功能测试 |
| 6.2.1 新闻频道导航功能测试 |
| 6.2.2 新闻列表功能测试 |
| 6.2.3 新闻详情和阅读历史功能测试 |
| 6.2.4 评论功能测试 |
| 6.2.5 短视频模块测试 |
| 6.2.6 消息推送模块的测试 |
| 6.3 非功能性测试 |
| 6.3.1 性能测试 |
| 6.3.2 健壮性测试 |
| 6.4 测试的结论 |
| 6.5 系统实现结果展示 |
| 6.6 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 |
（3）基于强化学习的人机谈判系统（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 研究的动机 |
| 1.3 技术路线 |
| 1.4 本文主要贡献 |
| 1.5 本文结构 |
| 第2章 文献综述 |
| 2.1 引言 |
| 2.2 对话管理 |
| 2.2.1 对话行为识别 |
| 2.2.2 对话状态跟踪 |
| 2.2.3 对话策略 |
| 2.2.4 本节小结 |
| 2.3 对话回应生成 |
| 2.3.1 基于规则的方法 |
| 2.3.2 基于知识的方法 |
| 2.3.3 基于深度学习的方法 |
| 2.3.4 基于生成式的特殊模型 |
| 2.3.5 基于知识和深度学习的混合方法 |
| 2.3.6 本节小结 |
| 2.4 对话系统的评估 |
| 2.4.1 评估基于任务的对话系统 |
| 2.4.2 评估开放域对话系统 |
| 2.4.3 基于学习的评估 |
| 2.4.4 挑战 |
| 2.4.5 本节小结 |
| 2.5 强化学习 |
| 2.5.1 简介 |
| 2.5.2 Q学习算法 |
| 2.5.3 本节小结 |
| 2.6 人机谈判 |
| 2.6.1 人机谈判必要性 |
| 2.6.2 人机谈判策略 |
| 2.6.3 谈判的相关方法 |
| 2.6.4 基于强化学习的人机谈判 |
| 2.6.5 本节小结 |
| 2.7 本章小结 |
| 第3章 系统结构 |
| 3.1 引言 |
| 3.2 人机谈判对话系统框架 |
| 3.3 系统模型定义 |
| 3.4 系统主函数 |
| 3.5 本章小结 |
| 第4章 人机谈判系统的用户界面 |
| 4.1 引言 |
| 4.2 用户界面的设计 |
| 4.2.1 基于微信小程序的前端输入 |
| 4.2.2 基于Flask框架的后台输出 |
| 4.3 用户界面的实现 |
| 4.4 本章小结 |
| 第5章 谈判对话理解 |
| 5.1 引言 |
| 5.2 对话理解的方法 |
| 5.2.1 基于特征词抽取的匹配算法 |
| 5.2.2 基于fast Text的意图识别 |
| 5.3 对话理解的实现 |
| 5.4 本章小结 |
| 第6章 基于强化学习的对话谈判管理 |
| 6.1 引言 |
| 6.2 对话谈判管理的原理 |
| 6.2.1 用户行为建模 |
| 6.2.2 基于Q学习的谈判策略 |
| 6.2.3 基于Q学习与用户行为建模的谈判策略 |
| 6.3 对话谈判管理的实现 |
| 6.4 本章小结 |
| 第7章 谈判回应生成 |
| 7.1 引言 |
| 7.2 基于模板匹配的回应生成方法 |
| 7.3 对话回应生成的实现 |
| 7.4 本章小结 |
| 第8章 谈判示例与分析 |
| 8.1 引言 |
| 8.2 谈判示例展示 |
| 8.3 谈判成功示例分析 |
| 8.4 谈判破裂示例分析 |
| 8.5 本章小结 |
| 第9章 系统评估 |
| 9.1 引言 |
| 9.2 意图识别模型的性能 |
| 9.3 价格谈判的衡量指标 |
| 9.4 用户满意度 |
| 9.5 本章小结 |
| 第10章 结束语 |
| 10.1 总结 |
| 10.2 展望 |
| 参考文献 |
| 附录A 意图识别模型的部分训练语料 |
| A.1 问候意图类部分语料 |
| A.2 商品询问意图类部分语料 |
| A.3 谈判破裂意图类部分语料 |
| A.4 谈判成功意图类部分语料 |
| 附录B 部分回复模板 |
| B.1 问候类部分回复模板 |
| B.2 商品询问类部分回复模板 |
| B.3 谈判成功类部分回复模板 |
| B.4 谈判破裂类部分回复模板 |
| B.5 价格谈判类部分回复模板 |
| 读硕期间获得的成果与奖励 |
| 致谢 |
（4）基于node.js的股票行情浏览及分析系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 系统开发背景 |
| 1.2 国内外研究现状 |
| 1.3 本文解决的主要问题 |
| 1.4 本文的主要工作 |
| 1.5 论文的组织结构 |
| 第2章 系统需求分析 |
| 2.1 功能需求分析 |
| 2.1.1 个人中心模块 |
| 2.1.2 股票行情中心模块 |
| 2.1.3 自选股管理模块 |
| 2.1.4 社交平台模块 |
| 2.1.5 预警模块 |
| 2.2 非功能性需求分析 |
| 2.2.1 易用性 |
| 2.2.2 可扩展性和可维护性 |
| 2.2.3 安全性 |
| 2.2.4 可靠性 |
| 2.3 本章小结 |
| 第3章 系统概要设计 |
| 3.1 系统设计目标和原则 |
| 3.2 系统技术架构设计 |
| 3.2.1 前端工程概要设计 |
| 3.2.2 后端工程概要设计 |
| 3.3 系统数据库设计 |
| 3.4 功能模块设计 |
| 3.4.1 个人中心模块设计 |
| 3.4.2 股票行情中心模块设计 |
| 3.4.3 自选股管理模块设计 |
| 3.4.4 社交平台模块设计 |
| 3.4.5 预警模块设计 |
| 3.5 本章小结 |
| 第4章 系统详细设计 |
| 4.1 系统总体架构的详细设计 |
| 4.1.1 前端架构的详细设计 |
| 4.1.2 后端架构的详细设计 |
| 4.2 系统关键技术的设计 |
| 4.2.1 Cors跨域 |
| 4.2.2 Canvas可视化技术 |
| 4.2.3 Socket.io即时通讯技术 |
| 4.3 系统性能优化设计 |
| 4.3.1 数据库连接池 |
| 4.3.2 Redis缓存数据库 |
| 4.3.3 Nginx负载均衡 |
| 4.3.4 SPA首屏优化 |
| 4.3.5 浏览器缓存 |
| 4.4 系统安全设计 |
| 4.4.1 前端路由守卫 |
| 4.4.2 MD5+Salt信息加密 |
| 4.4.3 XSS、CSRF、SQL注入攻击与防御 |
| 4.5 系统功能模块详细设计 |
| 4.5.1 个人中心模块详细设计 |
| 4.5.2 股票行情中心模块详细设计 |
| 4.5.3 自选股管理模块详细设计 |
| 4.5.4 社交平台模块详细设计 |
| 4.5.5 预警模块详细设计 |
| 4.6 本章小结 |
| 第5章 系统实现与测试 |
| 5.1 开发环境 |
| 5.2 功能模块的实现 |
| 5.2.1 个人中心模块实现 |
| 5.2.2 股票行情中心模块实现 |
| 5.2.3 自选股管理模块实现 |
| 5.2.4 社交平台模块实现 |
| 5.2.5 预警模块实现 |
| 5.3 优化MACD指标模型的实现 |
| 5.3.1 MACD指标介绍 |
| 5.3.2 MACD优化模型 |
| 5.3.3 量化实验及结果分析 |
| 5.4 股价趋势预测模型的实现 |
| 5.4.1 预测模型描述 |
| 5.4.2 实验及结果分析 |
| 5.5 系统测试 |
| 5.5.1 系统测试环境 |
| 5.5.2 系统功能测试 |
| 5.5.3 系统性能测试 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（5）文本生成技术的研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容 |
| 1.4 论文组织结构 |
| 第二章 相关任务及研究综述 |
| 2.1 文本生成技术综述 |
| 2.2 文本生成技术在自动评论任务中的应用综述 |
| 2.3 文本生成技术在多轮对话任务中的应用综述 |
| 2.4 本章小结 |
| 第三章 基于检索生成框架的自动评论生成算法 |
| 3.1 问题描述 |
| 3.2 模型概述 |
| 3.3 “一对多”训练模式的转换 |
| 3.4 相关性与发散性的平衡 |
| 3.5 编辑向量 |
| 3.6 模型训练 |
| 3.7 实验分析 |
| 3.7.1 数据集 |
| 3.7.2 实验环境与超参数配置 |
| 3.7.3 评价指标与对比模型 |
| 3.7.4 结果与分析 |
| 3.7.5 样例示范 |
| 3.8 本章小结 |
| 第四章 基于多信息联合指导的多轮对话生成算法 |
| 4.1 问题描述 |
| 4.2 多轮对话技术 |
| 4.2.1 意图识别模块 |
| 4.2.2 状态追踪模块 |
| 4.2.3 数据库查询模块 |
| 4.2.4 策略选择模块 |
| 4.2.5 回复生成模块 |
| 4.3 多信息联合指导的回复生成 |
| 4.3.1 基于状态向量和数据库向量的扩写 |
| 4.3.2 基于意图向量的辅助生成 |
| 4.3.3 模型训练 |
| 4.4 实验分析 |
| 4.4.1 数据集 |
| 4.4.2 实验环境 |
| 4.4.3 评价指标与对比模型 |
| 4.4.4 结果与分析 |
| 4.4.5 样例示范 |
| 4.5 本章小结 |
| 第五章 旅游场景下多轮对话系统的设计与实现 |
| 5.1 系统功能及整体设计 |
| 5.1.1 系统功能 |
| 5.1.2 系统整体设计 |
| 5.2 数据集的构建 |
| 5.2.1 问答数据的处理 |
| 5.2.2 数据库数据的处理 |
| 5.3 模型的训练与部署 |
| 5.3.1 模型的线下训练 |
| 5.3.2 模型的线上部署 |
| 5.4 前端交互与后端处理 |
| 5.5 对话页面展示 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（6）汉东电视台全媒体资源管理系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 论文结构安排 |
| 2 全媒体资源管理系统开发关键技术分析 |
| 2.1 JavaEE技术介绍 |
| 2.2 MySQL技术介绍 |
| 2.3 FreeMarker技术介绍 |
| 3 全媒体资源管理系统需求分析 |
| 3.1 全媒体资源管理系统需求分析原则和目标 |
| 3.2 全媒体资源管理系统的功能性需求分析 |
| 3.2.1 结构编排模块 |
| 3.2.2 内容中心模块 |
| 3.2.3 界面中心模块 |
| 3.2.4 模板管理模块 |
| 3.2.5 媒体资源管理模块 |
| 3.2.6 用户中心模块 |
| 3.3 系统非功能性需求分析 |
| 4 全媒体资源管理系统的设计 |
| 4.1 系统总体设计 |
| 4.1.1 系统软件架构设计 |
| 4.1.2 系统总体功能模块设计 |
| 4.1.3 系统网络拓扑设计 |
| 4.2 系统功能模块设计 |
| 4.2.1 结构编排模块设计 |
| 4.2.2 内容中心模块设计 |
| 4.2.3 界面中心模块设计 |
| 4.2.4 模板管理模块设计 |
| 4.2.5 媒体资源管理模块设计 |
| 4.2.6 用户中心模块设计 |
| 4.3 系统数据库设计 |
| 4.3.1 数据库设计的主要过程 |
| 4.3.2 系统数据库概要设计 |
| 4.3.3 系统数据库表设计 |
| 4.4 数据库安全设计 |
| 5 全媒体资源管理系统的实现 |
| 5.1 结构编排模块实现 |
| 5.2 内容中心模块实现 |
| 5.3 界面中心模块实现 |
| 5.4 模版管理模块实现 |
| 5.5 媒体资源管理模块实现 |
| 5.6 用户中心模块的实现 |
| 6 内容中心系统的测试 |
| 6.1 测试的平台部署 |
| 6.2 测试的方法 |
| 6.3 测试用例 |
| 6.3.1 系统结构添加模块测试 |
| 6.3.2 稿件编辑模块测试 |
| 6.4 平台测试结果分析 |
| 结论 |
| 参考文献 |
| 致谢 |
（7）DialogPro汉化新版的检索与应用（论文提纲范文）
| 1 Dialog数据库的简介 |
| 2 Dialog在中国的发展 |
| 3 Dialog Pro汉化新版的特点 |
| 4 Dialog Pro汉化新版的检索 |
| 4.1 BIOTECH用户检索 |
| 4.2 PATENT用户检索 |
| 4.3 Dialog Pro共享检索资源 |
| 5 Dialog的个性化服务功能 |
| 6有关Dialog数据库的国内发展 |
| 6.1相关机构分析 |
| 6.2统计有关Dialog论文的年代分布 |
| 7讨论 |
| 8结束语 |
（8）美国Dialog系统收录的中国数据库（论文提纲范文）
| 1 Dialog系统直接收录的中国数据库 |
| 1.1 Dialog 505号文档 |
| 1.2 Dialog 568号文档 |
| 1.3 Dialog 726号文档 |
| 2 Dialog系统间接收录的中国数据库 |
| 2.1 Dialog 344号文档 |
| 2.2 Dialog 618, 818号文档 |
| 3 存在的差距及改进建议 |
（9）Dialog系统数据库探微（论文提纲范文）
| 1 Dialog系统数据库研究的必要性 |
| 2 Dialog系统数据库探微 |
| 2.1 主题范围 |
| 2.2 数据库类型 |
| 2.3 数据库结构 |
| 2.4 索引文件[4] |
| 2.5 联机培训和练习数据库 |
| 2.6 联机帮助文档 |
| 2.6.1 File 411文档[5] |
| 2.6.2 File 415 Dialog Bluesheets[6] |
| 2.6.3 File 405 Homebase文档[7] |
| 2.6.4 File 230 Gale Directory 0f Online, Portable and Internet Databases[8] (数据库的数据库) |
| 2.6.5 File 413 Dialog Product Code Findero[7] |
| 2.6.6 File 414 Dialog Journal Name Finder[10] |
| 2.6.7 File 41 6 Dialog Company Name Finder |
四、Dialog数据库新闻（论文参考文献）
- [1]矿用大功率变频器远程监控系统的研究[D]. 张杨. 华北科技学院, 2021
- [2]基于Android平台的新闻客户端的设计与实现[D]. 杨锰. 北京邮电大学, 2021(01)
- [3]基于强化学习的人机谈判系统[D]. 范怡帆. 广西师范大学, 2021(09)
- [4]基于node.js的股票行情浏览及分析系统的设计与实现[D]. 魏榆静. 山东大学, 2021(12)
- [5]文本生成技术的研究与应用[D]. 宋川. 北京邮电大学, 2020(05)
- [6]汉东电视台全媒体资源管理系统的设计与实现[D]. 王众. 大连理工大学, 2019(07)
- [7]DialogPro汉化新版的检索与应用[J]. 张兵,吴明智,张红梅. 农业图书情报学刊, 2015(12)
- [8]美国Dialog系统收录的中国数据库[J]. 郭丽芳. 高校图书馆工作, 2007(03)
- [9]Dialog系统数据库探微[J]. 易峰. 孝感学院学报, 2005(03)
- [10]竞争情报研究中Dialog数据库的选择利用[J]. 张晓英. 图书情报工作, 2003(09)