图书采访系统的设计

通过在大学中进行调研,以数据说明了当前的图书采访现状,并进行了分析,最后得出结论,读者荐购制度是目前最科学的图书采访方式。基于读者荐购制度和J2EE技术,本文设计了一种新型图书采访系统。     

网上图书荐购系统的UML分析与设计

图书荐购系统的开发将最大限度地保证馆藏质量。论文基于UML对网上图书荐购系统进行了分析,并对系统的功能模型与数据库结构进行了设计。     

基于PDA的图书荐购微信平台设计与实现

微信公众平台作为阅读推广和品牌影响力提升的重要工具,越来越受到图书馆界的重视.介绍三峡大学图书馆官方微信搭建的方法,对图书荐购微信平台的原理和运作方式进行了分析,提出了基于微信公众平台的图书荐购移动服务实现方案.     

供电企业购电卡系统的研究与开发

本文针对目前供电企业电费管理现状,特提出电费购电卡收费方式的构想,与其他收费方式一起实现电费缴费方式的多样化。并对购电卡技术进行研究,在此基础上将系统划分为8个模块。最后通过对现有开发工具以及开发语言的分析比较,前端开发工具采用Visual Studio 2003及Java语言,后台数据库采用Oracle,开发了系统管理、购电卡领用存管理、收费票据领用存管理、购电卡管理、购电卡帐务管理、基本查询、统计汇总和短信管理模块。     

省级电力市场日前购电模型与决策的分析

在单一的购电的电力市场交易模式之下,买卖的双方通过网络来进行电能的交易,电网公司想要通过最低的价格来获取电能,而发电企业想要获取更大的经济效益,这也是双方参与市场的主要目的。本文主要针对这一系问题来进行改善,通过购电策略来保障电网的良好运行,对市场参与者的不同利益进行充分的考虑,以此来对购电市场进行完善。     

网上购药系统的设计与实现

本设计是根据目前的市场需求,开发出的一款基于Internet模式的网上购药系统.设计借鉴了当今流行的电子商务的成功案例,使系统更加符合实际的要求,利用友好的页面、简单的操作、安全快捷的购药过程来吸引消费者,达到能够顺利经营的目的.     

基于大数据下的在线药物精准购买

近年来,普通人在购药时,还存在买药贵、买药难的问题。在药店购药时,药店服务员为提升业绩会给客户卖高价药,而药品是不讲价的,这就导致客户凭着生活经验直接凭药名购药。但客户对药理的了解度普遍较低,就产生了低价买不到有效药的现象。我们主要研究购买药物时根据不同地区和药店如何提供药物的购价及相关信息。大众由被动变为主动,购买人只需输入年龄、症状、禁忌,即可有合适的价位与药品任其选择。通过大数据指调购药信息,指导购药人员知晓精准的购药信息和性价比较,这一系统的建成,也使医疗环节中购药这一步更加保质、保量,为居民医疗消费提供更加理性的判断。     

浅析小型购物网站的设计与实现

本文以图书销购为例主要讲述网站的设计与实现过程。通过图书的在线销购不仅可以使客户随时了解各类图书信息,而且还可以推广企业的图书和技术服务。从长期的战略目标来看,也为图书销售提供了新的渠道。图书在线销购方式具有传统销售方式不可相比的许多优点:如不再限制消费者的购买时段,消费者有更多的比对信息;从企业角度来看,节省实际开店时需要投入的成本和租用费用,从而增加了企业的核心竞争力。     

浅谈大用户直购电交易

在经济高速发展的今天,大用户直接购电越来越普遍,在我国经济大省广东是很多的,本论文结合经济学特点,从市场经济的观点出发,对我国大用户直购电交易进行探讨,分析了直购电历史与背景,阐述大用户够电存在的问题及解决的方法,以及未来的发展方向,因此国家要出台一系列关于大用户直购电的相关法规和文件,让大用户直购电为市场经济服好务,自身健康的发展。     

基于电视一卡通交费购电系统的设计研究

基于电力营销系统中各种传统交费方式存在的不足,本文提出了一种全新的交费模式,即电视一卡通交费购电系统。它可以完成居民用户的普通缴费和卡表购电。该方式具有操作简单、24小时营业、足不出户等特点。在理论分析上应用已存在的银电联网模式,将有线电视台视为某银行进行建模和开发。系统开发完成后可以较好解决交费难问题,提高电力公司科技服务水平。     

基于遗传算法的新书推荐系统研究

新书推荐是数字图书馆推广个性化服务的重要内容。为设计开发高效、准确的推荐系统。研究人员采用多种智能算法实现图书推荐。基于遗传算法的新书推荐方法（GANBook）利用遗传算法搜索效率高、自适应性强等优点对新书书目进行自动搜索．从而实现个性化图书推荐。仿真实验表明GANBook算法能够快速、准确地在数量庞大的书目中找出适合特定读者的最佳图书推荐组合,从而实现快速、个性化的新书推荐服务。     

《信号与系统》新形态教材建设的探索

以突出“信号与系统分析”的核心理论为目标,教学团队重新梳理、优化了《信号与系统》课程的教学内容,结合多年的教学经验重新编写了课程教材。新教材在编排方式上采用了连续与离散混合编写模式,突出基本理论和重点教学内容,将线性时不变系统的时域经典分析方法和团队提出的一整套线性时不变系统分析理论放在附录中供读者使用。教学团队在建设新形态教材上进行积极探索,并整合《信号与系统》课程的主要教学资源,根据新编教材内容制作了各章节的微课教学视频和教学课件,读者可通过扫描书中的二维码进行学习和使用。     

基于分类的协同过滤图书推荐系统应用研究

随着社会的发展,图书馆图书的总量呈数量级增长,人们面对大量的图书和文献资料变得无从选择,而传统的 图书检索技术并不能向读者提供主动式、个性化的检索结果。推荐系统是一种智能化系统,它把用户对目标对象的选择、评价 等大量信息通过特定的算法进行处理,根据处理结果形成推荐列表向用户进行推荐,以此提供决策参考。文章将就基于分类 的协同过滤图书推荐系统展开研究和探讨。     

基于多特征的个性化图书推荐算法

现有推荐算法计算读者之间或图书之间的相似性不准确、推荐精确度不高。为此,提出一种基于多特征的个性化图书推荐算法。根据中图分类法及图书的特征向量计算图书的相似性,依据读者的特征向量及借阅记录计算读者的相似性。在此基础上产生2种预测结果并对其进行加权,产生最终推荐。实验结果表明,该算法具有较高的图书推荐精确度。     

决策树分类算法在个性化图书推荐中的应用

采用数据挖掘中的决策树方法,对图书馆的图书借阅数据进行研究和分析,提出了基于读者阅读兴趣的个性化图书推荐模型。实验表明,该模型能够为新老读者有针对性地推荐新书,较好地实现了图书馆的个性化的创新服务。     

一种融合读者心情要素的新闻推送方法

互联网技术的飞速发展增强了用户与网络新闻间的交互性,使得网络新闻不仅包含传统的新闻内容和时间信息,还包含读者心情等交互信息。如何充分挖掘新闻特性,为用户提供便捷的浏览体验已逐渐成为新闻相关领域的研究热点。为方便用户通过输入查询词和心情浏览感兴趣的新闻,该文在考虑新闻的传统特性的同时,融合读者心情要素,提出一种全新的新闻推送方法。该方法重点研究依据读者心情的新闻排序算法,并考虑新闻内容与用户查询的主题相关性,以及新闻重要程度随时间衰减的特性,最终实现一种全新的新闻推送模式。基于所提方法,该文设计了一个融合读者心情要素的新闻推送系统,验证了该方法的有效性。     

图书馆书目协同智能推荐系统设计与实现研究

为了获得更加理想的图书馆书推荐效果,设计了一种图书馆书目协同智能推荐系统。首先设计了图书馆书目协同智能推荐系统的总体结构,然后利用文献引证关系度量读者兴趣度量范围,采用采用协同过滤算法计算读者相似度,获取与读者感兴趣相似的结果,最后根据相似度得到读者对每种图书感兴趣的评价值,并根据评价值进行图书馆书目智能推荐。仿真实验结果表明,该系统可以获得最优的推荐图书馆书目,读者对图书馆书目推荐结果的满意度高。     

基于注意力机制的深度学习推荐研究进展

近年来,注意力机制AM被广泛应用到基于深度学习的自然语言处理任务中,基于注意力机制的深度学习推荐也成为推荐系统研究的一个新方向.探讨了注意力机制的结构和分类标准,从基于注意力机制的DNN推荐、CNN推荐、RNN推荐、GNN推荐4个方面分析了现有融合注意力机制的深度学习推荐研究的主要进展和不足,阐明了其中的主要难点,最后指出了多特征交互的注意力机制推荐、多模态注意力机制深度学习推荐、融入注意力机制的多种深度神经网络混合推荐和注意力机制的群组推荐等基于注意力机制的深度学习推荐未来的主要研究方向.     

基于混合自编码器的协同过滤推荐算法优化

协同过滤算法已广泛应用在推荐系统中,在实现新异性推荐功能中效果显著,但仍存在数据稀疏、扩展性差、冷启动等问题,需要新的设计思路和技术方法进行优化.近几年,深度学习在图像处理、目标识别、自然语言处理等领域均取得突出成果,将深度神经网络模型与推荐算法结合,为构建新型推荐系统带来新的契机.本文提出一种新式混合神经网络模型,该模型由栈式降噪自编码器和深度神经网络构成,学习得到用户和项目的潜在特征向量以及用户-项目之间的交互行为模型,有效解决数据稀疏问题从而提高系统推荐质量.该推荐算法模型通过MovieLens电影评分数据集测试,实验结果与SVD、PMF等传统推荐算法和经典自编码器模型算法作对比,其推荐质量得到显著提升.     

图神经网络推荐研究进展

图神经网络(graph neural network, GNN)具有从图的领域对数据进行特征提取和表示的优势,近年来成为人工智能研究的热点,图神经网络推荐也是推荐系统研究的一个新方向。本文对GNN模型进行深入研究的基础上,分析了GNN推荐过程,并从无向单元图推荐、无向二元图推荐、无向多元图推荐3个方面详细讨论了现有GNN推荐研究取得的主要进展及不足,阐明了现有GNN推荐研究中存在的主要难点,最后提出了GNN上下文推荐、GNN跨领域推荐、GNN群组推荐、GNN推荐的可解释性等未来GNN推荐的研究方向。