一、安装 方法一 pip install cnsenti 方法二 pip install cnsenti -i https://pypi.tuna.tsinghua.edu.cn/simple/ 二、快速上手 中文文本情感词正负情感词统计 Run 中文文本情绪统计 Run 三、文档 cnsenti包括Emotion和Sentiment两大类，其中 Emotion 情绪计算类,包括**emotion_count(text)**方法 Sentiment 正负情感计算类，包括**sentiment_count(text)和sentiment_calculate(text)**两种方法 3.1 emotion_count(text) emotion_count(text)y用于统计文本中各种情绪形容词出现的词语数。使用大连理工大学情感本体库词典，支持七种情绪统计(好、乐、哀、怒、惧、恶、惊)。 返回 其中 words 中文文本的词语数 sentences 中文文本的句子数 好、乐、哀、怒、惧、恶、惊 text中各自情绪出现的词语数 3.2 sentiment_count(text) 隶属于Sentiment类，可对文本text中的正、负面词进行统计。默认使用Hownet词典，后面会讲到如何导入自定义正、负情感txt词典文件。这里以默认hownet词典进行统计。 Run 其中 words 文本中词语数 sentences 文本中句子数 pos 文本中正面词总个数 neg 文本中负面词总个数 3.3 sentiment_calculate(text) 隶属于Sentiment类，可更加精准的计算文本的情感信息。相比于sentiment_count只统计文本正负情感词个数，sentiment_calculate还考虑了 情感词前是否有强度副词的修饰作用 情感词前是否有否定词的情感语义反转作用 比如 Run 3.4 自定义词典 我们先看看没有情感形容词的情形 Run 如我所料，虽然句子是正面的，但是因为cnsenti自带的情感词典仅仅是形容词情感词典，对于很多场景而言，适用性有限，所以pos=0。 3.4.1 自定词典格式 好在cnsenti支持导入自定义词典，但目前只有Sentiment类支持导入自定义正负情感词典，自定义词典需要满足 必须为txt文件 原则上建议encoding为utf-8 txt文件每行只有一个词 3.4.2 Sentiment自定义词典参数 pos 正面情感词典txt文件路径 neg 负面情感词典txt文件路径 merge 布尔值；merge=True，cnsenti会融合自定义词典和cnsenti自带词典；merge=False，cnsenti只使用自定义词典 encoding 两txt均为utf-8编码 3.4.3 自定义词典使用案例 这部分我放到test文件夹内,代码和自定义词典均在test内，所以我使用相对路径设定自定义词典的路径 正面词自定义.txt Run 上面参数我们传入了正面自定义词典和负面自定义词典，并且使用了融合模式（merge=True），可以利用cnsenti自带的词典和刚刚导入的自定义词典进行情感计算。 补充： 所设计的这个库目前仅能支持两类型pos和neg，如果你的研究问题是两分类问题，如好坏、美丑、善恶、正邪、友好敌对，你就可以定义两个txt文件，分别赋值给pos和neg，就可以使用cnsenti库。 来源https://github.com/thunderhit/cnsenti

宿舍系统 集成开发环境 Java 数据库 毕业设计💼 MD5加密🔒 SSM框架🎨 Layui框架🎄 实现功能 管理员的登录与登出 管理员，班级，学生，宿舍，卫生，访客各模块增删改查 个别模块关联查询 各个模块数据导出Excel 界面展示 转载自https://github.com/Joyrocky/DormitoryManager#dormitorysystem

基于移动设备的眼球追踪技术及其应用 一、研究目的 在本文中，我们主要验证在移动设备上进行实时眼球追踪的可行性，并提出使用眼球追踪进行移动设备控制。 二、研究方法 我们首先对眼球追踪技术进行测试，验证了现行眼球追踪算法在移动设备上进行眼球运动方向追踪的准确性。随后基于视频播放场景，在原有的控制技术基础上，实现了基于眼球运动方向的视频播放控制。相较于之前的研究，我们不仅验证了眼球追踪技术在移动设备上应用的准确性，同时提出了其适用的场景和相应的解决方案。 三、研究结论 针对用户观看视频过程中有时不便手动控制这一现象，我们率先将眼球追踪技术与视频播放控制结合起来，改善了用户使用体验。而经过实验验证，基于眼球运动方向进行操作控制的平均准确率达到 70.5%，这一新颖的控制方式被证明是可靠的。 四、目录 第一章 绪论 1.1 研究背景 1.2 本文工作 1.3 论文结构 第二章 相关工作 2.1 眼睛行为分析 2.1.1 视线估计 2.1.2 眼球运动 2.2 基于眼睛交互 2.2.1 隐式交互 2.2.2 显式交互 2.3 移动设备控制 第三章 瞳孔检测与眼球追踪 3.1 面临挑战 3.2 环境影响 3.2.1 距离 3.2.2 照明条件 3.3 眼睛检测 3.3.1 Harr特征选择 3.3.2 计算积分图像 3.3.3 Adaboost 训练 3.3.4 级联分类器 3.4 瞳孔中心定位 3.4.1 梯度方法 3.4.2 运行结果 3.5 眼球运动方向追踪 第四章 系统实现与性能评估 4.1 系统实现 4.1.1 视频播放器 4.1.2 基于眼球控制实现视频播放 4.2 性能评估 4.2.1 实验设置 4.2.2 眼球追踪模块 4.2.3 视频控制模块 第五章 总结与展望 参考文献 致 谢 来源https://github.com/njuzyh/EyeTrack

基于LSTM网络与自注意力机制对中文评论进行细粒度情感分析 题目介绍 在线评论的细粒度情感分析对于深刻理解商家和用户、挖掘用户情感等方面有至关重要的价值，并且在互联网行业有极其广泛的应用，主要用于个性化推荐、智能搜索、产品反馈、业务安全等。本次比赛我们提供了一个高质量的海量数据集，共包含6大类20个细粒度要素的情感倾向。参赛人员需根据标注的细粒度要素的情感倾向建立算法，对用户评论进行情感挖掘，组委将通过计算参赛者提交预测值和场景真实值之间的误差确定预测正确率，评估所提交的预测算法。 实验环境 tensorflow 1.8.0-gpu, python-3.5.6 模型架构 参数设置 学习率: 3e-4 学习率尝试过1e-4、3e-4、1e-3等，发现取3e-4时F1值和1e-3差不多，但是取3e-4时模型的最终loss更低。 dropout: 1.0 dropout尝试过0.5、0.75以及1.0，发现取1.0的时候效果最好，0.5的时候效果最差。 句子截断长度：350个词语 句子截断长度取350个词语时，仅5%的评论被截断，其余不足350个词语的评论在词嵌入的时候补0。 词向量维度：300 词向量维度尝试过250、300、350等，但是对模型的性能提升不大，一般都选用300。（维度过高会延长训练时间） batchSize：32 完成情况 单个模型最好的F1指标为：75.04 整体20个模型的综合F1指标为：68 来源https://github.com/viewlei/fsauor2018 提示：该题目可检索“AI Challenger 2018：细粒度用户评论情感分析”获得更多的资料和信息

基于iOS平台的校园社交网络应用 HIT Ren 的设计与实现 一、研究目的 本文主要研究Struts是如何实现Model2的，如何采用Java中的反射机制和程序生成器技术将Struts的Action、ActionForm部分进化为黑盒框架，在白盒层上加一个黑盒层，解决上述问题。 二、研究方法 （1）基于中间件的三层结构的设计与实现； （2）基于反射机制的Struts的进化； （3）程序生成器的设计与实现； （4）进化前后框架的比照分析。 三、研究结论 设计实现了面向大学生的校园社交网络系统 四、目录 摘 要 Abstract 第1章 毕业设计内容概述 1.1 课题背景 1.1.1 项目开发目的和意义 1.1.2 国内外相关领域开发及应用现状分析 1.2 本文主要工作内容 第2章 需求分析 2.1 系统功能需求 2.1.1 各模块需求详细介绍 2.1.2 系统主要功能用例图 2.2 本章小结 第3章 系统设计 3.1 系统整体功能模块与架构 3.2 服务器端设计 3.2.1 服务器端架构设计 3.2.2 服务器端数据库设计 3.2.3 服务器端类图设计 3.2.4 服务器端业务流程设计 3.3 客户端设计 3.3.1 客户端架构设计 3.3.2 客户端类图设计 3.3.3 客户端业务流程设计 3.4 数据存取算法设计 3.5 本章小结 第4章 系统实现 4.1 主要界面 4.2 本章小结 第5章 系统测试与性能分析 5.1 消息推送 5.2 本章小结 结 论 参考文献 哈尔滨工业大学本科毕业设计（论文）原创性声明 致 谢 来源https://github.com/cen5bin/HITRenDoc

某市政府办公楼工程，建筑设计见上次的结构设计图。此次为结构设计。总建筑面积2340㎡。总楼层为地上4层。 根据建筑物的使用功能、造型、房屋高度，工程地质条件等物质技术，本工程的设计的主体房屋采用钢筋混凝土框架结构。 根据荷载情况，本多层钢筋混凝土框架结构工程采用横向框架为主要受力框架，横向布置框架梁，纵向布置连系梁。 防火要求：建筑物属二级防火标准。 结构形式：钢筋混凝土框架结构。 建筑物地处某市中心，不考虑雪荷载和灰荷载作用。 自然地面-10m以下可见地下水。 地质资料：地质持力层为粘土，孔隙比为e=0.8，液性指数IL=0.90，场地覆盖层为1.0m，场地土壤属Ⅱ类场地土。 抗震设防：此建筑物为一般建筑物，建设位置位于近震区，其抗震设防烈度为6度。 具体计算过程欢迎同学和我交流。

基于异步架构的图片管理系统后端设计和实现 一、研究目的 抽象图片的常用处理过程，拆分过程，优化处理流程，将没有依赖关系的过程改为并发处理，将非核心逻辑异步化。从而达到优化用户体验、系统削峰、增加系统可扩展性的目的。提供图片异步化架构的后台通用设计方案和实现，供有需要的开发者做参考。 二、研究方法 需求收集，从网上调研、用户调研收集、挖掘图片管理网站[5]常见需求。 分析需求，设计图片管理流程。 流程优化，将没有依赖关系的步骤并发进行，非核心路径异步化处理。 架构设计，异步通过消息队列实现，调研相关存储系统。 架构实现，编写代码，实现系统相关功能。 结果测试，测试系统的正确性，以及系统的处理时延、并发量、吞吐量等数据。 三、研究结论 架构设计将数据状态保存在独立组件中，本系统实现了服务无状态化，可实现水平扩展。 四、目录 第1章 绪论 1.1研究背景 1.2 国内外研究现状 1.3 研究目的及意义 1.4 课题研究内容 第2章 图片管理系统需求分析 2.1需求分析概述 2.1.1需求分析的目的 2.1.2需求分析的流程图 2.2开发背景 2.3开发目标 2.4可行性分析 2.4.1经济可行性分析 2.4.2工程上可行性分析 2.5功能模块需求分析 2.5.1用例图设计 2.6非功能性需求 2.7本章小结 第3章 相关理论与技术 3.1图片管理系统前端与后端 3.2开发工具及环境介绍 3.2.1Go编程语言 3.2.2MySQL关系型数据库 3.2.3Redis缓存系统 3.2.4HDFS分布式存储 3.2.5NSQ消息队列 3.2.6Docker容器部署 3.3通信协议 3.4开发框架 3.4.1消息队列NSQ客户端go-nsq 3.4.2HDFS客户端WebHdfs 3.4.3MySQL关系型数据库ORM Gorm 3.4.4Redis缓存客户端go-redis 3.5本章小结 第4章 基于异步架构的图片管理网站的后端设计 4.1概要设计 4.1.1设计思想 4.1.2系统功能结构 4.1.3层次结构 4.2架构设计 4.2.1设计模式 4.2.2系统组件选择 4.2.3系统组件交互 4.3处理流程设计 4.3.1上传 4.3.2删除图片 4.3.3下载图片处理流程 4.3.4查看用户上传历史 4.3.5查看图片元数据 4.4数据库设计 4.4.1用户信息表设计 4.4.2图片元数据表 4.5存储系统中Key设计 4.5.1Redis键设计 4.5.2HDFS键设计 4.6消息队列消息格式设计 4.6.1图片上传消息设计 4.6.2图片删除消息设计 4.7本章小结 第5章 基于异步架构的图片管理系统后端实现 5.1接口调试 5.1.1上传图片 5.1.2删除图片 5.1.3查看上传历史 5.1.4查看图片元数据 5.1.5下载图片 5.2系统运维 5.2.1NSQ运维 5.2.2HDFS运维 5.3系统测试 5.3.1上传图片接口 5.3.2删除图片接口 5.3.3下载图片接口 5.4本章小结 第6章 总结与展望 6.1研究总结 6.2研究展望 参考文献 致谢 来源https://github.com/g10guang/graduation

基于双目立体视觉的图像匹配与测距 一、研究目的 双目立体视觉是计算机视觉范畴的核心之一，它利用双目相机来获得目标物体的图像，经过物体图像处理之后得到目标物体所在场景环境的三维信息，最终实现非接触条件下测距，简单便捷。 本次毕业设计主要内容为研究基于双目立体视觉平台上的图像匹配以及目标物体的距离测量技术，图像特征提取部分研究了 SIFT 算法和 SURF 算法，特征匹配部分研究了 BF 法和 FLANN 法，距离测量研究主要通过视差深度的计算，结合视觉坐标系的转换实现三维位置的定位与测量。 二、研究方法 （1）在对相机成像和坐标系原理研究的基础上，依托维视双目立体视觉测量平台 MV-VS220 实现了双目相机标定，以及目标物体图像数据采集。 （2）在灰度化、二值化以及加噪等必要图像预处理的基础上，研究 SIFT、SURF 特征点提取与匹配算法，进行实验并显示提取和匹配效果；研究测距模型和视差深度计算目标物体的深度信息，进行实验并获取测量结果，对测量误差进行分析与讨论。 （3）基于维视双目立体视觉测量平台 MV-VS220，采用 Python+OpenCV 开发工具，设计实现了一个双目立体视觉图像匹配与测距原型系统，可实现对关键环节的过程与结果的演示，以及不同算法的性能比较 三、研究结论 系统可实现对关键环节的过程与结果的演示，以及不同算法的性能比较。系统测试表明，所开发的原型演示系统从界面、功能与性能方面均达到了设计的要求。 四、目录 论文提纲目录 摘要 关键字 1 引言 1.1 研究背景和意义 1.2 主要研究内容 2 相机成像与标定 3 特征点的提取与匹配 4 目标定位与测距 5 系统设计与实现 6 总结 来源https://github.com/Cuirongcheng/Image-matching-and-ranging-based-on-binocular-stereo-vision

介绍 项目实现爬虫、数据挖掘/分析等功能。目前主要是扫描直播站点收集数据，后续会开发相关数据分析模块。 架构采用前后端分离，通过RESTFul API通信。前端Vue+Webpack，后端Flask。 文件结构分为三部分，每个部分可以单独提供服务： frontend 前端代码，使用Vue+Webpack开发管理。 server 后端RESTFul服务，使用Flask搭建提供API。 crawler 爬虫服务，使用框架scrapy对直播站点爬取数据。 via:https://github.com/taogeT/livetv_mining

医院预约挂号系统，实现基本预约挂号，预留后台管理系统接口，时间数据为假数据。 提供医生科室、医生查询。 使用ssm框架，maven管理依赖jar包 所需代码均可在下载区找到。 注意 因为时间预约信息是假数据，控制预约日历显示的代码在data/index.js，因为js写的有点bug出现不能显示的问题。 如果想要试试日历显示效果请修改代码. var dp = new Datepicker($('.a'), year, month, day);日期改为今天日期。例如. var dp = new Datepicker($('.a'),'1996', '03', '10'); https://github.com/sfturing/hosp_order#readme

概述 这是一款基于微信小城序的在线书城，书城数据库使用mongodb存储，书城数据使用nodejs爬虫从网络上爬取，并使用loopback作为后端接口框架。功能上，微信实现以下5个模块，分别是我的书架、书城、个人中心、H5阅读器、登录注册。这些模块中又存在许多子模块，互相连接和配合。本论文将介绍所设计的微书，并对本系统进行数据分析和设计。 目录 摘要 1 1 前言 3 1.1 项目介绍 3 1.2 项目背景 3 2 微书书城系统分析 3 2.1 需求分析 3 2.2 功能分析 3 2.3 系统用例图设计 3 2.4 系统流程图设计 3 2.5 系统开发环境 3 3 数据库分析与设计 4 3.1 数据库分析 4 3.2 数据库概念设计 4 3.3 数据逻辑结构设计 4 3.4 各表之间的联系图 4 4 微书设计和功能实现 4 4.1 系统登录注册模块 4 4.1.1 登录注册界面设计 4 4.1.2 登录注册逻辑实现 4 4.2 我的书架模块 4 4.2.1 我的书架界面设计 4 4.2.2 我的书架逻辑实现 4 4.3 H5阅读器模块 4 4.3.1 阅读器界面设计 4 4.3.2 分页算法 4 4.3.3 左右滑动翻页实现 4 4.3.4 阅读器风格切换、字体设置、查看目录 4 4.4 书籍详情模块 4 4.3.1 书籍详情页界面设计 5 4.3.2 书评和点赞功能实现 5 4.4 书城模块 5 4.4.1 书籍详情页界面设计 5 4.4.2 书评和点赞功能实现 5 4.5 书城模块 5 4.5.1 个人中心界面设计 5 4.5.2 个人信息 5 4.5.3 个人设置 5 4.5.4 我的消息 5 4 微书测试 5 4.1 测试项目 5 4.2 测试用例 5 参考文档 5 via:https://github.com/Andyliwr/mbook

基于协同过滤算法的个性化推荐系统 一、研究目的 基于协同过滤算法的个性化新闻推荐系统能够根据对用户在网站内的操作记录的分析，为用户推荐可能喜欢的新闻内容。另外，该系统还实现了新闻的新增、改、查、删操作，以及新闻的评论和回复、新闻评论管理等。 二、研究方法 首先，进行新闻内容采集，利用新闻爬虫，抓取新闻之后进行自动提取新闻的关键字，供新闻推荐使用。 其次，用户画像模型的训练，根据用户的操作历史分析出一个可以预测用户偏好的兴趣模型，即形成系统自定的表示该用户近期的兴趣指标的数据集。 最后，进行新闻推荐，根据用户画像模型分析得到一个关联内容的权重排序的集合结果，根据该集合给用户推荐相同关联内容相同的新闻。 三、研究结论 系统基本实现了按个性化推荐新闻的功能，其中的发布者中心模块、后台管理模块、前台模块的所有所有功能性正常，暂无验证缺陷，系统功能可以正常运行，包括新闻管理、评论管理、点赞、新闻推荐等所有功能。 四、目录 1 绪论 1.1 前言 1.2 主要研究内容 2 需求分析 2.1 需求概述 2.2 需求功能点概述 2.3 总体用例图 2.4 用例与参与者关系列表 2.5 数据库需求概述 3 软件概要设计 3.1 软件模块结构 3.2 软件模块介绍 3.2.1 系统前台模块 3.2.2 系统后台模块 3.3 数据结构 3.3.1 数据字典 3.3.2 数据模型 4 系统详细设计 4.1 新闻数据采集功能详细设计 4.1.1 新闻采集理论基础 4.1.2 新闻采集设计思路 4.1.3 新闻采集实现方法 4.1.4 新闻采集核心代码 4.2 相似用户推荐机制详细设计 4.2.1 相似用户推荐机制理论基础 4.2.2 相似用户推荐机制设计思路 4.2.3 相似用户推荐机制实现方法 4.2.4 相似用户推荐机制核心代码 4.3 协同过滤推荐新闻机制详细设计 4.3.1 协同过滤推荐新闻机制理论基础 4.3.2 协同过滤推荐新闻机制设计思路 4.3.3 协同过滤推荐新闻机制的实现方法 4.3.4 协同过滤推荐新闻机制核心代码 5 软件测试 5.1 测试方法及工具 5.2 测试类型 5.2.1 功能性测试 5.2.2 易用性测试 5.3 测试用例 5.4 测试执行 5.4.1 前台模块 5.4.2 后台模块 5.5 测试结果统计 5.5.1 BUG 类型统计 5.5.2 BUG 严重程度统计 5.5.3 缺陷倾向及主要原因 5.6 测试结论 5.6.1 功能性 5.6.2 易用性 6 开发环境和软件运行结果 6.1 软件环境 6.2 运行环境 6.3 软件部分运行结果 6.4 存在的问题和不足 总结 致谢 参考文献 来源https://github.com/windowxiaoming/recommend-1