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

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

基于智能手机的报纸阅读器 一、研究目的 本设计实现一款基于安卓智能手机的报纸阅读器，具有将拍照得到的图片转成文字再朗读出来的功能，并支持报纸内容存储、音量调节、自定义朗读语言等功能，能极大缓解老年人阅读报纸时的不便。 二、研究方法 本文的主要任务是介绍 Android 平台下使用 Cordova 进行的报纸阅读器应用开发。首先从整体的角度介绍了 Android 的整体架构，以及 Cordova 跨平台开发框架。然后对 Android 平台的报纸阅读器进行需求分析，设计应用的功能与业务流程。接着使用 Cordova 框架进行功能设计，描述具体实现过程。 三、研究结论 完成了 Android 平台下使用 Cordova 进行的报纸阅读器应用开发，经过正常情况、光线较暗处、纸张弯曲、字体较小时四个阶段的测试，测试结果均表明该OCR引擎的识别足够令人满意。 四、目录 摘要 Abstract 第一章 引言 1.1 课题背景 1.2 课题任务 1.3 内容的安排 第二章 开发环境及相关技术简介 2.1 Android简介 2.2 Cordova简介 2.2.1 Cordova介绍 2.2.2 Cordova原理简要分析 2.3 OCR简介 2.3.1 OCR介绍 2.3.2 OCR识别方式介绍 2.4 TTS简介 2.4.1 TTS介绍 2.4.2 TTS基本组成 2.4.3 中文TTS系统 2.5 Node.js简介 2.5.1 Node.js介绍 2.5.2 Node.js模块 2.5.3 NPM简介 2.6 本章小结 第三章 报纸阅读器的需求分析 3.1 业务描述 3.2 业务处理流程 3.3 客户需求分析 3.4 本章小结 第四章 报纸阅读器的功能设计 4.1 主要业务处理流程 4.2 UI组件布局 4.2.1 HTML，CSS简介 4.2.2 总体设计风格 4.2.3 UI布局 4.3 拍照功能的调用 4.4 裁剪图片 4.5 上传图片 4.6 OCR识别 4.7 TTS功能的使用 4.8 本章小结 第五章 报纸阅读器的实现 5.1项目开发软硬件平台 5.2项目创建 5.2.1 开发环境搭建 5.2.2 Cordova工程创建 5.2.3 项目目录介绍 5.3软件功能实现 5.3.1 UI界面 5.3.2数据存储 5.3.3 拍照功能 5.3.4 裁剪图片 5.3.5 上传图片 5.3.6 浏览新闻 5.3.7 朗读 5.3.8 音量调节 5.3.9 音量条UI 5.3.10检测网络状态 5.3.11检测是否安装讯飞语音 5.3.12跳转至设置界面 5.5 兼容性测试 5.6 模块功能测试 5.7 OCR识别效果测试 5.7.1正常情况 5.7.2光线暗处 5.7.3纸张弯曲时 5.7.4字体较小时 5.7.5结论 5.8 应用效果 5.9 本章小结 结束语 参考文献 致谢 来源：https://github.com/xyqfer/reader

基于人体骨骼姿态的姿势识别系统设计 一、研究目的 利用机器学习内容设计实现人体姿势识别系统。 二、研究方法 通过 OpenPose 获取骨骼数据，设计算法提取骨骼节点特征，利用卷积网络的知识实现姿势识别。创新点在于骨骼特征节点设计时利用 两个手工定制的特征，实现快速识别：第一个是距离两个关键点的距离会随着动作不同而不同；第二个是角度，考虑到距离会随着摄像头位置发生变化，而三个点的夹角不同，不论远近，夹角固定，同时夹角会随着动作不同而不同。 三、研究结论 通过特征值网络的设计、卷积网络的设计与实现，以及系统的设计与实现，最终实现了基于人体骨骼姿态的姿势识别系统。 四、目录 第 1 章 概论 第 1.1 节 人体姿态估计的发展概况 第 1.2 节 各种分类方法的发展概述及研究现状 1.2.1 各种分类方法的概述以及发展 1.2.2 关于专家系统的动物识别分类的概述以及研究近况 1.2.3 关于支持向量机分类的概述以及研究近况 1.2.4 关于机器学习与深度学习分类的概述以及研究近况 第 2 章 骨骼数据的获取 第 2.1 节 安装 OpenPose 第 2.2 节 关于 OpenPose 网络模型算法的具体细节 第 2.3 节 通过 OpenPose 获取骨骼数据 第 3 章 算法设计 第 3.1 节 骨骼节点特征的设计与提取 3.1.1 距离特征的设计与提取 3.1.2 角度特征的设计与提取 第 3.2 节 分类的设计与实现 3.2.1 workspace 程序开发目录详细说明 3.2.2 特征值网络的设计 3.2.3 卷积网络的设计与实现 第 4 章 系统的设计与实现 第 4.1 节 太极姿态网络的模型保存与加载使用 第 4.2 节 采集系统的实现细节 第 4.3 节 太极识别系统的实现细节 第 5 章 系统总结 来源https://github.com/wfnian/posture_recognition

基于特征熵值分析的网站分类系统实现 一、研究目的 本设计对KNN 算法的缺陷产生原因进行详细地分析，并针对缺陷对算法进行了引入属性熵值等一系列的改进，使得改进的 KNN 算法达到高速、高精度的性能，并且基于改进后的新 KNN 算法，搭建一个真正实用性强的网站分类系统。 二、研究方法 采用了语言 Python(Python 2.7.5)来对系统进行全方面设计,系统实现的平台是 Unix 操作系统。基础的爬虫搭建和页面处理涉及的分词技术均非设计重点,且稳定性要求较高, 所以这两者分别采用了目前相对稳定强大的开源工具 Scrapy 和 Jieba 分词。 三、研究结论 最终本系统利用个 3578 个真实网站内容作为测试集对系统进行了性能测试,最终的成绩是分类精度达到 85.05%,平均一个网页的分类速度是 0.88 秒。 四、目录 摘 要 Abstract 第 1 章 绪 论 1.1 课题的研究背景和意义 1.1.1 目前网站分类的研究情况 1.1.2 现有解决方案的优点与不足 1.1.3 基于特征熵值分析的网站分类系统的设计目标 1.2 论文的研究内容与组织结构 1.2.1 论文的研究内容 1.2.2 论文的组织结构 第 2 章 系统模块组成介绍 2.1 系统总体架构 2.2 爬虫模块功能和技术 2.3 网页处理模块功能和技术 2.4 特征提取与文本表示模块功能和技术 2.5 分类器模块功能和技术 2.6 本章小结 第 3 章 爬虫模块和页面处理模块 3.1 爬虫模块详细设计 3.2 页面处理模块详细设计 3.2.1 页面内容价值分析 3.2.2 页面处理方法 3.2.3 一种线性时间的正文提取算法 3.2.4 页面处理关键流程图 3.3 本章小结 第 4 章 特征提取与文本特征表示模块 4.1 特征提取技术介绍 4.1.1 传统的卡方检验方法（CHI） 4.1.2 传统的卡方检验方法的缺陷分析 4.1.3 一种改进的卡方检验方法 4.2 文本特征表示介绍 4.2.1 体现词在文档中权重的关键因素分析 4.2.2 TF*IDF 方法 4.3 本章小结 第 5 章 KNN 分类器模块 5.1 传统 KNN 算法介绍 5.2 传统 KNN 算法的缺陷 5.3 在运行速度上改进 KNN 算法 5.3.1 传统 KNN 算法运行速度低下的原因分析 5.3.2 用 Rocchio 算法进行预选候选类 5.3.3 根据文本的特征集与每类特征交集再次筛选候选类 5.3.4 建立倒排索引 5.3.5 引入位置向量表示法来降低高维向量计算量 5.3.6 快速 KNN 算法的系统流程 5.4 属性熵介绍 5.4.1 熵的定义 5.4.2 属性熵值的意义 5.5 在分类精度上改进 KNN 算法 5.5.1 传统 KNN 算法分类精度低的原因分析 5.5.2 引入共有特征个数改进相似度计算公式 5.5.3 引入属性熵值再次改进相似度计算公式 5.5.4 引入类别平均相似度改进在 K 邻居中各类权重公式 5.5.5 引入类别贡献度再次改进在 K 邻居中各类权重公式 5.5.6 高精度KNN算法的关键流程 5.6 本章小结 第 6 章 实验测试与评价 6.1 分类标准和训练数据 6.2 测试结果 6.3 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/LeechanX/KNN-Website-Classifier-System

手写数字识别系统的设计实现 一、研究目的 字符识别是利用计算机自动辨识印刷在纸上或人写在纸上的汉字，是模式识别的一个重要分支，也是文字识别领域较为困难的问题之一。本项目旨在论述并设计实现一个自由手写体数字识别系统。 二、研究方法 文中首先对待识别数字的预处理进行了介绍，包括二值化、噪声处理、图像分割、归一化、细化等图像处理方法；其次，探讨了数字字符特征向量的提取；最后采用了bp神经网络算法,并以MATLAB作为编程工具实现了具有友好的图形用户界面的自由手写体数字识别系统。 三、研究结论 在实验过程中我们分别对10个数字10个样本进行测试。从检测结果来看，虽然用于训练的数据集并不是很多，但误差率并不是很高，这也体现了BP算法的优越性，如果用更多的数据进行训练会使得正确的检测率提高而错误的检测率降低，从而使网络趋于收敛。实验结果表明，本方法具有较高的识别率，并具有较好的抗噪性能。 四、目录 1 绪论 1.1 字符识别概述 1.2 数字识别研究的目的及意义 1.3 手写数字识别的典型应用 1.4 国内外研究现状 1.5 手写体数字识别系统概述 1.6 本文内容安排 2 手写体数字识别中预处理技术 2.1 图像灰度化 2.2 图像二值化 2.3 图像反色 2.4 图像去噪声 2.5 数字分割 2.6 数字归一化 2.7 数字细化 3 手写体数字识别中特征值提取技术 3.1 特征提取概述 3.2 手写体字符特征提取方法概述 3.3 手写体数字识别中的结构特征提取 3.4 手写体数字识别中的统计特征提取 4 人工神经网络分类器 4.1 人工神经网络概述 4.2 BP神经网络概述 4.3 本文的神经网络结构设计 5 系统实现与结果分析 5.1 系统实现 5.1.1 系统实现环境 5.1.2 系统处理流程图及主要工作 5.1.3 系统界面 5.2 结果分析 6 结束语 参考文献 致谢 来源https://github.com/liushenwenyuan/matlab_orc