| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 基于工单推荐算法国内外现状 | 第12-13页 |
| 1.2.2 特征词加权算法的国内外现状 | 第13-14页 |
| 1.2.3 基于学习排序的工单推荐算法 | 第14页 |
| 1.2.4 工单推荐系统的国内外现状 | 第14-15页 |
| 1.3 研究内容 | 第15-17页 |
| 1.3.1 工单推荐算法 | 第15-16页 |
| 1.3.2 一种改进的特征词提取算法PG-TF/IDF* | 第16页 |
| 1.3.3 基于情感和工单流转时间的学习排序算法 | 第16页 |
| 1.3.4 服务工单推荐系统 | 第16-17页 |
| 1.4 论文组织结构 | 第17-20页 |
| 第二章 工单推荐系统需求分析 | 第20-26页 |
| 2.1 总体需求 | 第20-21页 |
| 2.2 系统角色分类 | 第21页 |
| 2.3 系统功能需求 | 第21-24页 |
| 2.4 技术需求 | 第24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 工单推荐算法 | 第26-40页 |
| 3.1 基于工单信息和员工偏好的工单推荐 | 第26-35页 |
| 3.1.1 混合模型LDTF | 第26-28页 |
| 3.1.2 TF/IDF降维 | 第28-29页 |
| 3.1.3 实验结果与分析 | 第29-35页 |
| 3.2 种基于TF/IDF特征词加权的改进算法 | 第35-39页 |
| 3.2.1 基于词性的信息增益 | 第35-36页 |
| 3.2.2 词性比 | 第36-37页 |
| 3.2.3 实验结果与分析 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 基于情感和流转时间的工单排序学习算法 | 第40-46页 |
| 4.1 LSTM与SVM融合的情感分析 | 第40-41页 |
| 4.2 构建基于情感与时间的学习排序模型 | 第41-42页 |
| 4.3 实验结果与分析 | 第42-45页 |
| 4.3.1 评价指标 | 第42-43页 |
| 4.3.2 数据集 | 第43页 |
| 4.3.3 实验结果与分析 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 服务工单推荐系统的设计与实现 | 第46-72页 |
| 5.1 架构设计 | 第46-52页 |
| 5.1.1 工单状态设计 | 第48-50页 |
| 5.1.2 工单处理流程设计 | 第50-52页 |
| 5.2 数据库设计 | 第52-56页 |
| 5.2.1 数据库模型 | 第52页 |
| 5.2.2 数据库设计E-R图 | 第52-54页 |
| 5.2.3 数据库逻辑结构 | 第54-56页 |
| 5.3 模块设计 | 第56-58页 |
| 5.4 系统实现 | 第58-72页 |
| 5.4.1 后台管理子系统 | 第58-64页 |
| 5.4.2 工单处理子系统 | 第64-68页 |
| 5.4.3 系统安全性 | 第68-72页 |
| 第六章 系统测试 | 第72-80页 |
| 6.1 业务功能测试 | 第72-78页 |
| 6.1.1 功能测试 | 第72-75页 |
| 6.1.2 权限测试 | 第75-78页 |
| 6.2 安全测试 | 第78-80页 |
| 第七章 总结与展望 | 第80-82页 |
| 7.1 总结 | 第80-81页 |
| 7.2 展望 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88页 |