首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--软件工程论文

基于问答社区的软件需求获取与排序方法研究

摘要第9-10页
ABSTRACT第10页
第一章 绪论第13-24页
    1.1 研究背景第13-17页
        1.1.1 传统的软件需求工程第14-15页
        1.1.2 问答社区的快速发展第15页
        1.1.3 互联网为软件需求获取带来的机遇第15-16页
        1.1.4 基于互联网的需求获取面临的新挑战第16-17页
    1.2 研究现状第17-19页
        1.2.1 传统需求工程中的需求获取相关研究第17-18页
        1.2.2 基于论坛的需求获取相关研究第18页
        1.2.3 基于软件市场评论的需求获取相关研究第18-19页
        1.2.4 基于问答社区的相关研究第19页
    1.3 研究内容和研究方法第19-21页
        1.3.1 研究内容第20页
        1.3.2 研究方法第20-21页
    1.4 本文工作第21-22页
    1.5 论文结构第22-24页
第二章 基于问答社区的需求获取方法第24-38页
    2.1 引言第24-25页
        2.1.1 问题背景第24-25页
        2.1.2 相关工作第25页
        2.1.3 研究思路第25页
    2.2 问答社区中的问答信息第25-28页
        2.2.1 问答社区中的需求相关信息第26-28页
        2.2.2 问答社区中的非需求相关信息第28页
    2.3 基于SVM的需求获取方法第28-33页
        2.3.1 数据预处理第28-30页
        2.3.2 基于SVM构建需求分类器第30-31页
        2.3.3 SVM模型中的文本特征选择第31-33页
    2.4 实验设计第33-34页
        2.4.1 实验数据第33-34页
        2.4.2 评价方法第34页
    2.5 实验结果分析第34-37页
        2.5.1 基于语法规则的需求获取方法第34-35页
        2.5.2 基于SVM需求获取方法对比实验第35-36页
        2.5.3 实验数据集规模影响第36页
        2.5.4 方法与实验讨论第36-37页
    2.6 本章小结第37-38页
第三章 基于问答社区的需求排序算法第38-52页
    3.1 引言第38-39页
        3.1.1 问题背景第38页
        3.1.2 相关工作第38-39页
        3.1.3 研究思路第39页
    3.2 基于LDA的需求问答聚类第39-40页
        3.2.1 LDA主题模型第39页
        3.2.2 需求相关问答的聚类第39-40页
    3.3 基于问答在线属性的需求排序算法第40-48页
        3.3.1 问答社区在线属性第40-42页
        3.3.2 需求重要性度量与排序第42-48页
    3.4 实验设计第48-49页
        3.4.1 实验数据第48-49页
        3.4.2 评价方法第49页
    3.5 实验结果分析第49-51页
        3.5.1 方法与实验讨论第50-51页
    3.6 本章小结第51-52页
第四章 基于问答社区的需求获取与排序系统设计第52-58页
    4.1 引言第52页
    4.2 需求获取与排序系统体系结构设计第52-54页
        4.2.1 OSSEAN平台第52页
        4.2.2 需求获取与排序系统第52-54页
    4.3 需求获取与排序系统详细设计第54-57页
        4.3.1 需求获取模块详细设计第54-55页
        4.3.2 需求排序模块详细设计第55-56页
        4.3.3 需求展示界面设计第56-57页
    4.4 本章小结第57-58页
第五章 总结与展望第58-60页
    5.1 工作总结第58页
    5.2 研究展望第58-60页
        5.2.1 需求获取优化第58-59页
        5.2.2 需求排序优化第59页
        5.2.3 系统实现第59-60页
致谢第60-62页
参考文献第62-66页
作者在学期间取得的学术成果第66-67页
作者在学期间参与的科研项目第67页

论文共67页,点击 下载论文
上一篇:基于人脸图像的年龄估计方法研究
下一篇:基于集成方法的情感分析