电商商品专利预警分析方法研究与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 主要的研究内容及结构安排 | 第15-18页 |
| 第二章 相关理论与关键技术介绍 | 第18-28页 |
| 2.1 机器学习技术 | 第18-23页 |
| 2.1.1 机器学习概念及特点 | 第18-19页 |
| 2.1.2 SVM支持向量机 | 第19-20页 |
| 2.1.3 KNN算法 | 第20-22页 |
| 2.1.4 深度学习技术 | 第22-23页 |
| 2.2 spring技术 | 第23-25页 |
| 2.3 安卓开发相关技术 | 第25-27页 |
| 2.3.1 安卓结构层介绍 | 第25-26页 |
| 2.3.2 Android Studio介绍 | 第26-27页 |
| 2.3.3 Andriod开发环境搭建 | 第27页 |
| 2.4 小结 | 第27-28页 |
| 第三章 电商商品专利预警方法 | 第28-42页 |
| 3.1 预警方法 | 第28-29页 |
| 3.1.1 预警方法研究现状 | 第28页 |
| 3.1.2“商品警量”的基本概念 | 第28-29页 |
| 3.2 电商平台商品预警需求分析 | 第29-31页 |
| 3.2.1 生产制作商需求分析 | 第29-30页 |
| 3.2.2 消费者需求分析 | 第30-31页 |
| 3.3 基于多维度信息的商品专利预警方法 | 第31-41页 |
| 3.3.1 数据采集 | 第32-36页 |
| 3.3.2 预警模型训练及判断 | 第36-40页 |
| 3.3.3 预警模型结果展示 | 第40-41页 |
| 3.4 小结 | 第41-42页 |
| 第四章 电商商品专利预警服务系统 | 第42-62页 |
| 4.1 系统功能需求分析 | 第42-43页 |
| 4.2 预警系统总体架构 | 第43-46页 |
| 4.3 前端设计 | 第46-48页 |
| 4.3.1 界面设计 | 第46-47页 |
| 4.3.2 技术实现 | 第47-48页 |
| 4.3.3 可视化 | 第48页 |
| 4.3.4 预警报告 | 第48页 |
| 4.4 后台搭建 | 第48-53页 |
| 4.4.1 数据采集 | 第48-50页 |
| 4.4.2 文本检索 | 第50-51页 |
| 4.4.3 图像检索 | 第51-52页 |
| 4.4.4 框架模型 | 第52-53页 |
| 4.5 系统运行环境 | 第53-54页 |
| 4.6 实验结果及分析 | 第54-61页 |
| 4.6.1 文本检索验证 | 第54-55页 |
| 4.6.2 图像检索验证 | 第55-56页 |
| 4.6.3 商品预警验证 | 第56-59页 |
| 4.6.4 其他功能实现验证 | 第59-61页 |
| 4.7 本章小结 | 第61-62页 |
| 结论与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间发表论文 | 第67-69页 |
| 致谢 | 第69页 |
