微信公众号与短文本自动聚类在高校课堂中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 引言 | 第12-16页 |
| 1.1 项目背景 | 第12-13页 |
| 1.2 国内同类产品的发展概况 | 第13-14页 |
| 1.3 本文主要研究的工作 | 第14-15页 |
| 1.3.1 短文本自动聚类 | 第14页 |
| 1.3.2 微信公众平台通用开发包 | 第14-15页 |
| 1.3.3 课堂帮手 | 第15页 |
| 1.3.4 项目预期效果 | 第15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第二章 课堂帮手项目的技术综述与概要设计 | 第16-42页 |
| 2.1 项目技术综述 | 第16-18页 |
| 2.1.1 微信开放平台 | 第16页 |
| 2.1.2 Spring+Hibernate | 第16-17页 |
| 2.1.3 Play框架 | 第17页 |
| 2.1.4 短文本聚类技术 | 第17-18页 |
| 2.1.5 部署环境 | 第18页 |
| 2.2 整体概述 | 第18-20页 |
| 2.3 需求分析 | 第20-34页 |
| 2.3.1 用例与用例描述 | 第23-29页 |
| 2.3.2 系统功能分析 | 第29-34页 |
| 2.4 概要设计 | 第34-41页 |
| 2.4.1 系统架构 | 第34-35页 |
| 2.4.2 微信交互架构 | 第35-36页 |
| 2.4.3 微信网页架构 | 第36-37页 |
| 2.4.4 问答题聚类流程 | 第37-38页 |
| 2.4.5 数据库设计 | 第38-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第三章 短文本聚类方法 | 第42-53页 |
| 3.1 技术背景 | 第42-48页 |
| 3.1.1 自然语言处理技术 | 第42-43页 |
| 3.1.2 中文分词技术 | 第43-44页 |
| 3.1.3 关键词提取技术 | 第44-45页 |
| 3.1.4 文本聚类算法 | 第45-46页 |
| 3.1.5 短文本聚类算法 | 第46-48页 |
| 3.2 方法概述 | 第48-49页 |
| 3.3 具体实现 | 第49-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 算法分析 | 第53-59页 |
| 4.1 同类算法 | 第53-57页 |
| 4.1.1 K-means算法 | 第53-54页 |
| 4.1.2 K-medoids算法 | 第54页 |
| 4.1.3 CLARANS算法 | 第54页 |
| 4.1.4 BIRCH算法 | 第54-55页 |
| 4.1.5 CURE算法 | 第55-56页 |
| 4.1.6 DBSCAN算法 | 第56页 |
| 4.1.7 CLIQUE算法 | 第56-57页 |
| 4.2 算法效果 | 第57-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-60页 |
| 5.1 总结 | 第59页 |
| 5.2 工作展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间的学术成果 | 第67-69页 |
