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

基于数据挖掘技术的智能答疑系统的研究与设计

摘要第1-5页
ABSTRACT第5-10页
第一章 绪论第10-16页
   ·论文背景及意义第10-11页
   ·国内外发展现状第11-14页
     ·智能答疑系统发展现状第11-13页
     ·数据挖掘技术的发展现状第13-14页
   ·论文研究的意义和工作成果第14-15页
   ·本文结构第15-16页
第二章 相关理论及关键知识第16-30页
   ·数据仓库技术简介第16-18页
     ·数据仓库的体系结构第17页
     ·数据仓库的建立过程第17-18页
   ·数据挖掘技术第18-22页
     ·数据挖掘技术的概述第18页
     ·常用的数据挖掘技术及方法第18-19页
     ·数据挖掘的过程第19-22页
   ·文本挖掘第22-24页
     ·文本挖掘的定义第22-23页
     ·文本挖掘的过程第23页
     ·文本聚类第23-24页
   ·系统采用的开发技术第24-28页
     ·web开发语言第24-25页
     ·Struts框架的技术分析第25-28页
     ·开发环境的安装和配置第28页
   ·本章小结第28-30页
第三章 智能答疑系统的设计与实现第30-42页
   ·智能答疑系统的结构设计第30-34页
     ·系统的开发流程第30-31页
     ·系统结构图的设计第31-33页
     ·知识资源库第33-34页
   ·系统功能设计第34-36页
     ·用户注册第34-35页
     ·问题的提出第35页
     ·问题的回答第35页
     ·标准答案的设定第35页
     ·答案搜索功能设计第35-36页
     ·答疑论坛的功能设计第36页
   ·答疑系统的实现第36-41页
     ·用户注册的实现第36-37页
     ·问题的提出与回答第37-39页
     ·在线答疑的实现第39-40页
     ·论坛答疑的实现第40-41页
   ·本章小结第41-42页
第四章 数据挖掘技术在答疑系统中的研究与设计第42-62页
   ·关联规则第42-46页
     ·关联规则的定义第42-44页
     ·关联规则挖掘步骤第44页
     ·关联规则的经典算法-Apriori算法第44-46页
   ·数据仓库的设计思想第46-61页
     ·分词的设计第48-50页
     ·关联规则的应用第50-51页
     ·文本特征向量和权重计算第51-53页
     ·关联度与相似度算法第53-57页
     ·k-means聚类的设计第57-59页
     ·系统主要页面的实现第59-61页
   ·本章小结第61-62页
第五章 总结与展望第62-64页
参考文献第64-66页
致谢第66-67页
在校期间发表论文第67页

论文共67页,点击 下载论文
上一篇:遗传算法的改进及其在优化上的应用研究
下一篇:农电管理系统的开发及应用