一、网络信息及其检索（论文文献综述）
李薇[1]（2021）在《网络环境下图书馆计算机信息检索的途径分析》文中研究表明随着互联网信息技术的不断发展,网络环境下图书馆计算机信息检索工作的途径分析及途径探索已经成为了当今社会发展的当务之急,而促进图书馆信息资源开发的重要手段及途经便是分析及探索计算机信息检索技术,促进图书馆计算机信息检索技术的提升,同时使图书馆的网络信息的利用效率不断提升。本文立足于网络技术不断发展的环境,以图书馆的计算机信息检索工作为研究依据,通过对图书馆计算机信息检索工作的检索方式、检索形式、检索工具以及计算机信息检索发展趋势的研究,对各个计算机信息检索途径进行分析及概括,以促进网络环境下图书馆计算机信息检索工作质量及工作效率的全面提升。
于启红[2]（2021）在《科技文献检索“课程思政”教学实践探索——以软件工程专业教学为例》文中提出专业课程与思政教育相结合的"课程思政"是立德树人的重要举措,有利于提升人才培养质量。基于软件工程专业的科技文献检索课程,结合课程知识特征与学生专业背景,有机融入一些思政元素,期望提升学生的爱国热情、激发学生的创新意识、提升学生规则意识、激励学生养成自觉学习的好习惯等。文章从课程的思政目标要求、思政元素融入方式、教学案例设计、教学方式选取、专业特色体现、教学效果评价等方面对"课程思政"教学活动进行初步探索。
张雪芹,邓宏勇[3]（2021）在《循证医学数据库：现状与趋势》文中研究表明循证医学数据库是基于循证医学理念,以临床证据为核心的资源检索系统。本文针对临床实践指南、系统评价、临床试验等不同类型循证数据库,整理分析了其各自功能和特点,以期为国内研究者了解循证数据库发展现状及未来趋势提供参考。
杨欣[4]（2021）在《基于同态加密的生物数据安全访问应用研究》文中指出对于云计算的时代的生物基因的总量之大,传统的生物信息学的生物信息基因数据如何分析与存储正在面临很大的的问题。传统的信息基因数据的存储方案不能检索与查询在密文状态下的个人的基因数据。计算机与生物学相结合,通过利用计算机的高效的计算的能力,针对问题构建各种加密模型,对生物数据的存储研究安全的存储方案。为了支持与帮助生物数据科学的研究,改进传统的生物数据的加密方案与检索方案是非常重要的。由于传统的方案没有在生物数据的存储中引入密文处理的方法,在比较大的规模的数据,若利用传统加密方法加密,对生物数据的检索需要对生物数据的密文进行解密再检索,由此带来一定的安全风险。针对这些问题,因此需要在生物数据的存储中考虑如何对处于密文状态的生物数据的运算,以及如何利用检索规则高效的检索处于密文状态的生物数据片段。为解决上述的问题,本文的研究工作主要为三项。首先是针对生物基因数据重复片段多,取值范围有限,序列片段长的特点,比较各同态加密方案的特点,提出了基于整数的生物数据文本同态加密方案,通过对生物数据集的同态加密处理建立生物数据密文库。下一步工作则是针对具有同态加密的生物数据,提出了使用正则表达式检索的方法对生物数据的密文进行在密文的检索的方案,并在大量的生物数据实验中确定该方案的复杂度。其次的工作是在前二项工作的基础上针对传统的生物服务器系统的响应没有考虑到用户的检索请求多存在相似关联程度的问题,本文在提出了具有支持对用户的检索语句进行分析与提供缓存检索功能的研究方案。最后的工作为基于上述的方案进行生物数据安全访问系统的设计,并完成系统开发的工作。该系统能够对用户提交的具体检索语句的关联度进行计算与分析,可以利用缓存将检索的生物数据序列的大小减小到数十至上百的缓存检索的长度。相对于传统的方案需要检索百万甚至千万的生物数据序列的长度,本文提出的方法不但提高检索结果的可靠性,而且缩短检索的计算的时间与压缩空间的需求。对本文提出的方案与实现的系统进行实验,得到的结果发现,与传统的方案进行比较,由于本文对生物数据进行同态加密并增加支持基于模式的密文检索的方案,针对用户的检索请求构建密文缓存系统,既能对生物数据密文进行基于模式的检索的操作,而且还可以减少检索操作的空间的复杂度与时间的复杂度,在可靠性上都超过传统生物数据的存储与检索的方法。本文提出的解决的方案,解决传统的生物数据的存储与检索的方案没有支持对于密文的操作、基于模式的检索、检索语句的关联度分析于缓存检索的方法的缺点,将为基于生物数据的科学的研究给予极大的支持。本文的实现的系统可以完善对密文的操作的支持的功能,对密文操作的结果也更可靠。
袁涛[5]（2021）在《一种基于深度监督哈希的商标图像检索方法研究》文中研究指明随着经济全球化进程的不断加快,企业法人和生产者的品牌意识、商标确权诉求逐渐提高。商标审查是商标确权和保护的重要环节;同时,商标检索是商标审查和应用的关键手段。为满足当前快速增长的商标检索需求,商标检索效率、检索精度均有待进一步提高,如何构建高效且准确的商标检索方法已成为一个亟待解决的关键问题。针对这个问题,国内外学者提出了几种基于深度哈希的商标检索方法,将高维的商标特征映射到汉明空间进行距离计算,旨在解决商标特征匹配结果不佳问题,提升商标的检索精度和检索效率。这些方法利用成对相似性保持的有监督哈希方法,在商标检索效率方面取得了比较好的成效,但还不能很好地解决商标数据的不平衡问题。本文针对不平衡的商标数据问题,提出了一种改进的商标图像检索方法,主要研究工作如下:（1）研究了商标检索的相关技术。分析了商标检索方法的背景及意义;调研并分析了现有国内外商标检索系统;分别研究了经典的基于底层特征的商标检索方法和深度特征的商标检索方法,并进行了实验结果表明,经典商标检索方法的检索效率、检索精度均有待进一步提高。（2）提出了一种改进的商标图像检索方法。当前有监督哈希方法在商标检索效率方面取得了比较好的成效,但面临着商标数据的不平衡的问题。提出的方法首先利用哈达玛矩阵的性质或伯努利分布来生成分离良好的商标哈希中心,其次将商标标签与其关联,使其拥有对应的语义中心,最后通过商标中心量化来优化商标之间的中心相似性。该方法可有效地降低商标特征维度,并且提升检索精度。（3）开展了实验论证。在公开商标数据集和手工分类标注的商标数据集上开展了对比实验,实验结果表明本文提出的基于深度哈希的商标检索方法相比于经典商标检索方法,在商标的检索精度和检索效率上都有一定的提升,且与现有深度监督哈希算法更适合于不平衡的商标图像,具备更好的鲁棒性。
舒永康[6]（2021）在《基于弱监督的社交媒体图像多目标哈希方法研究与检索系统实现》文中研究表明基于内容的图像检索作为信息检索领域重要的研究技术之一,可以在海量的图像数据中检索出所需要的数据,在大数据时代背景下具有重要的作用。社交媒体图像检索作为一个重要的应用场景,在长期的发展过程中,主流的方法都将图像使用单个特征进行表示,其内在的缺陷导致检索形式单一、检索效果欠佳。在实际的检索应用中,人工标签缺乏导致训练不佳、维度灾难导致检索响应慢等问题也会同时出现。在本文中为了解决社交媒体图像检索在实际应用中存在的多个问题,提出了一个解决整体问题的方法,实现一个基于弱监督检测的图像多目标哈希检索方法,通过使用社会弱标签学习图像中各目标的哈希表示,解决了监督式学习对人工标签的依赖问题,还可以有效提高检索效果,丰富检索形式,其主要的工作内容如下:（1）为了有效地利用社会标签中的信息,针对社会标签中所存在的噪声、缺失、表达差异等问题展开了研究,分别提出了对应的优化处理方案,重点引入了Word Net模型根据语义对噪声进行处理,通过融合社会标签之间的关联性和图像视觉特征之间的相似性进行社会标签补全优化,还通过语义聚类解决表达差异的问题,从多方面完成了社会标签的优化工作,改善社会标签质量。（2）针对当前主流社交媒体图像检索方法中将图像使用单一的特征编码表示,导致当进行多目标图像检索时性能不佳和检索形式单一的问题,以及强监督学习对人工标签的依赖问题,提出了基于弱监督检测的图像多目标哈希模型,通过构建一个多任务深度学习的网络架构,使用优化的社会标签,在两个任务分支中分别学习图像目标区域检测和目标哈希表示,每幅图像的特征由一个目标哈希集合表示,可以兼顾图像检索对时间、准确率的要求,并可有效扩充图像检索的形式。（3）在弱监督检测学习以及哈希学习两个任务分支上,都会面临标签的不准确性问题,对此设计了标签加权的损失函数,降低噪声标签对模型训练的干扰,并将两个相关任务结合设置了一个共同的优化损失函数,完成多任务模型的训练。大量的实验对比结果证明,本文中的标签优化方法可以明显的改善社会标签质量,对于检索任务的模型训练提供了良好的基础支撑。在提出的基于弱监督检测的图像多目标哈希模型上,可以有效地获取图像中各目标的哈希特征表示。在多个图像检索的评估指标下,相比当前的主流社交媒体图像检索方法具有明显的优势,并且在实际的检索效果对比下,检索结果更符合实际检索需求。在最后,依托于本文所提出的图像多目标哈希检索方法,结合实际的图像检索需求,设计并实现了一个功能完善的社交媒体图像检索系统,具有较好的使用体验。
秦亚雪[7]（2021）在《基于深度哈希学习的高效文本检索研究》文中研究表明随着互联网的高速发展,文本信息呈现的主要特征有数据量呈指数级增加、内容趋于丰富多样化以及新词的不断衍生等。面对这些特征,如何从庞大的数据库中准确快速地检索出满足用户需求的文本是当前信息检索领域的一大研究热点,受到了研究者的广泛关注。传统的文本检索算法有布尔模型、向量空间模型以及概率模型等,这些算法是基于文本的浅层特征进行匹配计算的,其主要存在的问题有:第一,在面临数据较大的情况下极易出现维度灾难问题;第二,随着文本内容的丰富多样化,仅仅依靠文本的显性特征显然是不够的,从而降低了检索精度。与此同时,深度学习具有强大的自主学习能力与特征表达能力,能够捕捉到更深层次的文本语义信息,加之与哈希技术的结合更是加快了检索的速度。本文结合深度学习与哈希技术的强大优势针对文本检索领域展开研究,主要的创新与工作如下所示:（1）本文提出了一种结合哈希技术的深度学习框架。在本文的网络结构设计中,利用基于注意力机制的卷积神经网络学习带有权重信息的局部特征;利用基于注意力机制的双向长短期记忆网络学习带有权重信息的全局特征;将二者融合通过全连接层过渡到哈希层,学习文本的哈希特征。通过与其它哈希算法在三个文本数据集上进行对比,结果表明本文所提出的深度哈希算法具有更高的检索精度。（2）当文本数据量较大、内容更丰富的情况下,对哈希编码的长度也有更高的要求。那么将哈希编码直接作为文本内存地址进行线性搜索,仍然不够高效。因此,本文设计了一种基于哈希特征的索引查询策略,将检索代价从线性搜索降低到次线性搜索。主要工作是首先对经过预处理的哈希编码进行分块并对划分的特征子串构建相应的哈希表;然后围绕两种检索策略设计两种查询算法;最后对该索引策略进行复杂度分析并通过与线性搜索在三个数据上进行对比,结果表明该索引策略在维持检索精度基本不变的情况下降低了检索的时间代价。
何彬[8]（2021）在《基于卷积神经网络的面料图像检索研究》文中进行了进一步梳理随着电子商业的蓬勃发展,消费者们对服装商品的需求增加,使得市场对服装商品原材料之一的纺织面料提出了更高的要求,纺织面料生产企业为了应对市场,致力于面料创新与研究,用多种加工方式及材质进行面料生产,这也导致了市场上纺织面料的种类越来越多。对于纺织面料生产企业,面料种类的持续增长带来了库存管理上的压力。为便于面料库存上的管理,本文将卷积神经网络技术引入面料图像检索,做出了以下研究:（1）提出了一种基于Inception V3迁移学习的面料图像特征提取算法。针对面料图像种类多、视觉特征复杂导致面料图像特征提取精确率低的问题,使用Inception V3卷积神经网络迁移学习的方法,训练面料图像分类模型,通过该模型对面料图像数据集中每一张图像提取一个可以描述面料图像特征的特征向量,从而构建面料图像特征数据库。在面料图像检索实验中,使用欧式距离计算查询图像所提取出的特征向量与特征数据库中存储的全部特征向量的相似度。（2）提出了一种基于改进Inception网络的面料图像检索提速算法。针对面料图像集规模庞大导致检索速度慢的问题,通过加入哈希编码层和优化损失函数的方法改进Inception V3网络,重新训练面料图像分类模型,通过该模型对面料图像数据集中每一张图像提取一个可以描述面料图像特征的哈希编码形式的特征向量,构建面料图像特征数据库。在面料图像检索实验中,使用汉明距离计算查询图像所提取出的特征向量与特征数据库中存储的全部特征向量的相似度。（3）结合前文提出的两种算法,提出了一种分层检索算法,并实现了分层检索的面料图像检索系统。首先使用前文提出的两种算法联合构建面料图像特征数据库,存储每张图像的两种特征向量,对于查询图像,先用基于改进Inception网络的面料图像检索提速算法进行粗略级的检索,对于粗略级检索的结果,再用基于Inception V3迁移学习的面料图像特征提取算法进行精细级的检索,获得最后的检索结果。经过实验证明,基于Inception V3迁移学习的面料图像特征提取算法,检索精确度高于常用的面料图像特征提取算法;基于改进Inception网络的面料图像检索提速算法,检索速度有了显着提高;分层检索的面料图像检索系统,结合了两种算法的优点,兼具较高的检索精确度和优秀的检索速度,具有一定的实用意义。
刘阳[9]（2021）在《交互式检索的用户模拟器研究》文中研究说明随着人工智能技术不断地更新迭代,尽管以强化学习为导向的交互式检索系统有着广泛应用,但其发展仍存在一些障碍。首先,采集真实用户检索数据极为困难,导致与检索系统交互的数据极为匮乏,不足以支撑检索引擎的训练;其次,对于不同的用户群体,不能够适应个性化的检索需求;再次,由于系统的离线与在线训练时存在不匹配的训练数据,导致系统的在线使用存在冷启动问题。基于此,本文提出了一种个性化用户模拟器作用于系统的迭代训练,以期有效解决上述三个问题。首先,本研究对用户模拟器进行了详细设计并采用两层的前馈神经网络为其建模。该模型将检索对话上下文作为输入,输出为对应用户意图的一系列检索行为,其中检索对话信息包含系统行为及检索目标的状态信息,以此避免用户模拟器模拟出偏差的检索行为。通过实验分析,本文提出的用户模拟器能在原有的数据基础上模拟出丰富多样的正确检索行为数据,为检索引擎的训练提供保障。然后,在此基础上,本文将个性化检索行为分为两类:探索型和任务型检索行为,通过对比两种检索行为的不同,利用可检索的槽位将其进行表示,并结合模板生成少量的个性化检索行为数据,为用户模拟器能够学习到个性化检索行为特征提供数据与理论支撑。实验结果表明,本研究的用户模拟器具备个性化检索行为特征,同时也为检索引擎的训练提供个性化的交互环境。最后,本研究对检索系统的训练方式分为两个阶段进行总结,分别为在线和离线训练方法。目前现有的检索系统是基于标记数据集的监督学习的方式进行离线训练,而在线训练则通过与真实用户交互的强化学习算法进行。针对检索系统的在线使用中存在冷启动问题,由于本研究用户模拟器与检索引擎交互过程可理解为顺序决策问题,因此探索利用强化学习训练的检索引擎进行信息检索,用户模拟器来充当环境对检索引擎进行离线训练。实验证明在线使用检索系统存在的冷启动问题得到一定缓解,同时也证明了在用户模拟器的帮助下,检索引擎能够探索到更大的动作空间。
张玉龙[10]（2021）在《大数据视域下思想政治教育创新研究》文中研究说明随着“5G”技术、物联网、大数据、云计算、人工智能等新一代信息技术的发展,社会信息化也进入到一个新阶段,即大数据时代。大数据给人们思想所带来的多元、多变、多样可谓是前所未有,社会思想领域的交流、交融、交锋亦连绵不绝。那么,大数据时代究竟给思想政治教育提出了哪些新要求新挑战?思想政治教育如何适应大数据时代的要求,从而实现与时俱进?习近平总书记强调,用好大数据,增强利用数据推进各项工作的本领,不断提高对大数据发展规律的把握能力,使大数据在各项工作中发挥更大作用。可以说,大数据是解决复杂性问题的一种新型的方法、技术、工具以及思维方式。因此,思想政治教育也要用好大数据,增强利用大数据推进思想政治教育工作的本领,不断提高对思想政治教育大数据发展规律的把握能力,使大数据在思想政治教育中发挥更大作用。论文从强烈的问题意识出发,围绕着大数据视域下思想政治教育这一主题,力图聚焦“大数据给思想政治教育带来了什么样的重大变化”这一突出问题,探索大数据视域下思想政治教育创新的图景与方向。论文共分为七个部分的内容。引言部分主要阐述了选题缘由和选题意义,全面梳理了本选题的研究现状并进行了相应的述评,凝练地概括了研究方法、研究思路和研究框架,提出论文可能的创新点和不足之处。第一章旨在阐明大数据时代教育与大数据之间的深度融合。思想政治教育大数据研究是一种交叉研究,涉及多方面的理论。除了思想政治教育理论之外,大数据、教育大数据以及科技哲学中的范式理论都是本研究的理论基础。该章系统梳理了大数据这一概念的来龙去脉,从数据科学、数据技术、数据价值、认识论方法论、时代等维度对大数据的内涵进行了多维解读,阐述了教育大数据的内涵、特征、类型、基本功能以及面临的问题。该章引入了库恩的范式理论以及吉姆·格雷提出的科学研究的“第四范式”,认为大数据的广泛应用,也将成为观测自然的“仪表盘”和观察人类社会自身行为的“显微镜”,也将给思想政治教育范式带来根本性变革。第二章主要研究思想政治教育大数据的内涵、特征及其所带来的范式创新。大数据视域下的思想政治教育创新,首先需要聚焦“思想政治教育大数据”这一核心概念。对大数据的理解不能停留在一般概念上,需要探寻思想政治教育大数据的独特“秉性”。一是从大数据的视角理解思想政治教育,找到思想政治教育和大数据的契合点,二是在思想政治教育视角把握大数据运用和研究的特殊性。在分析相关核心要义的基础上,提出了思想政治教育大数据的内涵及特征。在此基础上,分析了思想政治教育范式及其发展形式、思想政治教育大数据范式的特征。认为大数据在现代思想政治教育中起基础性作用,大数据以其可操作性方式解决了思想情感量化问题。深入分析了大数据对思想政治教育量化的内在机制,认为对思想情感的量化主要是通过对人的行为以及语言符号的量化间接实现的。第三章主要对大数据视域下思想政治教育者和教育对象加以重新审视和反思。思想政治教育大数据的融入使得教育者和教育对象之间的关系更为复杂。大数据不仅对思想政治教育者提出了新的要求,而且催生了新主体的出现,一方面提升了思想政治教育实效性,但同时也导致了一系列问题的出现。同时,大数据深刻地改变了教育对象的行为方式、思维方式、话语方式。教育对象通过数据画像可以对自身有更好的自我认知和自我管理,但克服大数据对教育对象所造成的“信息茧房”又是一个需要克服的重要问题。第四章旨在探讨大数据视域下的思想政治教育内容创新。思想政治教育应当“内容为王”,教育内容是思想政治教育的“食粮”,没有好的内容,相应的教育活动就会出现“营养不良”的现象。本章分析了大数据创新思想政治教育内容必要性和可能性,归纳了大数据的来源,梳理了大数据创新教育内容的主要途径,并提供了若干大数据创新发展教育内容建设的案例。思想政治教育大数据的出现,使得教育内容不仅能够“以理服人”“以情感人”,而且能够“以数据取信于人”,推动着思想政治理论课从教材体系向教学体系转化,使得教育内容向着更优、更精、更符合时代特色的方向发展。第五章进一步透视大数据视域下的思想政治教育方法创新。本章在阐述思想政治教育方法基本理论基础之上分析了大数据对教育方法的创新、发展与改进。大数据重构了思想政治教育方法的原则,为方法创新增添了复杂性原则、客观关联原则和可视化原则方法。大数据使得思想政治教育层面的认识方法更为精准、实施方法更加以数据驱动,使得思想政治教育评价更加“让数据说话”。现代思想政治教育是具有复杂性的教育实践活动,进行复杂的思想政治教育离不开复杂性思维、复杂性方法、复杂性工具。这就需要思想政治教育者转变思维方式,学习新的方法,掌握复杂性工具。大数据对于思想政治教育的一个重大的贡献就是大数据力求实现对人的思想情感的量化和精准化把握,深化了思想政治教育对“事实”的把握能力,它为思想政治教育带来的影响是客观的、全面的和复杂的。新时代的思想政治教育应当适应大数据时代的要求,努力实现大数据与思想政治教育的深度融合,从而在技术与艺术的有机统一中提升思想政治教育的针对性和实效性。
二、网络信息及其检索（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、网络信息及其检索（论文提纲范文）
（1）网络环境下图书馆计算机信息检索的途径分析（论文提纲范文）
| 1引言 |
| 2光盘信息检索 |
| 2.1 光盘信息检索基本概念 |
| 2.2 光盘信息检索技术的分类 |
| 2.3 光盘信息检索方法 |
| 3联机信息检索 |
| 3.1 联机信息检索基本概念 |
| 3.2 联机信息检索的系统种类 |
| 3.3 联机信息检索系统的信息检索方法 |
| 4网络情报信息检索 |
| 4.1 网络情报信息检索的基本概念 |
| 4.2 网络情报信息检索方式 |
| 4.3 网络情报信息检索途径 |
| 5结语 |
（2）科技文献检索“课程思政”教学实践探索——以软件工程专业教学为例（论文提纲范文）
| 一、明确教学目标，提炼思政要求 |
| （一）主要教学内容 |
| （二）知识教学目标 |
| （三）思政教学目标 |
| 二、针对思政元素，优选思政案例 |
| 三、充分利用条件，丰富教学形式 |
| 四、进行公开教学，邀请同行指导 |
| 五、结合教学对象，体现专业特色 |
| 六、关注教学成效，提升课程质量 |
| 七、结束语 |
（4）基于同态加密的生物数据安全访问应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 课题研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.4 研究内容及创新点 |
| 1.5 论文结构安排 |
| 第二章 生物基因数据的概述 |
| 2.1 生物信息数据特点 |
| 2.2 生物数据库的分类 |
| 2.3 生物信息数据的格式 |
| 第三章 生物基因数据的形式化表达 |
| 3.1 问题的分析 |
| 3.2 正则表达式概述 |
| 3.3 正则表达式的匹配原理 |
| 3.3.1 有限自动机 |
| 3.3.2 确定的有限自动机 |
| 3.3.3 非确定的有限自动机 |
| 3.4 本章小结 |
| 第四章 生物基因信息数据的同态加密 |
| 4.1 问题的分析 |
| 4.2 RSA同态加密方案 |
| 4.3 ElGamal同态加密方案 |
| 4.4 Paillier同态加密方案 |
| 4.5 生物信息基因数据同态加密方案 |
| 4.6 本章小结 |
| 第五章 基于正则表达式的个人生物信息基因数据密文检索 |
| 5.1 问题的分析 |
| 5.2 基于正则表达式的生物数据的密文检索 |
| 5.3 基于正则表达式的密文检索方案的实现 |
| 5.4 实验与分析 |
| 5.5 本章小结 |
| 第六章 基于缓存的生物信息基因数据密文检索 |
| 6.1 问题的分析 |
| 6.2 缓存技术原理 |
| 6.3 抽象语法树 |
| 6.4 正则表达式转抽象语法树 |
| 6.5 基于缓存的个人生物基因数据密文检索 |
| 6.5.1 基于缓存的过滤方案 |
| 6.5.2 基于缓存的生物数据密文检索方案 |
| 6.6 实验与分析 |
| 6.7 本章小结 |
| 第七章 基于同态加密的生物信息基因数据的安全访问系统 |
| 7.1 问题的分析 |
| 7.2 系统整体框架与处理流程 |
| 7.3 系统分层模型 |
| 7.4 系统的技术架构 |
| 7.5 系统的开发的环境 |
| 7.6 系统的模块与所用的技术 |
| 7.7 系统的数据的结构 |
| 7.8 生物数据加密层的设计与实现 |
| 7.9 生物数据传输层的设计与实现 |
| 7.10 生物数据存储层的设计与实现 |
| 7.11 生物数据检索层的设计与实现 |
| 7.12 本章小结 |
| 第八章 总结与展望 |
| 8.1 工作总结 |
| 8.2 下一步工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（5）一种基于深度监督哈希的商标图像检索方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 商标检索系统 |
| 1.2.2 常见的商标检索方法 |
| 1.2.3 基于深度学习的商标检索技术 |
| 1.2.4 基于深度哈希的商标检索技术 |
| 1.3 本文主要内容 |
| 1.4 论文结构安排 |
| 2 基于底层特征的商标检索方法 |
| 2.1 底层特征 |
| 2.1.1 颜色特征 |
| 2.1.2 形状特征 |
| 2.1.3 纹理特征 |
| 2.2 支持向量机 |
| 2.3 基于底层特征的商标检索框架 |
| 2.4 图像检索的性能度量和评价 |
| 2.4.1 图像检索度量方法 |
| 2.4.2 图像检索评价指标 |
| 2.5 本章小结 |
| 3 基于深度特征的商标检索方法 |
| 3.1 深层特征 |
| 3.1.1 神经元 |
| 3.1.2 卷积神经网络 |
| 3.1.3 预训练网络模型 |
| 3.2 基于深度特征的商标检索框架 |
| 3.3 本章小结 |
| 4 基于深度监督哈希的商标检索方法 |
| 4.1 哈希算法 |
| 4.1.1 传统哈希算法 |
| 4.1.2 深度散列算法 |
| 4.2 商标中心量化 |
| 4.3 构建哈希层 |
| 4.4 基于深度监督哈希的商标检索框架 |
| 4.5 本章小结 |
| 5 实验验证 |
| 5.1 实验环境 |
| 5.2 实验数据 |
| 5.3 基于底层特征的商标检索实验 |
| 5.4 基于深层特征的商标检索实验 |
| 5.5 基于深度监督哈希的商标检索实验 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 学位论文数据集表 |
（6）基于弱监督的社交媒体图像多目标哈希方法研究与检索系统实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 图像检索研究现状 |
| 1.2.2 社交媒体图像检索研究现状 |
| 1.2.3 多目标图像检索研究现状 |
| 1.3 主要研究内容与创新点 |
| 1.4 论文组织框架 |
| 第二章 相关技术理论与方法 |
| 2.1 图像检索技术 |
| 2.1.1 基于内容的图像检索 |
| 2.1.2 哈希图像检索 |
| 2.1.3 多目标图像检索 |
| 2.2 弱监督学习 |
| 2.2.1 弱监督学习定义及分类 |
| 2.2.2 弱监督哈希学习 |
| 2.2.3 弱监督目标检测 |
| 2.3 多任务学习 |
| 2.4 本章小结 |
| 第三章 社会标签优化方法 |
| 3.1 社会标签分析 |
| 3.2 噪声标签处理 |
| 3.2.1 WordNet模型 |
| 3.2.2 语义过滤 |
| 3.2.3 词性过滤 |
| 3.3 标签补全优化 |
| 3.4 标签语义聚类 |
| 3.5 实验对比 |
| 3.5.1 社会标签图像数据集 |
| 3.5.2 评价指标 |
| 3.5.3 相似性度量方法 |
| 3.5.4 实验与分析 |
| 3.6 本章小结 |
| 第四章 基于弱监督检测的图像多目标哈希学习 |
| 4.1 基于弱监督检测的多目标哈希模型 |
| 4.2 目标建议区域特征表示 |
| 4.3 弱监督目标检测分支 |
| 4.4 多目标哈希学习分支 |
| 4.5 模型训练 |
| 4.6 实验对比 |
| 4.6.1 实验数据集 |
| 4.6.2 评估指标 |
| 4.6.3 相似性度量方法 |
| 4.6.4 实验与分析 |
| 4.7 本章小结 |
| 第五章 基于多目标的图像检索系统的设计与实现 |
| 5.1 系统开发与运行环境 |
| 5.1.1 硬件环境 |
| 5.1.2 软件环境 |
| 5.2 系统设计 |
| 5.2.1 系统功能描述 |
| 5.2.2 系统框架设计 |
| 5.2.3 系统实现 |
| 5.3 系统功能展示 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间取得的科研成果 |
（7）基于深度哈希学习的高效文本检索研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 特征工程 |
| 1.2.2 哈希算法 |
| 1.2.3 深度哈希 |
| 1.3 研究内容与创新点 |
| 1.4 论文的基本结构 |
| 第2章 理论基础 |
| 2.1 文本检索概述 |
| 2.2 文本预处理 |
| 2.2.1 分词 |
| 2.2.2 文本表示 |
| 2.3 特征提取 |
| 2.3.1 传统的特征提取算法 |
| 2.3.2 基于深度学习的特征提取算法 |
| 2.4 哈希技术 |
| 2.4.1 无监督哈希 |
| 2.4.2 半监督哈希 |
| 2.4.3 监督哈希 |
| 2.5 检索评价指标 |
| 2.6 小结 |
| 第3章 深度哈希模型的研究 |
| 3.1 模型整体框架 |
| 3.2 网络层具体设计 |
| 3.2.1 输入层设计 |
| 3.2.2 特征提取层设计 |
| 3.2.3 哈希层设计 |
| 3.2.4 输出层设计 |
| 3.3 训练优化网络 |
| 3.3.1 损失函数 |
| 3.3.2 训练优化算法 |
| 3.3.3 正则化 |
| 3.4 实验设计与分析 |
| 3.4.1 实验环境与数据 |
| 3.4.2 实验参数设置 |
| 3.4.3 实验对比设计 |
| 3.4.4 实验结果分析 |
| 3.5 小结 |
| 第4章 哈希特征索引的构建 |
| 4.1 基于索引的检索结构 |
| 4.2 哈希特征预处理 |
| 4.3 索引结构构建 |
| 4.4 检索策略 |
| 4.4.1 搜索半径的确定 |
| 4.4.2 基于r-NN的检索策略 |
| 4.4.3 基于k-NN的检索策略 |
| 4.5 复杂度分析 |
| 4.6 实验设计与分析 |
| 4.6.1 实验数据和参数设置 |
| 4.6.2 实验对比设计 |
| 4.6.3 实验结果分析 |
| 4.7 小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博/硕士学位期间发表的论文和其它科研情况 |
（8）基于卷积神经网络的面料图像检索研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 基于文本的图像检索研究现状 |
| 1.2.2 基于传统机器视觉内容特征的图像检索研究现状 |
| 1.2.3 基于卷积神经网络的图像检索研究现状 |
| 1.2.4 基于内容的面料图像检索研究现状 |
| 1.3 研究内容 |
| 1.4 整体结构 |
| 第二章 相关技术介绍 |
| 2.1 引言 |
| 2.2 图像特征提取技术 |
| 2.2.1 传统机器视觉内容方法 |
| 2.2.2 卷积神经网络方法 |
| 2.2.3 常用的卷积神经网络模型 |
| 2.3 相似性匹配 |
| 2.3.1 哈希编码 |
| 2.3.2 常用的相似度度量 |
| 2.4 小结 |
| 第三章 基于Inception V3 迁移学习的面料图像特征提取算法 |
| 3.1 引言 |
| 3.2 Inception V3 迁移学习提取面料图像特征 |
| 3.2.1 面料图像特点 |
| 3.2.2 迁移学习 |
| 3.2.3 特征提取算法 |
| 3.3 实验 |
| 3.3.1 面料图像数据集 |
| 3.3.2 评价指标 |
| 3.3.3 实验环境 |
| 3.3.4 实验结果与分析 |
| 3.4 本章小结 |
| 第四章 基于改进Inception网络的面料图像检索提速算法 |
| 4.1 引言 |
| 4.2 改进Inception模型的面料图像检索 |
| 4.2.1 哈希编码层 |
| 4.2.2 优化损失函数 |
| 4.2.3 检索提速算法 |
| 4.3 实验 |
| 4.3.1 评价指标 |
| 4.3.2 实验环境 |
| 4.3.3 实验结果与分析 |
| 4.4 小结 |
| 第五章 分层检索的面料图像检索系统设计 |
| 5.1 引言 |
| 5.2 分层检索 |
| 5.2.1 分层检索框架 |
| 5.2.2 分层检索算法 |
| 5.3 实验 |
| 5.3.1 评价指标 |
| 5.3.2 实验环境 |
| 5.3.3 实验结果与分析 |
| 5.4 面料图像检索系统 |
| 5.4.1 需求分析 |
| 5.4.2 系统框架设计 |
| 5.4.3 系统实现 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 攻读学位期间的研究成果与目录 |
| 致谢 |
（9）交互式检索的用户模拟器研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于规则的用户模拟器 |
| 1.2.2 基于统计模型的用户模拟器 |
| 1.2.3 基于深度学习模型的用户模拟器 |
| 1.2.4 目前趋势与问题分析 |
| 1.3 本文主要工作和创新点 |
| 1.4 本文组织结构 |
| 第2章 相关理论与技术 |
| 2.1 引言 |
| 2.2 前馈神经网络 |
| 2.3 循环神经网络 |
| 2.4 构建用户模拟器的相关理论 |
| 2.4.1 主题模型 |
| 2.4.2 误差模型 |
| 2.5 本章小结 |
| 第3章 基于深度学习模型的个性化用户模拟器 |
| 3.1 引言 |
| 3.2 用户个性化检索行为分类 |
| 3.2.1 探索型检索行为 |
| 3.2.2 任务型检索行为 |
| 3.3 检索行为表示 |
| 3.4 用户模型 |
| 3.5 用户动作 |
| 3.6 检索状态 |
| 3.7 本章小结 |
| 第4章 使用个性化用户模拟器的交互式检索系统 |
| 4.1 引言 |
| 4.2 基于强化学习的检索引擎 |
| 4.2.1 马尔科夫决策过程 |
| 4.2.2 深度确定性策略梯度 |
| 4.3 实验数据及设置 |
| 4.3.1 实验数据 |
| 4.3.2 实验设置 |
| 4.4 系统评价指标 |
| 4.5 实验过程 |
| 4.5.1 训练过程 |
| 4.5.2 检索行为可视化过程 |
| 4.6 实验结果及分析 |
| 4.7 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文 |
（10）大数据视域下思想政治教育创新研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 一、选题缘由和选题意义 |
| (一)选题缘由 |
| (二)选题意义 |
| 二、研究现状及述评 |
| (一)文献调研的方法及整体状况 |
| (二)关于思想政治教育大数据涵义的研究 |
| (三)思想政治教育大数据范式研究 |
| (四)思想政治教育大数据中教育者和教育对象研究 |
| (五)思想政治教育大数据内容研究 |
| (六)思想政治教育大数据方法创新研究 |
| 三、研究方法、研究思路 |
| (一)研究方法 |
| (二)研究思路 |
| 四、创新之点与不足之处 |
| (一)创新之点 |
| (二)不足之处 |
| 第一章 大数据时代教育与大数据的深度融合 |
| 一、大数据与大数据时代 |
| (一)数据的含义 |
| (二)大数据概念的提出 |
| (三)对大数据的多维解读 |
| (四)大数据是信息化发展的新阶段 |
| 二、教育大数据 |
| (一)教育大数据的内涵及特征 |
| (二)教育大数据的类型 |
| (三)教育大数据的基本功能 |
| (四)教育大数据面临的问题 |
| 三、范式理论 |
| (一)范式概念的内涵 |
| (二)范式的表现形式 |
| (三)科学研究的“第四范式” |
| 第二章 思想政治教育大数据的涵义及其特征 |
| 一、思想政治教育大数据的涵义 |
| (一)思想政治教育的核心要义 |
| (二)思想政治教育大数据的涵义 |
| 二、思想政治教育范式及其发展形式 |
| (一)关于思想政治教育范式的理解 |
| (二)思想政治教育范式的主要类型 |
| 三、思想政治教育大数据范式的重要特征 |
| (一)体现了现代思想政治教育的复杂性 |
| (二)大数据在现代思想政治教育中具有重要地位 |
| (三)大数据提升了对人的思想进行量化分析的能力 |
| 四、大数据对人的思想量化分析的内在机制 |
| (一)通过测量人的行为来分析人的思想 |
| (二)通过语言来分析人的思想 |
| 第三章 大数据视域下对思想政治教育者和教育对象的审视与反思 |
| 一、思想政治教育中的教育者和教育对象 |
| (一)思想政治教育中的教育者 |
| (二)思想政治教育中的教育对象 |
| (三)教育者和教育对象的关系 |
| 二、思想政治教育大数据中的新主体 |
| (一)思想政治教育大数据新主体的萌发 |
| (二)思想政治教育大数据新的主体类型 |
| (三)思想政治教育新主体基本功能是数据治理 |
| 三、思想政治教育大数据中的教育对象 |
| (一)大数据深刻影响着教育对象的行为方式 |
| (二)大数据深刻影响着教育对象的思维方式和话语方式 |
| (三)大数据通过数据画像提升了对自身的认知 |
| (四)“信息茧房”对教育对象的束缚 |
| 第四章 大数据视域下的思想政治教育内容创新 |
| 一、思想政治教育内容的基本理论 |
| (一)思想政治教育内容的涵义及其特征 |
| (二)思想政治教育内容的构成 |
| (三)思想政治教育内容中存在的问题 |
| (四)思想政治教育内容的守正与创新 |
| 二、大数据创新思想政治教育内容的必要性和可能性 |
| (一)用数据说话日渐成为人们的一种重要的思维方式 |
| (二)大数据使得思想政治教育更具时代特色 |
| 三、思想政治教育大数据的来源 |
| (一)已有大数据研究成果 |
| (二)搜索引擎大数据 |
| (三)专业大数据平台 |
| (四)思想政治教育专业数据库 |
| (五)专业在线调查平台 |
| (六)教育者自己进行大数据挖掘 |
| 四、大数据对思想政治教育内容创新的途径 |
| (一)重构思想政治教育内容的生成方式 |
| (二)拓展思想政治教育内容创新空间 |
| (三)提升了思想政治教育内容的精准性 |
| (四)创新了思想政治教育内容话语表达 |
| (五)形成了思想政治教育内容可视化表达 |
| 五、大数据对内容创新的案例分析及借鉴 |
| (一)大数据生成的《纸牌屋》 |
| (二)“编年系地”创造的叙事新图景 |
| (三)对十四五规划和二〇三五年远景规划的大数据分析 |
| 第五章 大数据视域下的思想政治教育方法创新 |
| 一、关于思想政治教育方法的基本理论 |
| (一)思想政治教育方法内涵及层次 |
| (二)思想政治教育方法的重要作用 |
| (三)思想政治教育方法的结构 |
| 二、思想政治教育大数据一般原则 |
| (一)复杂性原则 |
| (二)关联性原则 |
| (三)可视化原则 |
| 三、精准化的认识方法 |
| (一)丰富了思想政治教育信息的内涵 |
| (二)大数据极大增强了思想政治教育预测的能力 |
| (三)大数据有效拓展了思想政治教育分析方法 |
| (四)大数据推动了思想政治教育决策的科学化 |
| 四、数据驱动的实施方法 |
| (一)思想政治教育的数据驱动 |
| (二)思想政治教育的全深互动 |
| (三)思想政治教育的精准推动 |
| (四)思想政治教育的共享协动 |
| 五、“让数据说话”的评价方法 |
| (一)大数据增强了思想政治教育评价依据的客观性 |
| (二)大数据增加了思想政治教育评价依据的多样性 |
| (三)大数据增创了思想政治教育评价形式 |
| 结语 |
| 参考文献 |
| 在学期间公开发表论文及着作情况 |
四、网络信息及其检索（论文参考文献）
- [1]网络环境下图书馆计算机信息检索的途径分析[J]. 李薇. 信息记录材料, 2021(09)
- [2]科技文献检索“课程思政”教学实践探索——以软件工程专业教学为例[J]. 于启红. 高教学刊, 2021(21)
- [3]循证医学数据库：现状与趋势[J]. 张雪芹,邓宏勇. 中国循证医学杂志, 2021(06)
- [4]基于同态加密的生物数据安全访问应用研究[D]. 杨欣. 北京邮电大学, 2021(01)
- [5]一种基于深度监督哈希的商标图像检索方法研究[D]. 袁涛. 广东技术师范大学, 2021(09)
- [6]基于弱监督的社交媒体图像多目标哈希方法研究与检索系统实现[D]. 舒永康. 西北大学, 2021(12)
- [7]基于深度哈希学习的高效文本检索研究[D]. 秦亚雪. 山西财经大学, 2021(09)
- [8]基于卷积神经网络的面料图像检索研究[D]. 何彬. 东华大学, 2021(09)
- [9]交互式检索的用户模拟器研究[D]. 刘阳. 内蒙古师范大学, 2021(08)
- [10]大数据视域下思想政治教育创新研究[D]. 张玉龙. 东北师范大学, 2021(09)