一、一种基于模板的系统开发方法（论文文献综述）
刘天宇[1]（2021）在《基于开源仿真平台的自动代码生成研究》文中认为系统仿真是嵌入式控制系统设计的必要手段,但仿真完成后仍需手工编写控制源代码。自动代码生成技术可以把模型自动转换为控制代码,提高开发效率。自动代码生成技术是按照目标代码规则,调取工程所需文件和模型信息,生成符合规范的计算机源码文件。本文在开源图形化仿真平台Si Ros/Xcos的基础上,开发自动代码生成工具,本研究主要工作如下:1)开源图形化仿真平台分析,研究系统仿真推演机制,以模块化架构为自动代码生成工具包提供挂载接口。2)对目前已有自动代码生成方案优缺点综合分析,重点介绍基于模版和基于模型的代码生成原理,提出一种自动代码生成系统模型。实现以模版文件为基础,嵌套模型动态行为,通过生成器引擎进行驱动,以功能包形式挂载到仿真平台中运行,实现对系统仿真模型的代码生成。3)设计可供嵌入式系统调用的代码生成模块,根据目标系统要求确定模版文件,将硬件端口转化为仿真系统接口,将受控系统仿真模型转化成嵌入式系统代码,实现嵌入式系统控制。本文初步实现开源图形化仿真平台系统推演和自动代码生成功能,能够完成系统仿真推演,实现对超块模型的代码生成。最后针对代码生成工具进行功能测试,测试结果表明,达到预期系统要求,生成代码可读性良好,并能够运行在嵌入式系统之中。
范怡帆[2]（2021）在《基于强化学习的人机谈判系统》文中研究指明随着人工智能的兴旺,电子商务行业迎来了新的发展机遇。随着在线交易的频率和规模的增加,商家与客户之间的在线协商和沟通变得越来越频繁。因为它们无法实现谈判,也无法分析用户,因此难以针对特定用户更好地达成交易。在线交易谈判流程的自动化已逐渐成为商家和消费者的潜在需求。但是,现有的在线对话系统（例如淘宝上的阿里小蜜和京东的在线客户服务）无法很好地满足这样的需求。目前,一方面,自动谈判的研究者主要集中在计算机对计算机的谈判上,而对人机谈判的研究不多。另一方面,对话系统的研究人员很少关注自动谈判。因此,在本文中,我们将对话系统的体系结构与自动谈判集成在一起,研发了一个人机谈判系统。它可以代替人工客服来处理许多重复性和多样化的谈判。它可以随时随地与多方进行谈判,从而显着提高谈判效率,并减少企业使用人工客服的成本。具体来说,我们基于微信小程序平台,研发了一个基于强化学习的人机谈判系统。我们的系统能够应对不同的用户或同一用户的不同出价方式,并采用动态谈判策略,提高谈判的效率。本文的主要贡献如下:我们综述了对话系统和自动谈判系统领域中的最新技术,比较了它们的优点和缺点,并建议了进一步研究的方向;我们将强化学习与用户行为建模相结合,设计了一种新颖的谈判策略,这个策略让我们的谈判系统在谈判中可以根据用户的行为来调整谈判策略;我们编写了对话语料和谈判语料库,采用fast Text算法训练识别人类意图的分类器,并且我们用基于特征词抽取的匹配算法来提取谈判对话中与价格相关的结构化信息;我们在微信小程序平台上实现人机谈判系统,该系统包括了分别从用户界面,对话理解,对话谈判管理和对话回应生成四个模块,并使用中文的自然语言与用户进行多轮谈判;我们进行了大量实验来分析我们的系统,通过分析意图识别模型的性能评估对话理解模块的性能,从系统谈判效率、对话成功率和公平性三个方面分析谈判策略的有效性,采用问卷调查的方式分析用户对系统的满意度。实验结果表明,我们研发的系统可以很准确地识别人类对手的意图,与人类对手进行谈判的效率、成功率以及公平性,大部分人类对手对我们的系统表示满意。本文设计和实现的人机谈判对话系统为研究对话系统和自动谈判的学者们提供了一个新的研究方向。
柏欣雨[3]（2021）在《基于智能模板的消化内镜报告自动生成系统设计与实现》文中提出目前,医疗健康进入大数据时代,很多医疗记录被电子化、数字化存储。随着大众对医疗健康水平要求的不断提高,医疗检查与检查报告的质量受到普遍关注,是科学医疗诊断决策的重要依据。但是医疗检查报告的生成是一项非常复杂且繁琐的工作。为了保证报告内容是对医疗检查过程的完整、准确和规范的记录,需要对检查项目、检查内容和检查方法等使用标准医学术语进行规范记录。然而目前检查报告基本都是在检查结束后,由负责检查的医生完成记录,记录过程中缺乏标准化、智能化的辅助手段。这样的检查报告形成过程,导致报告的质量完全依赖于医生的检查水平和经验,报告质量难以得到控制和保障,报告里蕴含的医学知识也难以被利用。随着医学水平的进步与大众生活质量的提高,检查指标与检查人群数量均在日益提升,填写检查报告的工作量日益增大,这种费时费力的低效方法已经无法再满足当下大规模患者进行高质量检查的需求。针对医疗检查报告生成过程繁琐、质量不可控、效率低、利用率低等问题,本文以消化内镜检查为切入点,结合国家重点研发项目研发内容,开展基于人工智能的消化内镜报告自动生成方法和系统的设计与研发工作,主要工作包括:1.针对报告生成质量不可控、利用率低的问题,本文提出了一种基于知识图谱的智能模板构建方法。通过分析质量控制大数据中心的消化内镜报告记录,抽取出内镜报告中的实体、属性与实体和属性间的关系等知识。再根据抽取到的知识,构建消化内镜报告知识图谱。最终根据知识图谱,构建不同疾病不同症状特点的消化内镜报告模板,为报告辅助填写与报告自动生成提供依据。2.针对报告生成过程繁琐、效率低的问题,本文提出一种基于智能模板的消化内镜报告自动生成方法。该方法基于智能模板中蕴含的各属性值之间的关联关系与上下文关系,使医生选择合适的模板后只需要填写少量关键词后即可由智能模板自动生成其余部分的报告内容,让医生高效完成报告的填写。3.研发了基于智能模板的消化内镜报告自动生成系统。在系统中设计了数据录入、数据检索与数据分析三大模块,实现了基于智能模板的报告生成、基于智能模板的文本报告结构化和基于模板关键词的报告检索等功能,满足了医生高效进行报告生成与数据分析的系统使用需求。本文以区域消化内镜质量控制大数据中心为基础,采集了十余万条消化内镜报告数据,对这些数据进行挖掘和分析,形成了八大类,共22种智能模板,并通过Spring Boot框架开发了基于智能模板的消化内镜报告自动生成系统,提供了报告辅助填写和报告自动生成等便于医生使用的功能,大大提高了医生工作效率。
刘栒[4]（2021）在《基于服装推荐知识图谱的语音问答系统》文中认为随着服装电子商务产业的快速发展,越来越多的人倾向于在网上选购服装,但是人们普遍缺乏服装搭配的专业知识,仅凭自身的审美以及网红带货的方式选购服装,具有一定的盲目性。同时,网络数据的爆炸增长,使得用户难以在海量的数据中快速的找到有用的信息。提供个性化服装推荐服务、提高检索效率、优化用户体验成为了广大用户的诉求。针对服装电子商务存在的上述问题,本课题通过研究服装推荐规则体系,构建了服装推荐知识图谱,提出一种基于服装推荐规则的服装推荐方案,借助专家搭配经验和相关专业知识实现服装个性化推荐。设计并开发了一个基于服装推荐知识图谱的语音问答系统,结合语音技术、智能问答技术优化了用户体验,提高了检索效率。本文的主要研究内容如下:首先,对形象设计专家知识和服装领域相关理论进行全面的梳理和格式化,构建服装推荐规则体系,采用知识图谱技术处理专家规则,并以Neo4j图数据库存储服装推荐知识图谱,提出一种基于服装推荐规则的推荐方法。然后,设计了基于服装推荐知识图谱的语音问答流程,分为问句处理和答句生成两大模块。其中问句处理模块训练了BERT-Bi LSTMCRF实体抽取模型进行问句命名实体识别,并根据服装推荐知识图谱设计答句模板处理问答结果。最后,基于上述的研究开发了基于服装推荐知识图谱的语音问答系统。该系统基于Flask框架,应用Python语言进行开发,调用科大讯飞语音云服务实现了语音交互,采用百度开源图表库ECharts实现了服装推荐知识图谱的可视化。本文详细介绍了形象设计专家知识的处理办法、服装推荐知识图谱的构建过程以及语音问答系统的开发流程。通过系统验证结果表明,本文的语音问答系统在检索效率和服装个性化推荐上均有较好的表现,具有一定的应用价值。
陆金婷[5]（2021）在《面向软件缺陷的问答技术研究与系统实现》文中认为在缺陷修复过程中,开发人员通常需要利用历史缺陷存储库或其他缺陷资源中的相关的历史缺陷信息,以支持诸如缺陷预测、缺陷定位、缺陷根本原因预测等多项缺陷分析工作,从而能够更好地完成缺陷修复工作。缺陷文本中包含了丰富的语义信息,有效地获取并利用这些信息对于缺陷理解至关重要。然而,目前缺陷研究领域常常是利用传统的关键字匹配技术获取相关的缺陷信息,反馈的信息常常与用户所需缺陷信息并不相关,甚至包含了很多只匹配了某个单词或者字符的无效信息。这些软件资源平台自带的搜索引擎已渐渐无法满足用户信息获取的需要。自然语言问答技术的蓬勃发展,为高效获取缺陷信息提供了一种新的思路。另外,缺陷文本信息本身形式并不统一,非结构化数据和半结构化数据交相混杂,这给缺陷信息理解工作带来了极大的阻碍。针对上述问题,本文从缺陷信息理解的角度出发,就面向软件缺陷的问答技术开展研究。本文首先提出了基于结构化模板的缺陷问答,从缺陷数据中抽取实体和实体关系以构成SPARQL模板,将自然语言问答处理成基于结构化模板匹配的缺陷问答;其次,利用深度学习模型,将缺陷问答问题转换成缺陷自然语言阅读理解任务,提出了基于预训练模型的缺陷问答。具体工作如下:（1）面向软件缺陷领域提出了基于结构化模板的问答。首先,根据缺陷数据的特性,定义了在这项工作中的一些基本概念以及介绍了数据准备工作;然后,介绍了结构化模板的构建过程以及如何利用结构化模板进行问答;最后,利用Bugzilla项目管理库中Mozilla和Eclipse两个项目中的缺陷文本数据完成实证研究工作,并与现有的问答方法进行实验对比。从结果上看,缺陷问答任务在Mozilla和Eclipse两个项目上的问答效果优于现有的问答方法。（2）面向软件缺陷领域提出了基于预训练模型的问答。由于目前在缺陷研究领域没有公开的大规模缺陷数据集可用于缺陷问答研究,所以选择利用大规模的开放领域问答数据集训练BERT模型,然后构建一个小规模缺陷领域问答数据集微调此预训练模型。在这项工作中,创新性地将缺陷问答问题转换成缺陷自然语言阅读理解任务,并为此任务定义特意设计了一组规范来构造缺陷阅读理解数据集。实验结果表明:构建缺陷阅读理解数据集切实可以提升缺陷问答效果,并在Mozilla和Eclipse两个项目上的问答效果优于现有的一些问答方法。（3）从缺陷数据理解的角度出发,结合结构化模板和预训练模型的优点,设计并实现了面向软件缺陷的问答平台。该平台面向软件开发、维护以及软件领域相关的研究人员,包括缺陷事实三元组抽取、缺陷结构化模板生成、缺陷问题重构以及缺陷数据问答四个模块,旨在帮助他们通过自然语言问答的形式高效获取并理解缺陷数据,从而达到加速缺陷修复的目的。
滕杨凡[6]（2021）在《互联网医院项目代码自动生成的设计与实现》文中研究说明互联网医院这一新兴医疗机构的出现,越来越受广大医患欢迎,而互联网医院系统的设计、开发也处在不断探索的阶段,在近些年,全国多地爆出互联网医院系统漏洞频出、崩溃频繁的问题,究其原因,许多互联网医院系统开发项目组急于速成,前期缺少足够的准备工作,所开发的系统存在许多问题和缺陷,除此之外,互联网医院开发项目还面临一个工作量重复的问题,在抛弃系统复杂逻辑业务的情况下,许多互联网医院项目的后台系统有40%～50%的代码都是类似的,许多开发者需要重复同样的工作来实现项目中的基本功能,这将极大地影响开发效率,然而如今却没有一款较好的面向互联网医院的后端项目代码自动化生成工具,以此来省去互联网医院后端项目设计所需的重复工,减少程序员不必要的设计时间与代码工程业务量。总而言之,近年内的互联网医院系统开发并不成熟,效率低下,如果贪图速度,又会造成代码质量无法得到保障,而相关的互联网医院系统开发线路缺乏统一的制定标准,也没有统一的开发辅助工具,各个开发团队闭门造车,系统框架、代码风格形式各异。因此,如果能开发一种高级、便捷的互联网医院系统后端代码自动生成工具,面向互联网医院系统开发者,使得开发者们在开发过程中能减少不必要的重复工作,将重心转移到设计工作中,将效率和速度都提升上来,将能较好地解决当前互联网医院开发需求的窘境。互联网医院项目代码自动生成的设计与实现研究是为了提高互联网医院后台项目的开发效率而设计的。在互联网医院项目代码自动生成的方向上进行探究,开发一款高效开发互联网医院项目的工具,省去传统互联网医院项目设计所需的重复工,来减少程序员不必要的设计时间与代码工程业务量。本研究在进行需求分析之后,将整体结构划分为FreeMarker模板引擎与模板库、数据库操作层、数据规范层、输入设计层,随后逐步完成各个层的实现工作,收集多个互联网医院数据库数据,采用自顶向下分析法分析医院数据库进而设计一批互联网风格的数据库设计文档,生成一批医院数据库建表文件与数据文件,以便使用者可以快速实现医院数据库自动化生成。设计数据获取工具类,对数据库进行大样本数据采集,将数据输送到数据规范模块,通过类型与命名转换双通道将数十种数据集输送到数据接收模块,数据库与输入设计层的开发者设计参数皆为数据接收模块的数据源,该模块接收全局配置参数、项目包参数、子模板设计参数等多种模型设计参数,为后续系统模型提供设计方案。模板库中所有模板皆为自研,本研究设计出六个互联网医院风格的母模板代码框架,再设计上百种微元子模板,按照页面微元类、数据微元类、操作微元类等类型分类存储。对模板引擎的加载器进行调整,自研设计出模板混合加载器,极大提高模板加载效率。核心生成模块包含模板动态规划、模板动态加载与代码生成几大部分,代码生成分项目初始化、第一阶段框架代码生成、第二阶段整体代码生成三个阶段。通过Postman等测试工具对模块进行测试,模拟开发过程,并测试一批生成代码,检测接口的正确性与稳定性,实验结果表明本研究可在短时间内实现互联网医院系统代码生成与数据库生成,接口异常概率低,效率高,符合“NO代码”开发概念,能让开发者轻松完成一批精简、功能性强、便于维护的互联网医院系统项目代码。
马祥天[7]（2021）在《基于SSM框架的通用图像分析工具设计与实现》文中指出随着计算机技术的高速发展,诸如人脸识别、位姿估计等图像分析算法已广泛应用于生活。然而,在各算法研究过程中,往往都需要开发一套专用的配套系统,用于模型推理以及结果可视化等展示,使得其时间、成本均大大增加。本文以通用图像分析工具为研究课题,为快速开发上述配套系统提供有效支持。首先,设计实现了一个通用图像分析工具,以SSM为后端框架实现软件逻辑控制,以Vue.js为前端框架实现可视化操作界面,使用MySQL实现数据管理,并通过Redis服务优化软件时耗。其中,重点研究了算法服务注册,即提出并训练一套用于头部姿态估计的神经网络模型,并通过该工具将模型注册为服务。其次,设计实现了一套模板系统,对工具的程序正确性、逻辑正确性与通用性进行验证。该系统通过调用通用图像分析工具提供的接口,为输入数据提供预处理服务,并实现模型推理、结果可视化等功能。第三,对头部姿态估计开展研究,提出基于软注意力机制与深度回归森林的多任务学习网络,用于头部姿态估计这一回归任务,并在Biwi、Pandora、ICT-3DHP等多个公开数据集上验证模型性能。训练后的模型通过该工具被注册为服务。测试结果表明,本文设计实现的通用图像分析工具具备通用性、程序正确性与逻辑正确性,可以用于快速实现模型推理及结果可视化。所研究的头部姿态估计算法能够在多个公开数据集上取得先进水平,且具有一定的应用价值。
刘东洋[8]（2020）在《数据可视化代码自动生成工具的研究与实现》文中指出在当今的大数据时代,数据可视化可以让人们能够快速理解这些数据并对数据进行有效利用,从而分析并挖掘出其隐藏的价值信息。典型的数据可视化实现流程分为三个阶段:首先,大数据开发人员根据数据可视化的需求设计数据库,提供数据源;然后,后端开发人员对数据源进行条件查询,将结果包装成数据包;最后,前端工程师根据数据包实现可视化页面开发。随着需求的增多,这种冗长的开发流程很多时候会成为影响团队开发效率的关键因素,加上其中大部分代码具有较高的相似度,重复性工作也就逐渐体现出来,降低开发效率。解决上述问题,使用代码生成技术是一种有效且可行的解决方案。代码生成技术是一种专注于研究如何解放编码生产力,一种通过程序生成代码,使用程序来编程的技术。与传统的手工编写代码相比,代码生成技术极大地提高了软件的代码质量和程序开发人员的工作效率。但现有的代码生成工具很难满足现今的数据可视化开发需求,生成的代码只适用于一些部分的功能,并不能贯穿整个前后端的代码模块,且普遍存在针对性不强、扩展性较差、学习成本高的缺点。本课题主要针对上述代码生成工具存在的问题,设计了一套具体的解决方案,并提供了系统实现。在研究与实现的过程中,首先对代码生成方法进行了深入研究,通过根据拓扑排序将细粒度代码模板进行排序组合实现前端代码自动生成,通过引入反射技术与设计模式来实现后端代码动态部署。其次,设计实现了一个基于B/S架构的配置中心,为代码生成模块提供模板配置。然后,为了确保工具的可靠性与性能,工具提供了对服务的心跳监测与性能监测功能。最后,通过对系统的功能性测试和非功能性测试,在确保了各个功能在满足需求的同时,也保证了可视化数据的正确性和系统的稳定性。本课题能有效的提高编程人员在开发数据可视化功能时的效率,同时也为代码生成技术在软件工程的应用提供了新的思路与指导。
姚颖[9]（2020）在《基于模板的大数据统计分析报告生成方法研究与应用》文中研究说明随着信息化不断推进,企业信息系统经过长期的应用实践,累积了大量的数据。数据是企业的核心,它影响着企业的业界竞争力和未来的发展,而报告是企业经营管理数据的重要载体。分析企业大量的历史数据,从中挖掘有价值的信息,并以图文并茂的方式呈现在报告中,为企业管理层的决策提供清晰直观且强有力的依据。目前大多数企业的报告系统都是根据需求定制的,报告中的数据和格式高度耦合度,离开了格式的数据毫无意义。如果需要修改或生成新的报告,只能重新编码进行二次开发,这严重影响了报告系统的灵活性与通用性,不能满足企业动态变化的需求。此外,企业中的数据来源往往不同,数据孤岛现象普遍存在,大多数的报告系统不支持对异构数据的分析,不能很好地挖掘数据价值。针对目前企业报告系统存在的问题,本文设计并提出基于模板的统计报告生成方法,并根据此方法编码实现一个大数据报告系统。本文的主要工作内容为:（1）提供了异构数据统一的获取接口,并利用数据仓库技术集成获取的数据,为报告提供数据基础。（2）设计了可复用的XML报告模板,报告模板由数据模板和格式模板组成,实现了数据和格式的分离,使得报告数据不再依赖格式存在。两种模板都采用可视化的设计方式,提高了系统的易用性。其中,格式模板设计界面采用类Excel风格,适合格式复杂的中式报表、报告开发。报告的模板化大大增加了报告系统的通用性和灵活性。（3）实现了配套的报告生成器,通过报告生成器解析报告模板的含义,生成完整的报告。由于模板中动态数据的存在,导致报告生成时模板会动态扩张,使得报告生成具有动态性、不确定性以及复杂性。对此,报告生成器提供了数据填充方法,将数据按一定的规则自动填入报告中。（4）设计并编码实现了一个Web报告系统,系统采用Hadoop技术集成不同数据源的数据,通过Hive、Impala大数据分析工具统计分析海量数据,大大提高了数据统计分析的效率。最后将报告系统集成到实验室合作的肇庆学院项目中实际应用,并对报告系统进行功能界面的运行展示和测试,验证了基于模板的统计报告生成方法的可行性。
朱轩锐[10]（2020）在《软件缺陷修复推荐技术研究与系统实现》文中认为软件系统中的缺陷（bug）不可避免,修复bug需要耗费大量的人力、物力以及时间。随着软件产品的规模和复杂性爆炸式增长,软件中包含的历史遗留问题导致代码量变得越来越大,越来越复杂。因此,当开发人员在面对一个bug问题时,不仅耗费大量的时间在代码的理解上,bug修复也难以入手。现有的修复方法通常对bug采用历史相似的修复操作,但是经常会导致bug不能被正确修复甚至使得bug修复变得更加困难。本文针对bug修复问题,分析了修复代码中常使用的细粒度更改操作,并根据此类细粒度更改操作提出用于bug修复的修复模板。基于此修复模板进一步提出了一种bug修复推荐方法,帮助开发人员提高修复效率。本文工作主要包含以下几个方面:（1）针对bug报告和commit报告,挖掘软件缺陷的bug报告及修复方法中使用的代码细粒度更改操作进行经验研究。研究结果表明,修复代码中的细粒度更改操作和历史相似bug并没有明显相似关系,大多数的修复都会使用常用的细粒度修复操作。（2）针对源代码文件中的修复前代码版本和修复后代码版本之间的差异,分析代码的细粒度更改操作,构建用于完成bug修复的更大粒度的修复模板。为bug代码修复提供有效的修复模板,进而提高修复效果。通过验证模板的使用频率以及模板的覆盖范围表明,该修复模板能够适用于bug并且解决部分bug问题的修复。（3）针对大量的bug问题,基于修复模板,结合基于树的循环神经网络的深度学习技术为其提供修复方案的建议。本文结合基于信息检索的bug定位技术,利用bug报告为bug问题推荐修复模板建议,通过验证模板的精确度和五位参评人员的反馈说明了推荐的修复模板是有效的。
二、一种基于模板的系统开发方法（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、一种基于模板的系统开发方法（论文提纲范文）
（1）基于开源仿真平台的自动代码生成研究（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 开源图形化仿真平台 |
| 1.2.2 自动代码生成 |
| 1.3 本文主要工作 |
| 1.4 论文组织结构 |
| 2.开源图形化仿真平台 |
| 2.1 开源图形化仿真平台工作原理 |
| 2.2 开源图形化仿真平台模块构建 |
| 2.3 模型仿真实例 |
| 2.4 本章小结 |
| 3.自动代码生成技术研究 |
| 3.1 系统设计需求 |
| 3.2 基于模板的代码生成技术 |
| 3.3 基于模型的代码生成技术 |
| 3.4 其他生成方式 |
| 3.5 基于模型的模版驱动代码生成技术 |
| 3.6 本章小结 |
| 4.自动代码生成系统实现 |
| 4.1 代码生成系统架构 |
| 4.2 模板结构设计 |
| 4.2.1 模板描述 |
| 4.2.2 模板标签 |
| 4.3 代码生成器设计 |
| 4.3.1 生成器运行过程分析 |
| 4.3.2 生成器解析模板文件 |
| 4.3.3 生成器解析模型文件 |
| 4.4 代码生成模块设计 |
| 4.4.1 模块运行流程分析 |
| 4.4.2 自定义模块设计 |
| 4.5 本章小结 |
| 5.自动代码生成工具测试 |
| 5.1 测试标准 |
| 5.2 自动代码生成系统功能测试 |
| 5.2.1 测试环境 |
| 5.2.2 测试系统设计及结果分析 |
| 5.3 嵌入式模型代码生成测试 |
| 5.4 本章小结 |
| 6.总结与展望 |
| 6.1 研究总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 |
| 致谢 |
（2）基于强化学习的人机谈判系统（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 研究的动机 |
| 1.3 技术路线 |
| 1.4 本文主要贡献 |
| 1.5 本文结构 |
| 第2章 文献综述 |
| 2.1 引言 |
| 2.2 对话管理 |
| 2.2.1 对话行为识别 |
| 2.2.2 对话状态跟踪 |
| 2.2.3 对话策略 |
| 2.2.4 本节小结 |
| 2.3 对话回应生成 |
| 2.3.1 基于规则的方法 |
| 2.3.2 基于知识的方法 |
| 2.3.3 基于深度学习的方法 |
| 2.3.4 基于生成式的特殊模型 |
| 2.3.5 基于知识和深度学习的混合方法 |
| 2.3.6 本节小结 |
| 2.4 对话系统的评估 |
| 2.4.1 评估基于任务的对话系统 |
| 2.4.2 评估开放域对话系统 |
| 2.4.3 基于学习的评估 |
| 2.4.4 挑战 |
| 2.4.5 本节小结 |
| 2.5 强化学习 |
| 2.5.1 简介 |
| 2.5.2 Q学习算法 |
| 2.5.3 本节小结 |
| 2.6 人机谈判 |
| 2.6.1 人机谈判必要性 |
| 2.6.2 人机谈判策略 |
| 2.6.3 谈判的相关方法 |
| 2.6.4 基于强化学习的人机谈判 |
| 2.6.5 本节小结 |
| 2.7 本章小结 |
| 第3章 系统结构 |
| 3.1 引言 |
| 3.2 人机谈判对话系统框架 |
| 3.3 系统模型定义 |
| 3.4 系统主函数 |
| 3.5 本章小结 |
| 第4章 人机谈判系统的用户界面 |
| 4.1 引言 |
| 4.2 用户界面的设计 |
| 4.2.1 基于微信小程序的前端输入 |
| 4.2.2 基于Flask框架的后台输出 |
| 4.3 用户界面的实现 |
| 4.4 本章小结 |
| 第5章 谈判对话理解 |
| 5.1 引言 |
| 5.2 对话理解的方法 |
| 5.2.1 基于特征词抽取的匹配算法 |
| 5.2.2 基于fast Text的意图识别 |
| 5.3 对话理解的实现 |
| 5.4 本章小结 |
| 第6章 基于强化学习的对话谈判管理 |
| 6.1 引言 |
| 6.2 对话谈判管理的原理 |
| 6.2.1 用户行为建模 |
| 6.2.2 基于Q学习的谈判策略 |
| 6.2.3 基于Q学习与用户行为建模的谈判策略 |
| 6.3 对话谈判管理的实现 |
| 6.4 本章小结 |
| 第7章 谈判回应生成 |
| 7.1 引言 |
| 7.2 基于模板匹配的回应生成方法 |
| 7.3 对话回应生成的实现 |
| 7.4 本章小结 |
| 第8章 谈判示例与分析 |
| 8.1 引言 |
| 8.2 谈判示例展示 |
| 8.3 谈判成功示例分析 |
| 8.4 谈判破裂示例分析 |
| 8.5 本章小结 |
| 第9章 系统评估 |
| 9.1 引言 |
| 9.2 意图识别模型的性能 |
| 9.3 价格谈判的衡量指标 |
| 9.4 用户满意度 |
| 9.5 本章小结 |
| 第10章 结束语 |
| 10.1 总结 |
| 10.2 展望 |
| 参考文献 |
| 附录A 意图识别模型的部分训练语料 |
| A.1 问候意图类部分语料 |
| A.2 商品询问意图类部分语料 |
| A.3 谈判破裂意图类部分语料 |
| A.4 谈判成功意图类部分语料 |
| 附录B 部分回复模板 |
| B.1 问候类部分回复模板 |
| B.2 商品询问类部分回复模板 |
| B.3 谈判成功类部分回复模板 |
| B.4 谈判破裂类部分回复模板 |
| B.5 价格谈判类部分回复模板 |
| 读硕期间获得的成果与奖励 |
| 致谢 |
（3）基于智能模板的消化内镜报告自动生成系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 本文主要工作 |
| 1.3 本文组织结构 |
| 第2章 相关研究 |
| 2.1 医学命名实体识别 |
| 2.1.1 基于词典和规则的方法 |
| 2.1.2 基于统计机器学习的方法 |
| 2.1.3 基于深度学习的方法 |
| 2.2 医学关系抽取 |
| 2.3 医学文本分类 |
| 2.4 医疗报告自动生成 |
| 2.5 本章小结 |
| 第3章 基于知识图谱的模板构建技术 |
| 3.1 模板构建整体流程 |
| 3.1.1 报告模板定义 |
| 3.1.2 报告模板总体构建思路与流程 |
| 3.2 消化内镜报告知识抽取方法 |
| 3.2.1 数据预处理 |
| 3.2.2 语料标注与词典构建 |
| 3.2.3 分词与词向量构建 |
| 3.2.4 消化内镜报告知识抽取模型 |
| 3.3 消化内镜报告知识图谱构建方法 |
| 3.4 模板的构建方法 |
| 3.5 本章小结 |
| 第4章 消化内镜报告自动生成技术 |
| 4.1 报告自动生成流程 |
| 4.2 模板的智能推荐 |
| 4.3 报告文本关联挖掘 |
| 4.4 报告自动生成示例 |
| 4.5 本章小结 |
| 第5章 系统的设计与实现 |
| 5.1 系统整体设计 |
| 5.2 系统功能设计 |
| 5.3 数据库设计 |
| 5.4 详细设计与实现 |
| 5.4.1 报告自动生成模块 |
| 5.4.2 文本报告结构化模块 |
| 5.4.3 报告检索模块 |
| 5.5 系统测试 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间申请的专利 |
| 学位论文评阅及答辩情况表 |
（4）基于服装推荐知识图谱的语音问答系统（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 推荐系统的研究现状 |
| 1.2.2 构建专业领域知识图谱的研究现状 |
| 1.2.3 知识图谱问答系统的研究现状 |
| 1.2.4 语音技术研究现状 |
| 1.3 论文研究内容及创新点 |
| 1.3.1 研究内容 |
| 1.3.2 创新点 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 2 相关技术概述 |
| 2.1 形象设计专家知识 |
| 2.2 知识图谱 |
| 2.2.1 知识图谱构建技术 |
| 2.2.2 知识图谱的存储 |
| 2.2.3 知识图谱应用 |
| 2.3 自动问答技术 |
| 2.3.1 问句命名实体识别 |
| 2.3.2 问句匹配与答案检索 |
| 2.4 语音云服务 |
| 2.5 本章小结 |
| 3 服装推荐知识图谱的构建 |
| 3.1 服装推荐规则体系构建 |
| 3.1.1 服装推荐规则体系构建流程 |
| 3.1.2 服装推荐标签体系 |
| 3.1.3 服装搭配规则体系 |
| 3.1.4 形象设计规则体系 |
| 3.1.5 服装推荐知识图谱数据模式定义 |
| 3.2 服装推荐知识图谱构建 |
| 3.2.1 基于DGCNN和概率图的信息抽取模型 |
| 3.2.2 图数据库存储 |
| 3.3 基于服装推荐规则的推荐方法 |
| 3.3.1 服装匹配度评分计算规则 |
| 3.3.2 服装推荐规则存储 |
| 3.3.3 服装推荐过程 |
| 3.4 本章小结 |
| 4 基于服装推荐知识图谱的语音问答处理流程 |
| 4.1 问答处理流程概述 |
| 4.2 问句语义理解 |
| 4.2.1 问句预处理 |
| 4.2.2 服装推荐实体识别 |
| 4.2.3 问句分类及模板匹配 |
| 4.3 基于知识图谱的答句生成 |
| 4.3.1 知识图谱检索与答案分析 |
| 4.3.2 答句语言组织 |
| 4.4 本章小结 |
| 5 基于服装推荐知识图谱的语音问答系统开发 |
| 5.1 系统基本功能 |
| 5.2 开发环境 |
| 5.3 系统架构 |
| 5.4 系统模块开发 |
| 5.4.1 用户管理模块开发 |
| 5.4.2 知识图谱可视化模块开发 |
| 5.4.3 语音技术模块开发 |
| 5.4.4 自动问答模块开发 |
| 5.5 系统演示与测试 |
| 5.5.1 系统演示 |
| 5.5.2 系统测试 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间的研究成果目录 |
| 致谢 |
（5）面向软件缺陷的问答技术研究与系统实现（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 研究现状 |
| 1.2.1 自然语言问答技术 |
| 1.2.2 缺陷分析和理解 |
| 1.3 论文主要研究工作 |
| 1.4 论文组织架构 |
| 1.5 本章小结 |
| 第2章 技术背景 |
| 2.1 实体识别 |
| 2.2 关系抽取 |
| 2.3 相似度计算 |
| 2.4 BERT模型 |
| 2.5 SQuAD数据集 |
| 2.6 本章小结 |
| 第3章 基于结构化模板的软件缺陷问答 |
| 3.1 引言 |
| 3.2 基本概念 |
| 3.2.1 问题定义 |
| 3.2.2 数据准备 |
| 3.3 总体框架 |
| 3.4 基于SPARQL语句的缺陷问答 |
| 3.4.1 自动化模板生成 |
| 3.4.2 问题重构 |
| 3.5 实验评估 |
| 3.5.1 研究问题 |
| 3.5.2 实验设置 |
| 3.5.3 实验结果分析 |
| 3.5.4 有效性威胁 |
| 3.6 本章小结 |
| 第4章 基于预训练模型的软件缺陷问答 |
| 4.1 问题描述 |
| 4.2 总体框架 |
| 4.3 基于BERT模型的缺陷问答 |
| 4.3.1 缺陷阅读理解数据集构造 |
| 4.3.2 问答过程 |
| 4.4 实验评估 |
| 4.4.1 研究问题 |
| 4.4.2 实验设计 |
| 4.4.3 实验结果分析 |
| 4.4.4 有效性威胁 |
| 4.5 本章小结 |
| 第5章 面向软件缺陷的问答平台设计与实现 |
| 5.1 需求分析 |
| 5.1.1 应用需求分析 |
| 5.1.2 用户需求分析 |
| 5.1.3 功能需求分析 |
| 5.2 系统设计 |
| 5.3 系统实现 |
| 5.3.1 运行环境 |
| 5.3.2 功能模块实现 |
| 5.4 平台测试 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（6）互联网医院项目代码自动生成的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 相关技术介绍 |
| 1.3.1 Spring Boot框架 |
| 1.3.2 基于模板的代码生成技术 |
| 1.3.3 自动代码生成策略 |
| 1.3.4 MyBatis-Plus功能组件 |
| 1.4 本文研究意义 |
| 1.5 本章小结 |
| 第二章 互联网医院代码自动生成的需求分析与整体设计 |
| 2.1 研究需求分析 |
| 2.2 设计目标 |
| 2.3 整体结构设计 |
| 2.4 模板引擎技术选型与设计分析 |
| 2.5 数据库操作层技术选型与设计分析 |
| 2.6 数据规范层技术选型与设计分析 |
| 2.7 输入设计层技术选型与设计分析 |
| 第三章 互联网医院系统代码自动生成工具设计 |
| 3.1 代码自动生成工具模块划分 |
| 3.2 数据库生成设计 |
| 3.3 数据获取模块功能设计 |
| 3.4 数据规范模块功能设计 |
| 3.5 模板设计 |
| 3.5.1 母模板设计 |
| 3.5.2 微元模板设计 |
| 3.6 数据接收模块功能设计 |
| 3.7 代码自动生成模块功能设计 |
| 第四章 互联网医院项目代码自动生成技术的实现与测试 |
| 4.1 数据库自动生成的实现与测试 |
| 4.1.1 表设计文档的设计与实现 |
| 4.1.2 医院风格建表文件生成 |
| 4.2 数据获取模块的实现与测试 |
| 4.3 数据规范模块的实现与测试 |
| 4.4 数据接收模块的实现与测试 |
| 4.5 模板库设计的实现与测试 |
| 4.6 代码生成模块的实现与测试 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 进一步研究方向 |
| 参考文献 |
| 致谢 |
（7）基于SSM框架的通用图像分析工具设计与实现（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 国内外研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文组织结构 |
| 第二章 相关技术介绍 |
| 2.1 工具及模板系统开发相关技术 |
| 2.1.1 SSM后端框架原理及优势 |
| 2.1.2 VUE.JS前端框架原理及优势 |
| 2.1.3 REDIS服务与系统时耗优化 |
| 2.1.4 FLASK框架与模型部署 |
| 2.2 算法研究相关技术及解决方案 |
| 2.2.1 PYTORCH深度学习框架 |
| 2.2.2 十六位深度图像与点云数据之间的转换原理及方法 |
| 2.2.3 点云数据降采样方法——最远点采样法 |
| 2.2.4 基于二维图像的姿态估计方法 |
| 2.2.5 基于三维图像的姿态估计方法 |
| 2.2.6 基于点云数据的目标特征提取方法 |
| 2.2.7 基于深度回归森林的非线性回归方法 |
| 2.2.8 基于软注意力机制的多任务学习方法 |
| 2.2.9 基于欧拉角、四元数、旋转矩阵的三维空间旋转角表示方法 |
| 2.3 本章小结 |
| 第三章 通用图像分析工具设计与实现 |
| 3.1 概述 |
| 3.2 需求分析 |
| 3.2.1 应用场景分析 |
| 3.2.2 功能需求 |
| 3.2.3 性能需求 |
| 3.2.4 通用性设计原则 |
| 3.3 系统设计 |
| 3.3.1 总体设计 |
| 3.3.2 核心模块设计 |
| 3.3.3 接口设计 |
| 3.3.4 界面设计 |
| 3.3.5 非功能设计 |
| 3.4 实现及效果 |
| 3.5 本章小结 |
| 第四章 模板系统设计与实现 |
| 4.1 概述 |
| 4.1.1 系统设计意义及应用价值 |
| 4.1.2 需求分析 |
| 4.2 系统设计 |
| 4.2.1 总体设计 |
| 4.2.2 核心模块设计 |
| 4.2.3 接口设计 |
| 4.2.4 界面设计 |
| 4.2.5 非功能设计 |
| 4.3 系统实现及应用效果 |
| 4.4 系统测试 |
| 4.4.1 测试环境约束 |
| 4.4.2 功能测试 |
| 4.4.3 性能测试 |
| 4.5 本章小结 |
| 第五章 算法研究及应用 |
| 5.1 概述 |
| 5.1.1 算法研究背景及应用价值 |
| 5.1.2 待解决的挑战 |
| 5.2 算法设计 |
| 5.2.1 理论推导与证明 |
| 5.2.2 贡献与创新 |
| 5.3 验证 |
| 5.3.1 实验设计 |
| 5.3.2 数据集 |
| 5.3.3 有效性证明 |
| 5.3.4 参数讨论 |
| 5.3.5 定量结果 |
| 5.3.6 定性结果 |
| 5.4 应用与效果 |
| 5.4.1 服务注册 |
| 5.4.2 使用效果 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 本文总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
（8）数据可视化代码自动生成工具的研究与实现（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 数据可视化技术研究现状 |
| 1.2.2 代码生成技术研究现状 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第2章 理论与技术研究基础 |
| 2.1 数据可视化交互呈现技术 |
| 2.1.1 Java Script |
| 2.1.2 Echarts可视化库 |
| 2.2 代码生成相关技术理论 |
| 2.2.1 基于模板的代码生成技术 |
| 2.2.2 设计模式 |
| 2.3 服务端技术 |
| 2.3.1 Spring |
| 2.3.2 Spring MVC |
| 2.4 本章小结 |
| 第3章 数据可视化代码生成方法研究 |
| 3.1 研究思路 |
| 3.2 浏览器端代码生成方法研究 |
| 3.2.1 基于模板的代码生成技术问题剖析 |
| 3.2.2 基于模板的代码生成技术改进 |
| 3.3 服务端代码生成方法研究 |
| 3.3.1 服务端代码动态部署方法研究 |
| 3.3.2 服务端代码生成方法设计 |
| 3.4 本章小结 |
| 第4章 数据可视化代码生成工具需求分析 |
| 4.1 需求概述 |
| 4.2 功能性需求 |
| 4.2.1 代码生成核心功能 |
| 4.2.2 可视化配置功能 |
| 4.2.3 模板管理功能 |
| 4.2.4 权限管理功能 |
| 4.2.5 系统监控功能 |
| 4.3 非功能性需求 |
| 4.3.1 稳定性 |
| 4.3.2 性能 |
| 4.3.3 可扩展性 |
| 4.3.4 易用性 |
| 4.4 本章小结 |
| 第5章 数据可视化代码生成工具设计与实现 |
| 5.1 总体架构设计 |
| 5.1.1 逻辑架构设计 |
| 5.1.2 技术架构设计 |
| 5.2 数据库设计 |
| 5.3 各模块设计与实现 |
| 5.3.1 代码生成核心模块 |
| 5.3.2 可视化配置模块 |
| 5.3.3 模板管理模块 |
| 5.3.4 权限管理模块 |
| 5.3.5 系统监控模块 |
| 5.4 最终效果展示 |
| 5.5 本章小结 |
| 第6章 数据可视化代码生成工具测试 |
| 6.1 功能性测试 |
| 6.1.1 测试方案 |
| 6.1.2 测试结果 |
| 6.2 非功能性测试 |
| 6.2.1 测试方案 |
| 6.2.2 测试结果 |
| 6.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
| 致谢 |
（9）基于模板的大数据统计分析报告生成方法研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 报告生成技术研究现状 |
| 1.2.2 报表工具研究现状 |
| 1.2.3 数据模型研究现状 |
| 1.3 论文主要工作 |
| 1.4 本文的组织和结构 |
| 第二章 相关理论与技术研究 |
| 2.1 模板技术 |
| 2.1.1 模板技术介绍 |
| 2.1.2 XML技术 |
| 2.2 数据存储相关技术 |
| 2.2.1 Hadoop技术 |
| 2.2.2 HDFS分布式文件系统 |
| 2.2.3 Sqoop数据迁移技术 |
| 2.3 数据分析技术 |
| 2.4 本章小结 |
| 第三章 统计分析报告生成方法设计 |
| 3.1 统计报告生成方法总体设计 |
| 3.2 统计分析报告的基本数据结构 |
| 3.2.1 统计数据定义 |
| 3.2.2 DD定义 |
| 3.2.3 FD定义 |
| 3.2.4 报告模板 |
| 3.3 统计报告生成方法的核心设计 |
| 3.3.1 可视化DD定义器设计 |
| 3.3.2 统计数据生成器设计 |
| 3.3.3 可视化FD定义器设计 |
| 3.3.4 报告生成器设计 |
| 3.4 本章小结 |
| 第四章 报告系统的设计与实现 |
| 4.1 系统总体设计 |
| 4.1.1 系统软件架构设计 |
| 4.1.2 系统功能设计 |
| 4.2 数据管理相关功能 |
| 4.2.1 数据源管理 |
| 4.2.2 统计规则管理 |
| 4.3 报告模板管理 |
| 4.3.1 可视化FD定义器 |
| 4.3.2 图表配置 |
| 4.3.3 新增/修改模板 |
| 4.4 报告生成 |
| 4.4.1 数据填充 |
| 4.4.2 数据验证 |
| 4.4.3 HTML展示 |
| 4.5 报告输出 |
| 4.5.1 打印设计 |
| 4.5.2 Excel输出 |
| 4.5.3 PDF输出 |
| 4.6 系统管理相关功能 |
| 4.6.1 登陆注册 |
| 4.6.2 系统管理 |
| 4.7 系统优化 |
| 4.7.1 表单重复提交 |
| 4.7.2 前端性能优化方案 |
| 4.7.3 数据库连接池使用 |
| 4.7.4 数据传输优化方案 |
| 4.8 本章小结 |
| 第五章 系统测试及运行效果展示 |
| 5.1 系统开发环境搭建 |
| 5.2 登录注册 |
| 5.3 数据源管理 |
| 5.4 统计规则管理 |
| 5.5 报告模板管理 |
| 5.6 系统管理 |
| 5.7 性能测试 |
| 5.8 本章小结 |
| 总结与展望 |
| 本文工作总结 |
| 未来工作展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（10）软件缺陷修复推荐技术研究与系统实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 软件缺陷 |
| 1.1.2 软件bug库及diff代码 |
| 1.1.3 研究意义 |
| 1.2 相关工作 |
| 1.2.1 缺陷修复经验分析 |
| 1.2.2 缺陷修复技术研究 |
| 1.3 论文工作 |
| 1.4 论文结构 |
| 1.5 本章小结 |
| 第2章 软件bug修复经验研究 |
| 2.1 引言 |
| 2.2 研究问题 |
| 2.3 实验设计 |
| 2.3.1 实验对象 |
| 2.3.2 验证方法 |
| 2.4 实验结果 |
| 2.5 讨论 |
| 2.6 有效性威胁 |
| 2.7 本章小结 |
| 第3章 软件bug修复模板抽取与表达 |
| 3.1 引言 |
| 3.2 技术基础 |
| 3.2.1 GumTree |
| 3.2.2 细粒度代码更改 |
| 3.3 bug修复模板构建 |
| 3.3.1 技术框架 |
| 3.3.2 细粒度更改操作分析 |
| 3.3.3 修复模板构建 |
| 3.4 实验评估 |
| 3.4.1 实验对象 |
| 3.4.2 实验设置 |
| 3.4.3 实验结果 |
| 3.5 有效性威胁 |
| 3.6 本章小结 |
| 第4章 基于模板的修复方案推荐 |
| 4.1 引言 |
| 4.2 技术基础 |
| 4.2.1 深度学习 |
| 4.2.2 程序处理 |
| 4.3 bug修复推荐方法 |
| 4.3.1 技术框架 |
| 4.3.2 bug定位 |
| 4.3.3 基于修复模板的修复推荐方法 |
| 4.4 实验评估 |
| 4.4.1 实验对象 |
| 4.4.2 实验设置 |
| 4.4.3 实验结果 |
| 4.5 有效性威胁 |
| 4.6 本章小结 |
| 第5章 缺陷修复推荐系统实现 |
| 5.1 运行环境 |
| 5.2 功能模块设计 |
| 5.3 系统实现 |
| 5.4 系统展示 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来工作 |
| 参考文献 |
| 附录 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
四、一种基于模板的系统开发方法（论文参考文献）
- [1]基于开源仿真平台的自动代码生成研究[D]. 刘天宇. 中北大学, 2021(09)
- [2]基于强化学习的人机谈判系统[D]. 范怡帆. 广西师范大学, 2021(09)
- [3]基于智能模板的消化内镜报告自动生成系统设计与实现[D]. 柏欣雨. 山东大学, 2021(12)
- [4]基于服装推荐知识图谱的语音问答系统[D]. 刘栒. 东华大学, 2021(09)
- [5]面向软件缺陷的问答技术研究与系统实现[D]. 陆金婷. 扬州大学, 2021(08)
- [6]互联网医院项目代码自动生成的设计与实现[D]. 滕杨凡. 北京邮电大学, 2021(01)
- [7]基于SSM框架的通用图像分析工具设计与实现[D]. 马祥天. 电子科技大学, 2021(01)
- [8]数据可视化代码自动生成工具的研究与实现[D]. 刘东洋. 北京工业大学, 2020(06)
- [9]基于模板的大数据统计分析报告生成方法研究与应用[D]. 姚颖. 华南理工大学, 2020(02)
- [10]软件缺陷修复推荐技术研究与系统实现[D]. 朱轩锐. 扬州大学, 2020(04)