一、七级语义量词赋值差值分析比较（论文文献综述）
朱镇远[1]（2020）在《大学生网络交互的行为空间构建、轨迹预测及引导研究》文中提出大学生群体思想活跃、接受新生事物能力强,是我国网络社会发展的重要组成部分,也是未来决定我国网络社会政治、经济、文化基调的关键力量。网络在为大学生群体提供诸多便利的同时,也给大学生群体的整体发展带来隐患。大学生群体接触到网络信息海洋当中的非健康信息后,由于其涉世未深、情绪稳定性低的特点,极易受到此类负面信息的影响,进而衍生出失范的网络信息交互行为。大学生群体是网民当中的高素质群体,理应在网络信息环境建设当中发挥模范带头作用,更应作为理性的网络公民为构筑清朗的网络空间贡献出自身的力量。因此,对大学生群体的网络信息交互行为进行研判具有重要的理论及现实意义。大学生群体网络信息交互行为从概念而言,是以大学生群体为主体,针对其自身信息需求对网络信息资源进行获取、使用后,与他人产生共享、交流、互动等一系列信息交互的过程。如何精确定位、快速应对大学生群体产生的非健康网络信息交互行为,是政府、社会、网络信息平台、高校亟待解决的问题。通过对大量文献的调查与分析,可认为大学生群体网络信息交互行为是大学生主体、网络信息需求、网络信息资源、网络信息情景、信息交互行本体共同作用影响的复杂集合体。由于大学生群体网络信息交互行为所具有的隐蔽性、突变型、随机性等特点,亟须一种能够融合定性分析与定量计算的新方法对其进行研判,以期提高大学生群体网络信息交互行为预测及引导的效率效能。怀揣着对以上问题的深度思考,本文尝试以大学生群体网络信息交互行为空间构建和信息交互行为轨迹绘制、预测的相关理论构筑与实践研究,提供一种更为客观的大学生群体网络信息交互行为分析预测方法。目前,针对大学生群体网络信息交互行为的分析、预测、引导研究内容较为割裂,多数研究以大学生个体为研究对象,且主要为针对信息交互行为的影响要素研究,缺乏系统性分析的过程。鉴于此,本文综合信息学、管理学、计算机科学、统计学、思想政治教育等多学科优势,探讨对大学生群体网络信息交互行为进行行为空间构建与轨迹预测的方法。明确了大学生群体网络信息交互行为空间构建、网络信息交互行为轨迹绘制的概念与原则,深度解析了大学生群体网络信息行为空间构建与轨迹绘制预测的机理,构建了对应的模型,并以实证研究的方式探讨了模型的可行性。最终,综合运用网络信息行为空间构建和轨迹绘制当中的相关理论对大学生群体网络信息交互行为进行分型,从而为更好更快地实现大学生群体网络信息行为的规范引导提供了指导,丰富了大学生群体网络信息行为理论与实践应用的内涵。本文的主要研究内容包括以下几方面:第一,通过对国内外相关文献的梳理,借鉴当中信息行为的相关理论与方法,对大学生群体网络信息交互行为的内涵、外延、概念进行了探讨,利用经典信息行为模型将大学生群体网络信息交互行为的属性主要归于大学生群体主体、大学生群体网络信息需求、大学生群体网络交互载体,大学生群体网络信息交互行为本体属性四类,并就大学生群体网络信息交互行为的特征进行了分析。第二,提出了大学生群体网络信息交互行为空间构建的概念、目标与原则。分析了大学生群体网络信息交互行为空间构建与网络信息交互行为轨迹绘制之间的关联关系。阐述了大学生群体网络信息交互行为空间构建所涉及的属性选取、数据遴选、网络加权、模型构建机理。综合运用改进数据分析法、中心度算法、Page Rank算法、支持向量机算法、基于聚类有效性判断的文本聚类算法、熵权法等方法构建了大学生群体网络信息交互行为空间构建的理论模型,总结归纳出大学生群体网络信息交互行为空间构建的指标体系与指标体系当中各项测度的计算方法,并通过实证的方式对模型进行研判,完成了大学生群体网络信息交互行为空间的构筑,为后续大学生群体网络信息交互行为轨迹绘制与预测完成了前置理论分析。第三,提出了大学生群体网络信息交互行为轨迹绘制的概念、目标、原则,提出了大学生群体网络信息交互行为轨迹绘制与预测的数据遴选、函数拟合、相似度计算、模型构建的四项机理。在此之上,综合运用包括曲线拟合、本底趋势线、灰色系统在内的函数拟合方法及轨迹相似度计算方法建立了大学生群体网络信息交互行为轨迹预测模型,以实证分析的方法比较了函数拟合方法和轨迹相似度方法的有效性,为大学生群体网络信息交互行为预测方法提供了新的思考维度。第四,根据大学生群体网络信息交互行为空间构建和行为轨迹绘制预测研究结论,从群体活跃度、行为健康性、行为稳定性三个分型要素构建了大学生群体网络信息交互行为分型模型,并以此服务于大学生群体网络信息交互行为规范引导策略,为大学生群体网络信息交互行为的科学规范与引导提供了理论依据。大学生群体网络信息交互行为空间构建与轨迹预测,是大学生群体网络信息交互行为引导的重要理论工具。通过数学模型和计算机编程,能够将大学生群体网络信息交互行为空间构建和轨迹绘制、预测的理论运用到实践当中,为大学生群体网络信息交互行为的相关研究提供新的思路与方法。
杨延娇,赵国涛,王丕栋[2]（2021）在《基于语义与情感的句子相似度计算方法》文中提出针对汉语语句表意灵活复杂多变的特点,提出一种基于语义与情感的句子相似度计算方法,从表意层面计算句子相似度。该方法使用哈工大LTP平台对句子进行预处理,提取词语、词性、句法依存标记与语义角色标记,将语义角色标注结果作为句中语义独立成分赋予相似度权重系数,综合句法依存关系与词法关系计算两句相同标签语义独立成分相似度得到部分相似度,加权计算部分相似度得到句子整体相似度。另外,考虑到情感与句式因子,在整体相似度的基础上对满足条件的两句计算情感减益与句式减益。实验结果表明,该方法能有效提取出句子语义独立成分,从语义层面上计算句子相似度,解决了信息遗漏与句子组成成分不一致的问题,提高了句子相似度计算的准确率与鲁棒性。
祝琳琳[3]（2020）在《在线评论信息质量感知研究》文中认为互联网时代随着信息技术的飞速发展,电子商务交易模式及线上服务已风靡全球,在电商交易过程中,用户依赖网络口碑进行购物决策已成为常态。然而,随着用户生成内容的不断增多,在线评论作为用户生成内容的形式之一,其数量也在不断增长,信息超载的问题逐渐显现,大量涌现的在线评论会导致用户信息搜寻成本变高,消费者的决策效率更低,因此从大量评论中及时准确地发现有价值的信息变得愈加困难。由于用户的个体特征差异和任务特征差异,用户的认知水平和信息处理模式很难达成一致,在线评论信息质量感知具有极强的主观性,因此从大量评论中再进一步寻找高质量并且能够符合用户感知需求的评论信息也成为了更大的挑战。本研究以电子商务购物网站的在线评论为研究对象,以在线评论信息质量感知为研究核心,主要拟解决以下几个问题:1.从信息处理视角出发,构建了在线评论信息质量感知机理模型;2.应用信息丰富度理论,检验了信息丰富度、情感极性和产品类型三个影响因素在不同水平下,每个影响因素对在线评论信息质量感知的不同影响方向;3.基于耶鲁态度改变模型和线索利用理论,从评论信息的媒介、评论信息的内容、评论信息的来源方面,结合评论信息的接收者,构建了在线评论信息质量感知评价指标体系。4.利用自然语言处理等相关技术深入剖析在线评论的语义内容和情感强度并对评价指标进行量化,实现了对真实评论信息质量的评价与分析;5.基于S-O-R框架,揭示了由信息层面的在线评论信息质量感知到用户行为层面的购买意愿的路径关系。围绕上述问题,本文首先研究了在线评论信息质量感知机理,进而分析了在线评论信息质量感知的影响因素,然后构建了在线评论信息质量感知评价指标体系、对相关网站的真实在线评论数据进行了实际评价应用分析,最后揭示了由在线评论信息质量转向购买意愿的内部实现路径。本文综合运用了信息丰富度理论、耶鲁态度改变模型、线索利用理论和刺激-机体-反应框架,结合多因素方差分析、层次聚类分析、主成分分析、模糊综合评价和偏最小二成方法统计分析方法,以及关键词抽取、依存句法分析和情感分析的自然语言处理技术对在线评论信息质量感知进行研究,具体内容如下:第1章阐述了在线评论信息质量感知研究选题的研究背景与研究意义,而后系统梳理了国内外研究现状并进行述评,确定了本文的研究内容、研究方法、研究技术路线和研究创新点。第2章首先界定了在线评论和信息质量的相关概念,然后介绍了本文研究涉及到的相关的理论和模型、统计分析方法和自然处理技术。第3章对在线评论信息质量感知的概念和关键特征进行了分析,将在线评论信息质量感知的要素分为主体要素、客体要素平台要素和环境要素。从信息处理视角出发,分析了在线评论信息获取、信息认知处理、信息质量评价、内部态度形成和外部行为反应五个阶段,分析了影响信息认知处理的情境因素包括信息接收者人口特征和任务特征,并厘清了各个阶段之间的路径关系,进而构建了在线评论信息质量感知机理模型,本章研究为全文奠定了坚实的理论基础,是全文的核心理论研究框架。第4章围绕信息丰富度理论,结合情感极性和产品类型,利用实验与问卷调研相结合的研究方法,设计系统原型模拟用户阅读评论过程。主要采用多因素方差分析检验了三因素不同水平下,信息丰富度、情感极性和产品类型对在线评论信息质量感知的影响关系。研究结果表明,在不同的信息丰富度下,不同情感极性对信息质量感知具有不同的影响。信息丰富度高的情况下,负面评论的信息质量感知高,而在信息丰富度为中的情况下,正面评论的信息质量感知较高。在不同的信息丰富度下,不同产品类型对信息质量感知具有不同的影响。信息丰富度高的情况下,体验型产品的在线评论信息质量感知较高,而在信息丰富度低的情况下,搜索型产品的在线评论信息质量感知较高。不同产品类型的正负情感极性对信息质量感知具有不同的影响。当产品为体验型产品时,负面评论的信息质量感知较高,而当产品为搜索型产品时,正面评论的信息质量感知较高。第5章基于耶鲁态度改变模型,结合线索利用理论,分别从评论信息的媒介、评论信息的内容、评论信息的来源方面,并结合评论信息的接收者中的用户人口特征和产品涉入度,构建了在线评论信息质量感知评价指标体系。评价指标分别为:①评论信息的媒介:文字长度、图片数量和视频长度;②评论信息的内容:在线评论文本因素、在线评论数量因素和在线评论补充因素。其中在线评论文本因素包括内部线索描述数量、外部线索描述数量、商家描述数量、物流描述数量、内部线索描述情感强度、外部线索描述情感强度、商家描述情感强度、物流描述情感强度、文本总体情感强度和文本可读性;在线评论数量因素有评分星级、点赞数和一致性;在线评论补充因素有卖家回复数量;③评论信息的来源:评论撰写者等级。利用层次聚类分析对调查用户进行了分类,然后分别确定了高、低涉入度组被调查者对在线评论信息质量感知评价指标的不同权重结果。第6章应用在线评论信息质量感知评价指标体系,对某品牌体验型产品运动鞋在京东和苏宁易购上的产品评论质量进行了评价。首先通过Python获取评论数据,然后分别对评价指标进行量化处理,其中与文本相关的评价指标需要通过自然语言处理技术进行量化。然后利用量化数据对两个平台的评论质量进行模糊综合评价分析。研究结果表明,在高涉入度组和低涉入度组两组评价指标权重下,京东评论的信息质量感知均高于苏宁易购;当对产品涉入度高时,选择查看京东的评论更能获得高质量的评论信息,但是总的来看,高涉入度用户较难从现有平台中获取符合感知需求的高质量评论信息。第7章基于S-O-R框架,将评论的信息质量感知和社会临场感视为刺激因素（S）,信任和满意度为机体因素（O）,购买意愿为反应因素（R）,同时选择在线评论文本的正面和负面情感极性作为调节变量,通过实验和问卷调查相结合的方式收集研究数据,并利用SmartPLS软件的偏最小二成方法验证假设关系。研究结果表明,信息质量感知和社会临场感都对信任和满意度产生积极影响;在线评论的满意度会影响购买意愿;文本情感极性的调节作用存在,正面评论的信息质量感知对信任、满意度和购买意愿具有更显着的影响。第8章在在线评论质量感知机理分析、在线评论信息质量感知影响因素分析、在线评论信息质量感知评价研究、在线评论信息质量感知评价评价应用研究、信息质量感知对购买意愿影响分析的研究结果的基础之上,依照在线评论“信息生成—信息管理—信息行为”的过程,分别从激励高质量在线评论信息生成、有效展开在线评论信息管理、促进由在线评论信息向购买行为转化的角度为在线评论平台管理者提出在线评论管理的提升策略。第9章主要总结了研究结论,提出了研究局限性与未来研究的展望。本文的研究工作在理论层面上完善和丰富了在线评论信息质量感知评价理论体系、为信息质量的感知研究提供新的研究视角、为在线评论质量感知管理提供理论基础和科学依据。在实践层面上,为商家提供了评价在线评论信息质量的有效指导、有助于推动个性化高质量在线评论推荐服务、为开展口碑营销提供了从评论信息质量层面分析的实践思路。
张莉[4]（2020）在《基于词向量扩展的语义检索模型研究》文中提出信息技术的快速发展改变了人们的工作、学习与生活,如何从大量的文本数据中快速并且准确地检索到用户需要的信息成为了大数据信息时代的一大难题。传统信息检索方法是基于关键词的检索,忽略了语义信息,用户检索体验较差。本文将查询匹配方法引入查询扩展技术,并且结合改进后的排序算法和全文搜索引擎对信息检索技术进行优化,有助于改善用户查询过程中存在的“词不达意”和“文档不匹配”的问题。本论文的工作内容及主要贡献如下。首先,针对传统查询扩展算法忽略语义信息的缺点,在基于Word2vec查询扩展方法的基础上,结合自动阈值筛选方法和改进的LSF技术,提出基于词向量的语义扩展算法LW-TF。LW-TF算法实现的查询匹配包括两个步骤:一是结合自动阈值筛选方法和改进的LSF技术,以获取语义扩展词实现语义匹配;二是通过向量加权法获取查询向量和文档向量,实现关联匹配。实验结果表明,基于词向量的语义扩展算法相较于其他算法实现了查全率和查准率的提升,证明了算法的有效性。其次,本文结合LW-TF算法与改进后的BM25F-N排序评分算法,在全文检索的基础上,提出基于词向量扩展的语义检索算法,改善了传统搜索引擎排序算法对搜索结果评分排序时容易忽略文档重要信息的缺点。本文以财经新闻作为实验数据,将新闻的时间因素和网站知名度因素列为搜索结果排序的重要考核指标。实验结果表明,基于词向量扩展的语义检索算法的检索效果,相较于其他算法实现了语义检索查全率、查准率和F-measure的提升,达到了良好的检索效果。最后,建立了基于词向量扩展的语义检索模型,完善各个功能模块并通过实验验证。检索结果表明本文提出的语义检索模型相较于传统查询检索方法,充分考虑了查询与扩展词之间的语义关系以及查询与文档之间的匹配关系,同时引入时间因素和网站知名度因素对检索结果进行排序。希望通过本次研究可为语义检索模型的研究与设计提供一定参考价值。
汶东震[5]（2019）在《基于排序学习的代码检索》文中研究表明软件工程师在开发过程中会耗费大量时间针对编程语言特性、API使用规范、算法实现等诸多内容进行搜索。而随着现代软件开发规模的增大,代码检索（Code Retrieval）在软件开发过程中的重要性也随之增大。新手开发者和学生能够通过代码检索工具进行学习,富有经验的开发者也能通过代码检索工具加快开发进度。代码检索研究领域属于软件工程与信息检索研究的交叉领域。代码检索旨在提供与符合用户意图的代码片段以增强现有代码复用（Code Reuse）能力,具有较高的实用价值;同时,解决程序语言与自然语言之间匹配的鸿沟一直是相关研究的重点。本文主要贡献如下:1)代码检索研究综述:本章以时间线为线索,针对代码检索研究近二十年间相关研究进行综述,通过分析近十年间发表于顶会、顶刊的代码检索研究文献,梳理代码检索研究与软件工程、自然语言处理相关技术的联系和区别,总结相关技术,为后续研究提供借鉴。2)融合文本特征的排序学习模型:本章从文本表示角度出发,结合软件工程领域相关背景,提出一种基于多级语义相关性表示模型的特征抽取方法。通过构建领域特征研究自然语言与程序语言匹配性问题,并结合排序学习模型在P@K、NDCG等指上对特征体系有效性进行评估。3)基于代码表示的深度匹配模型:本章在深度文本匹配模型基础上,提出针对程序语言与自然语言联合建模的源代码深度匹配模型,并在此基础上构建深度代码检索系统。经过相关实验验证,基于源代码深度匹配模型的代码检索模型能够取得较好结果,同时摆脱对精标注数据的依赖。4)代码检索系统:为了从实践角度验证前两个章节研究的有效性,结合前两章研究成果,在检索算法有效性（Effectiveness）研究的基础上,针对系统可用性（Availability）进行进一步探究,构建代码检索应用系统。
朱林风[6]（2019）在《问答系统中答案选择算法研究》文中进行了进一步梳理问答系统是自然语言处理中一项十分重要而具有挑战性的任务,其中的答案选择任务是问答系统的关键环节。答案选择任务为给定一个问题和一系列候选答案,从中选择出其中最匹配的答案。当前对于答案选择任务的大部分工作,都将其建模成问题和答案的语义匹配,比较两个句子之间的语义相关程度来决定正确问题。本文主要研究基于语义匹配式的答案选择算法,针对当前基于注意力机制的工作,对于语义匹配部分提出了一些存在的问题,并且设计实现了解决的方案,并在答案选择数据集上通过实验来证明其有效性。本文的工作可以总结为两点:1、设计实现了局部语义和词的联合语义匹配对齐模型。针对当前答案选择任务的模型中,对于语义信息匹配对象的不足,仅仅通过词级别的信息无法对句子语义进行充分比较的问题,提出了抽取语句的局部语义信息并且与词级别信息进行联合对齐的模型。设计并实现了多种抽取局部语义信息的方式和不同的局部语义信息与词对齐的方法。2、设计实现了基于传统注意力机制的动态语义阈值网络。针对传统注意力机制在两个句子间语义对齐时,由于归一化权重再加权的方式,引入不相关甚至负相关语义信息带来的噪声问题,并且指出一些静态语义阈值方法存在的不足,实现了结合词本身语义和上下文信息的动态语义阈值网络。
李哲锋,董璐,刘月妍,郭永华[7]（2019）在《夜景照明条件下木质景观建筑物表面的视觉感官评价》文中认为木结构建筑在景观建筑物中占有十分重要的地位。为了研究在夜景照明条件下人们对木制景观建筑物表面的好感度与协调度,以呼和浩特市大召寺前广场的木制景观构筑物为例,采用实地勘测调研与现场问卷调查相结合的方法对其进行了相关的调查分析。结果表明,木构表面的变色与表面粗糙度是影响其感观舒适度的主要因素,而照明灯具的照度（亮度）、色温以及显色性则是影响景观木构建筑外观表现的重要物理量,结合周边的环境背景综合影响着人们对木质景观建筑物的主观视觉评价。
杨鹏[8]（2018）在《基于领域词典与机器学习的中文评论情感分析》文中研究指明随着互联网日新月异的发展,以微博、论坛和电商为代表的线上平台正在崛起。人们越来越习惯于在这些平台上发表对实事热点的观点以及对产品的使用感受,这一现象使得评论数据爆炸式增长。在这些评论中,大量对于商家、卖家以及政府有价值的情感信息蕴含其中,如何提取并应用这些情感信息使得情感分析应运而生。基于词典的情感分析方法作为情感分析最基础的方法,对于特定领域通常没有非常合适的词典可以使用,其打分规则也有待优化。因此本文基于SO-PMI算法构建了酒店领域情感词典,基于中文语法结构提出一套打分规则。对预处理之后的数据结合多种词典进行情感权值计算,按照打分规则得到句子情感得分从而判断句子情感极性。实验证明,所提出的基于情感词典的情感分析方法有较高的准确率。在中文文本中语境复杂,常常存在一词多义的现象,使得基于情感词典的情感分析方法会产生一定的误差。深度学习作为机器学习的高性能方法,可以在语境复杂的中文文本中有更好的表现力,而取得这样的表现是在构造出优秀的中文词向量的前提下。因此本文基于维基中文数据集,利用Word2Vec工具构造了一套适用于所有中文的词向量。在对比实验中,所构建出的中文词向量具有不错的表现。在取得性能优良的词向量后,本文根据Python第三方库构建了一个基于LSTM循环神经网络的情感分析模型,利用激活函数Sigmoid作为输出层,采用交叉熵作为损失函数。使用之前训练出的词向量作为模型输入,解决句子级评论文本的情感分析任务。准确率优于传统情感分析方法,提高了情感分析结果。
孙莹[9]（2013）在《基于Web文本挖掘的企业口碑情感分类模型研究》文中提出随着互联网的发展,消费者越来越热衷于通过博客、点评网站等渠道分享关于各种品牌、产品以及服务的购买心得,由此产生的网络口碑会直接影响其他消费者的购买决策。一方面,积极正面的口碑可以为企业吸引更多的客户,带来更大的利润；另一方面,过多的负面口碑会降低企业的信誉度,造成客户的流失。因此,对企业网络口碑进行情感分类,分析消费者的情感倾向,不仅有助于企业对负面口碑作出及时的反应,制定有效的应对策略；同时,通过对这些口碑文本细粒度的挖掘分析,还可以发现其中的商业价值,将其应用到产品个性化推荐,用户兴趣发掘等多个方面。本文以Web文本挖掘技术为基础,以情感分析技术为主线,研究了Web文本数据爬取,中文切词分词,停用词过滤等文本采集与预处理的关键技术；并在此基础上研究了特征选择方法及其对情感分类的影响；然后基于情感词典构建了企业口碑倾向性计算模型,并用于酒店口碑情感分类的实证；接着利用K最邻近（KNN）算法构建情感分类器,实现细粒度的情感模型,最后同样针对酒店企业进行了细粒度的情感分类实证研究。本文的主要的研究工作包括：第一,研究了口碑网HTML页面的DOM树结构,利用RostDM软件设计了针对酒店评论的URL抓取规则和文本数据采集规则,采集了口碑网中两千多条,近十万字的酒店评论作为语料库。该语料库来自于消费者对酒店的主观评论,具有专业性,情感特征明显等优点,对研究Web文本的情感倾向问题具有一定的意义。第二,研究了特征选择对情感分类的影响,在训练文本分类器的过程中,特征项的选择对分类器的效率和精度有显着的影响。本文采用KNN算法训练不同维度的特征集,得出对于情感文本的分类,用于训练的特征集并非越多越好。选取适量的特征集有助于提高后续研究的效率和准确度。第三,构建了基于情感词典的口碑倾向性计算模型,该模型通过改进原有的知网词典（HowNet）,重新构建了情感词词典,添加了否定词词集以及程度副词词集,将不同强度的程度副词划分为五个等级,用于口碑文本的情感倾向性计算。并在该模型的基础上对前面采集到的近千条酒店口碑文本进行了情感分类。第四,研究了细粒度的情感分类模型,对消费者所关注的酒店的房间、价格、位置、服务等属性进行了情感倾向性分析。模型描述了构建细粒度情感分类器的具体流程,通过计算文档频度提取出评论中情感词所关联的高频属性词（比如：房间、价格、位置、服务等）,将含有该属性词的文本归为一组,利用RapidMiner文本挖掘软件中的KNN算法分组训练分类器,从而对消费者所关注的各个属性进行情感分类。细粒度的情感分类帮助企业更加细致的了解消费者对其产品或服务在某个属性上的满意度,可以更好的针对这些属性提出改进策略。
袁宏川[10]（2011）在《建设工程合同管理绩效评价与分析 ——以三峡工程为例》文中研究表明举世瞩目的三峡工程从梦想变成了现实,这一凝结了无数中国人心血和智慧的跨世纪宏伟工程在极大地丰富了中国人民的物质财富的同时,也给我们炎黄子孙留下了不可磨灭的精神食粮。三峡工程合同管理,以其规范的运作、严格的管理和难以替代的作用,极大地促进了三峡枢纽工程建设和百万移民安置的顺利进行,为三峡库区的经济发展和社会进步做出了重大贡献;对新形势下国家投资兴建大型工程项目发挥监督管理作用进行了有益的探索和尝试,对我国建设工程管理体制机制的建立和发展进行了改革和创新,有力促进了我国建筑市场的健康发展。但由于我国社会经济的历史背景和发展环境的特殊性,建筑行业的发展还处于初级阶段,各种政策、制度和措施还需要进一步完善,尤其是以合同管理为标志的建筑市场经济体制建设更不是一朝一夕能够完成的,需要做出长期艰苦的努力。建设工程合同管理绩效评价就是促使建筑市场发展和完善的一种有力工具,它从建设工程的可行性研究（或招投标）阶段开始,历经工程建设的各个重要环节,对工程建设项目的招标投标、勘察设计、施工、生产等各个阶段以及参与工程建设的各方,包括业主、承包商、勘察设计、监理咨询、银行、保险、交通运输、卫生检疫、政府部门甚至于群众个人等各个主体的工作成效进行科学、客观、公正的评价和分析,协调、指挥、处理工程建设各个阶段中出现的重大经济、技术问题,调解、仲裁各种纠纷,化解矛盾,提高效率,是提高我国工程建设项目管理水平的重要推手。本文通过对众多三峡工程合同管理文件内容的分析,从合同管理组织的结果绩效和行为绩效两方面入手,着重从以下几个方面进行了独创性研究和探索:1.借鉴、融合企业管理绩效评价和项目评价的有关思想、理论和方法,在广泛调查研究和专家咨询的基础上,把绩效评价方法首次运用于考核和评价三峡工程合同管理效果的实践,扩展和延伸了绩效评价的应用范围;2.建立了三峡工程合同管理绩效评价指标体系,构建了实用的绩效评价模型,对三峡工程众多合同管理文件的绩效进行评价和分析,取得了极其丰富和宝贵的第一手资料,为三峡后续工程建设和其它大中型工程项目建设提供了有益的经验和借鉴;3.提出了我国建设工程合同管理绩效评价的最高目标和现阶段的操作思路,并付诸于三峡工程的建设实践,为下一步建立更大范围的建设工程合同管理绩效评价系统和整个建筑行业的合同管理绩效评价体系打下坚实的基础;4.制定、增加、修改、补充和完善了部分合同范本的条款,使之更适合于我国工程建设管理的实际情况,改变了我国工程建设合同管理主要参照和沿用国外示范文本的做法;5.从经济学、管理学等理论高度对三峡工程合同管理绩效评价活动进行了总结,对合同管理绩效评价今后的发展方向进行了展望和思考,并提出了一些有参考价值的意见和建议。
二、七级语义量词赋值差值分析比较（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、七级语义量词赋值差值分析比较（论文提纲范文）
（1）大学生网络交互的行为空间构建、轨迹预测及引导研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 大学生群体网络信息交互行为规范的时代需求 |
| 1.1.2 大学生群体网络信息交互行为规范的潜在问题 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 现实意义 |
| 1.3 国内外研究现状综述 |
| 1.3.1 国内网络信息交互行为研究综述 |
| 1.3.2 国外网络信息交互行为研究综述 |
| 1.3.3 网络信息行为预测研究综述 |
| 1.3.4 大学生群体网络信息行为规范研究综述 |
| 1.3.5 研究现状述评 |
| 1.4 研究内容与研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 1.5 论文创新点 |
| 第二章 相关理论基础 |
| 2.1 信息论与系统论 |
| 2.1.1 信息论 |
| 2.1.2 系统论 |
| 2.2 信息行为相关理论与模型 |
| 2.2.1 信息行为构成要素 |
| 2.2.2 信息行为学相关理论 |
| 2.2.3 信息行为模型 |
| 2.3 社会网络相关理论 |
| 2.3.1 结构洞理论 |
| 2.3.2 社会角色理论 |
| 第三章 大学生群体网络信息交互行为的相关理论分析 |
| 3.1 大学生群体网络信息交互行为概念界定 |
| 3.1.1 大学生群体网络信息交互行为的内涵 |
| 3.1.2 大学生群体网络信息交互行为的外延 |
| 3.1.3 大学生群体网络信息交互行为的定义 |
| 3.2 大学生群体网络信息交互行为要素属性分析 |
| 3.2.1 大学生群体网络信息交互行为主体属性 |
| 3.2.2 大学生群体网络信息需求属性 |
| 3.2.3 大学生群体网络信息交互情境属性 |
| 3.2.4 大学生群体网络信息交互行为本体属性 |
| 3.3 大学生群体网络信息交互行为特征分析 |
| 3.3.1 时空延续性 |
| 3.3.2 极性动态性 |
| 3.3.3 演化周期性 |
| 3.3.4 群体可知性 |
| 第四章 大学生群体网络信息交互行为空间构建机理分析 |
| 4.1 大学生群体网络信息交互行为空间构建概念与目标分析 |
| 4.1.1 大学生群体网络信息交互行为空间构建概念 |
| 4.1.2 大学生群体网络信息交互行为空间构建目标 |
| 4.1.3 大学生群体网络信息交互行为空间构建与行为轨迹绘制内在关联 |
| 4.2 大学生群体网络信息交互行为空间构建原则 |
| 4.2.1 层次性原则 |
| 4.2.2 全面性原则 |
| 4.2.3 量化性原则 |
| 4.2.4 系统性原则 |
| 4.2.5 开放性原则 |
| 4.2.6 具象化原则 |
| 4.3 大学生群体网络信息交互行为空间构建机理 |
| 4.3.1 大学生群体网络信息交互行为空间构建的属性选取机理 |
| 4.3.2 大学生群体网络信息交互行为空间构建的数据遴选机理 |
| 4.3.3 大学生群体网络信息交互行为空间构建的网络加权机理 |
| 4.3.4 大学生群体网络信息交互行为空间构建的模型构建机理 |
| 第五章 大学生群体网络信息交互行为空间构建模型 |
| 5.1 基于改进数据分析法的大学生群体网络信息交互行为指标构建与筛选模型 |
| 5.1.1 大学生群体网络信息交互行为初始指标体系构建 |
| 5.1.2 基于改进数据分析法的大学生群体网络信息交互行为指标体系筛选模型 |
| 5.2 大学生群体主体属性数据获取模型 |
| 5.2.1 基于中心度与Page Rank算法的大学生群体社会网络属性数据获取模型 |
| 5.2.2 基于支持向量机的大学生群体情感测度模型 |
| 5.3 大学生群体网络信息需求属性稳定性数据获取模型 |
| 5.3.1 大学生群体网络信息需求衍进指数内涵 |
| 5.3.2 大学生群体网络信息需求衍进判定流程 |
| 5.3.3 基于聚类有效性的大学生群体网络信息需求衍进指数 |
| 5.4 大学生群体网络信息交互行为指标权重计算模型 |
| 5.5 大学生群体网络信息交互行为空间构建实证研究 |
| 5.5.1 大学生群体网络信息交互行为空间构建实证数据来源 |
| 5.5.2 大学生群体网络信息交互行为空间构建实证流程 |
| 5.5.3 大学生群体网络信息交互行为空间构建实证结果 |
| 第六章 大学生群体网络信息交互行为轨迹预测机理分析 |
| 6.1 大学生群体网络信息交互行为轨迹绘制概念与目标分析 |
| 6.1.1 大学生群体网络信息交互行为轨迹绘制概念 |
| 6.1.2 大学生群体网络信息交互行为轨迹绘制目标 |
| 6.2 大学生群体网络信息交互行为轨迹绘制原则 |
| 6.2.1 主体边界性原则 |
| 6.2.2 主体完整性原则 |
| 6.2.3 属性协同性原则 |
| 6.2.4 属性自适应原则 |
| 6.2.5 流程自动化原则 |
| 6.2.6 媒体多样化原则 |
| 6.3 大学生群体网络信息交互行为轨迹预测机理 |
| 6.3.1 大学生群体网络信息交互行为轨迹绘制的数据遴选机理 |
| 6.3.2 大学生群体网络信息交互行为轨迹的函数拟合预测机理 |
| 6.3.3 大学生群体网络信息交互行为轨迹的相似度计算及预测机理 |
| 6.3.4 大学生群体网络信息交互行为轨迹预测的模型构建机理 |
| 第七章 大学生群体网络信息交互行为轨迹预测模型 |
| 7.1 基于函数拟合的大学生群体网络信息交互行为轨迹预测模型 |
| 7.1.1 基于曲线拟合分析的大学生群体网络信息交互行为轨迹预测模型 |
| 7.1.2 基于本底线法的大学生群体网络信息交互行为轨迹预测模型 |
| 7.1.3 基于灰色预测法的大学生群体网络信息交互行为轨迹预测模型 |
| 7.2 基于轨迹相似度计算的大学生群体网络信息交互行为轨迹预测模型 |
| 7.2.1 大学生群体网络信息交互行为轨迹分段 |
| 7.2.2 大学生群体网络信息交互行为轨迹结构相似度计算 |
| 7.3 大学生群体网络信息交互行为预测实证研究 |
| 7.3.1 大学生群体网络信息交互行为轨迹预测数据来源 |
| 7.3.2 大学生群体网络信息交互行为轨迹预测实证过程 |
| 7.3.3 大学生群体网络信息交互行为轨迹预测实证结果 |
| 第八章 大学生群体网络信息交互行为分型与规范引导策略 |
| 8.1 大学生群体网络信息交互行为分型 |
| 8.1.1 大学生群体网络信息交互行为分型要素 |
| 8.1.2 大学生群体网络信息交互行为等级分型体系 |
| 8.2 大学生群体网络信息交互行为规范引导机制 |
| 8.2.1 大学生群体网络信息交互行为显性引导机制 |
| 8.2.2 大学生群体网络信息交互行为隐性引导机制 |
| 8.2.3 大学生群体网络信息交互行为引导效力评价及优化机制 |
| 8.3 基于大学生群体网络信息交互行为分型的规范引导策略 |
| 8.3.1 红色级别大学生群体网络信息交互行为规范引导策略 |
| 8.3.2 橙色级别大学生群体网络信息交互行为规范引导策略 |
| 8.3.3 黄色级别大学生群体网络信息交互行为规范引导策略 |
| 8.3.4 蓝色级别大学生群体网络信息交互行为规范引导策略 |
| 第九章 结论与展望 |
| 9.1 研究总结 |
| 9.2 研究展望 |
| 参考文献 |
| 附录 |
| 附录 Ⅰ 大学生群体网络信息交互行为调查问卷 |
| 附录 Ⅱ 大学生群体网络信息交互行为空间构建指标体系专家评价矩阵 |
| 附录 Ⅲ 调查对象大学生群体网络信息交互行为空间构建结果 |
| 附录 Ⅳ 灰度模型求解的MATLAB代码 |
| 攻读博士期间取得的研究成果 |
| 致谢 |
（2）基于语义与情感的句子相似度计算方法（论文提纲范文）
| 1 基于语义与情感的句子相似度计算方法 |
| 1.1 本文创新点 |
| 1.2 词语相似度计算方法 |
| 1.3 语义分析 |
| 1.4 情感分析 |
| 2 实验与结果分析 |
| 2.1 实验环境 |
| 2.2 实验设计与评价指标 |
| 2.3 实验结果与分析 |
| 3 结束语 |
（3）在线评论信息质量感知研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景~* |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 国内外研究现状 |
| 1.3.1 在线评论研究现状 |
| 1.3.2 信息质量研究现状 |
| 1.3.3 信息质量感知研究现状 |
| 1.3.4 研究现状述评 |
| 1.4 研究内容与研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.5 研究技术路线 |
| 1.6 研究创新点 |
| 第2章 相关概念与理论基础 |
| 2.1 在线评论的相关概念 |
| 2.1.1 在线评论的内涵 |
| 2.1.2 在线评论的本质 |
| 2.1.3 在线评论的作用 |
| 2.2 信息质量的相关概念 |
| 2.2.1 信息质量的内涵 |
| 2.2.2 信息质量的类型 |
| 2.2.3 在线评论信息质量 |
| 2.3 相关理论与模型 |
| 2.3.1 信息丰富度理论 |
| 2.3.2 耶鲁态度改变模型 |
| 2.3.3 线索利用理论 |
| 2.3.4 刺激-机体-反应框架 |
| 2.4 相关统计分析方法 |
| 2.4.1 多因素方差分析 |
| 2.4.2 层次聚类分析 |
| 2.4.3 主成分分析 |
| 2.4.4 模糊综合评价法 |
| 2.4.5 偏最小二乘法 |
| 2.5 相关自然语言处理方法 |
| 2.5.1 关键词抽取 |
| 2.5.2 依存句法分析 |
| 2.5.3 情感分析 |
| 2.6 本章小结 |
| 第3章 在线评论信息质量感知机理分析 |
| 3.1 在线评论信息质量感知的内涵与特征 |
| 3.1.1 在线评论信息质量感知的内涵 |
| 3.1.2 在线评论信息质量感知的特征 |
| 3.2 在线评论信息质量感知的要素 |
| 3.2.1 主体要素 |
| 3.2.2 客体要素 |
| 3.2.3 平台要素 |
| 3.2.4 环境要素 |
| 3.3 在线评论信息质量感知的过程 |
| 3.3.1 信息获取阶段 |
| 3.3.2 信息认知处理阶段 |
| 3.3.3 信息质量评价阶段 |
| 3.3.4 内部态度形成阶段 |
| 3.3.5 外部行为反应阶段 |
| 3.4 在线评论信息质量认知处理的情境影响 |
| 3.4.1 信息接收者人口特征 |
| 3.4.2 信息接收者任务特征 |
| 3.5 在线评论信息质量感知过程路径分析 |
| 3.5.1 层次递进 |
| 3.5.2 反馈选择 |
| 3.5.3 有序循环 |
| 3.6 在线评论信息质量感知机理模型构建 |
| 3.7 本章小结 |
| 第4章 在线评论信息质量感知影响因素分析 |
| 4.1 问题的提出 |
| 4.2 在线评论信息质量感知影响因素模型构建 |
| 4.2.1 研究假设 |
| 4.2.2 研究模型 |
| 4.3 实验研究方法与研究设计 |
| 4.3.1 实验方法概述 |
| 4.3.2 实验操纵与实验评论材料选择 |
| 4.3.3 被试参与者 |
| 4.3.4 问卷项测量 |
| 4.3.5 实验步骤和过程 |
| 4.4 数据分析与假设检验 |
| 4.4.1 人口统计分析 |
| 4.4.2 信度和效度检验 |
| 4.4.3 假设检验 |
| 4.5 假设检验结果讨论 |
| 4.5.1 信息丰富度对信息质量感知的影响 |
| 4.5.2 情感极性对信息质量感知的影响 |
| 4.5.3 产品类型对信息质量感知的影响 |
| 4.6 本章小结 |
| 第5章 在线评论信息质量感知评价研究 |
| 5.1 在线评论信息质量感知评价的基本原则 |
| 5.2 在线评论信息质量感知评价的理论基础 |
| 5.3 在线评论信息质量感知评价指标的选取 |
| 5.3.1 评论信息的媒介 |
| 5.3.2 评论信息的内容 |
| 5.3.3 评论信息的来源 |
| 5.3.4 评论信息的接收者 |
| 5.4 在线评论信息质量感知评价指标体系构建 |
| 5.5 在线评论信息质量感知评价指标权重的确定 |
| 5.5.1 调查设计与数据获取 |
| 5.5.2 用户分类过程与结果 |
| 5.5.3 权重计算过程与结果 |
| 5.6 本章小结 |
| 第6章 在线评论信息质量感知评价应用研究 |
| 6.1 评价对象数据采集及处理 |
| 6.1.1 评价对象选择 |
| 6.1.2 数据采集 |
| 6.1.3 数据清理及预处理 |
| 6.2 评价指标量化设计 |
| 6.2.1 评论信息媒介指标量化设计 |
| 6.2.2 评论信息内容的文本因素指标量化设计 |
| 6.2.3 评论信息内容的数量因素指标量化设计 |
| 6.2.4 评论信息内容的补充因素指标量化设计 |
| 6.2.5 评论信息来源指标量化设计 |
| 6.3 模糊综合评价方法计算过程 |
| 6.4 在线评论信息质量感知评价结果 |
| 6.4.1 评价指标量化处理结果 |
| 6.4.2 模糊综合评价结果 |
| 6.5 评价结果分析与讨论 |
| 6.6 本章小结 |
| 第7章 在线评论信息质量感知对购买意愿影响分析 |
| 7.1 问题的提出 |
| 7.2 理论基础与因素确定 |
| 7.2.1 理论基础 |
| 7.2.2 刺激因素的确定 |
| 7.2.3 机体因素的确定 |
| 7.2.4 反应因素的确定 |
| 7.3 研究假设与模型 |
| 7.3.1 信息质量感知对信任和满意度的影响 |
| 7.3.2 社会临场感对信任和满意度的影响 |
| 7.3.3 信任和满意度对购买意愿的影响 |
| 7.3.4 信息质量感知和社会临场感对购买意愿的影响 |
| 7.3.5 在线评论情感极性的调节作用 |
| 7.4 研究方法 |
| 7.4.1 实验设置与问卷设计 |
| 7.4.2 数据收集 |
| 7.5 数据分析与结果 |
| 7.5.1 测量模型的信度和效度检验 |
| 7.5.2 假设检验 |
| 7.6 结果讨论与说明 |
| 7.7 本章小结 |
| 第8章 在线评论信息质量管理的提升策略研究 |
| 8.1 激励高质量在线评论信息生成 |
| 8.1.1 提供多角度撰写高质量评论的指导与提示 |
| 8.1.2 追溯用户评论产生的真实购买与效益 |
| 8.1.3 营造高质量评论良性循环的环境 |
| 8.2 有效展开在线评论信息管理 |
| 8.2.1 建立面向用户需求的评论分类和排序方式 |
| 8.2.2 利用卖家回复进行适当的评论管理 |
| 8.3 促进由在线评论信息向购买行为转化 |
| 8.3.1 满足用户不同涉入度的信息要求 |
| 8.3.2 提高用户信息质量感知和满意度 |
| 8.3.3 重视高质量信息的影响 |
| 8.4 本章小结 |
| 第9章 研究结论与展望 |
| 9.1 研究结论 |
| 9.2 研究局限与展望 |
| 参考文献 |
| 作者简介与研究成果 |
| 致谢 |
（4）基于词向量扩展的语义检索模型研究（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 国内外研究发展及现状 |
| 1.2.1 信息检索技术 |
| 1.2.2 查询扩展技术 |
| 1.2.3 搜索引擎技术 |
| 1.3 主要研究内容及贡献 |
| 1.4 本文组织结构 |
| 第二章 相关理论分析及总体设计 |
| 2.1 相关理论分析 |
| 2.1.1 信息检索技术 |
| 2.1.2 查询扩展技术 |
| 2.1.3 搜索引擎技术 |
| 2.2 总体设计 |
| 2.2.1 设计思路 |
| 2.2.2 总体框架 |
| 2.3 本章小结 |
| 第三章 基于词向量的语义扩展算法研究 |
| 3.1 本章算法研究思路 |
| 3.2 查询扩展算法问题与分析 |
| 3.2.1 存在的问题 |
| 3.2.2 改进方案 |
| 3.3 改进的语义扩展算法研究与设计 |
| 3.3.1 算法改进及关键技术设计 |
| 3.3.2 算法流程 |
| 3.4 改进后算法的验证与分析 |
| 3.4.1 实验设计与参数选取 |
| 3.4.2 实验结果及分析 |
| 3.5 本章小结 |
| 第四章 基于词向量扩展的语义检索算法研究 |
| 4.1 本章算法研究思路 |
| 4.2 信息检索算法问题分析与改进 |
| 4.2.1 问题分析 |
| 4.2.2 改进方案 |
| 4.3 改进的语义检索算法的设研究与设计 |
| 4.3.1 算法研究与设计 |
| 4.3.2 算法流程 |
| 4.4 改进后的算法验证与分析 |
| 4.4.1 实验设计与参数选取 |
| 4.4.2 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 基于词向量扩展的语义检索模型的建立 |
| 5.1 需求分析 |
| 5.2 语义检索模型框架 |
| 5.3 模型各模块功能设计 |
| 5.3.1 数据获取模块 |
| 5.3.2 数据存储模块 |
| 5.3.3 词向量模块 |
| 5.3.4 查询扩展模块 |
| 5.3.5 语义检索模块 |
| 5.3.6 语义检索分析模块 |
| 5.4 检索界面展示 |
| 5.5 语义检索模型测试 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（5）基于排序学习的代码检索（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 信息检索与排序学习 |
| 1.2.2 软件复用研究 |
| 1.2.3 代码检索技术 |
| 1.3 本文主要工作 |
| 1.4 本文结构 |
| 第2章 相关技术 |
| 2.1 自然语言表示学习 |
| 2.2 程序语言表示学习 |
| 2.3 相似度计算方法 |
| 第3章 基于排序学习的代码检索 |
| 3.1 数据集描述 |
| 3.2 多级语义相关性表示模型 |
| 3.2.1 代码处理与实体抽取 |
| 3.2.2 语义表示与相关性计算 |
| 3.3 排序学习模型 |
| 3.4 评价指标 |
| 3.5 实验设置与结果 |
| 3.6 结果分析 |
| 第4章 基于深度匹配的代码检索 |
| 4.1 开源软件数据集 |
| 4.2 源代码深度匹配模型 |
| 4.3 深度代码检索模型 |
| 4.4 实验设置与评价方法 |
| 4.5 实验结果分析 |
| 4.6 总结 |
| 第5章 代码检索系统 |
| 5.1 需求分析 |
| 5.2 系统总体设计 |
| 5.3 系统详细设计 |
| 5.3.1 运行环境设计 |
| 5.3.2 前端设计 |
| 5.3.3 数据库设计 |
| 5.4 结果运行展示 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（6）问答系统中答案选择算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 主要研究内容 |
| 1.3 论文主要结构 |
| 第二章 答案选择相关技术 |
| 2.1 词向量及词向量模型 |
| 2.1.1 基于词嵌入的词向量模型 |
| 2.1.2 基于矩阵的词向量模型 |
| 2.2 神经网络 |
| 2.3 注意力机制 |
| 2.3.1 注意力机制在NLP任务中的应用 |
| 2.4 答案选择任务中的语义匹配方式 |
| 2.5 答案选择中的评价指标 |
| 2.6 本章小结 |
| 第三章 词与局部语义信息联合对齐的语义匹配模型 |
| 3.1 语义对齐模型中词信息单独对齐的问题 |
| 3.2 局部语义信息的建模方式 |
| 3.3 答案选择中的Compare-Aggregate语义对齐框架 |
| 3.3.1 基于语义的答案选择的发展 |
| 3.3.2 语义对齐框架Compare-Aggregate |
| 3.4 联合词和局部语义信息对齐的答案选择模型 |
| 3.4.1 局部语义信息的抽取 |
| 3.4.2 词级别信息和局部语义信息的对齐 |
| 3.5 实验和结果分析 |
| 3.5.1 实验数据集 |
| 3.5.2 实验设置 |
| 3.5.3 实验结果和样例分析 |
| 3.6 本章小结 |
| 第四章 基于注意力的动态语义阈值机制 |
| 4.1 答案选择中的传统注意力机制存在的问题 |
| 4.2 引入动态语义阈值的注意力机制 |
| 4.2.1 动态阈值网络 |
| 4.2.2 动态阈值在注意力机制中的使用 |
| 4.3 实验和结果分析 |
| 4.3.1 实验数据集 |
| 4.3.2 实验设置 |
| 4.3.3 实验结果 |
| 4.3.4 样例分析 |
| 4.4 本章小结 |
| 第五章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（7）夜景照明条件下木质景观建筑物表面的视觉感官评价（论文提纲范文）
| 1 材料与方法 |
| 1.1 研究地的概要 |
| 1.2 研究方法 |
| 1.2.1 实地监测调研 |
| 1.2.2 实地问卷调查 |
| ①好感度 (H) =∑Pi/56。 |
| ②协调度 (X) =∑Ti/56。 |
| 2 结果与分析 |
| 2.1 照明灯具 |
| 2.2 照明条件下的木结构表面缺陷 |
| 2.3 照明条件下木结构建筑表面亮度 |
| 2.4 照明条件下木结构建筑与环境的协调程度 |
| 3 讨论 |
| 4 结论 |
（8）基于领域词典与机器学习的中文评论情感分析（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及章节安排 |
| 第二章 相关背景知识介绍 |
| 2.1 情感分析概述 |
| 2.2 文本预处理 |
| 2.2.1 中文分词 |
| 2.2.2 词性标注 |
| 2.3 文本表示与特征选取 |
| 2.3.1 文本表示模型 |
| 2.3.2 文本的特征选取 |
| 2.4 情感分析方法 |
| 2.4.1 基于词典方法 |
| 2.4.2 经典机器学习方法 |
| 2.4.3 人工神经网络方法 |
| 2.5 本章小结 |
| 第三章 基于SO-PMI算法的情感词典扩充 |
| 3.1 情感分析中的SO-PMI算法 |
| 3.1.1 互信息算法 |
| 3.1.2 情感倾向点互信息算法 |
| 3.2 情感词典的构建 |
| 3.2.1 基础情感词典 |
| 3.2.2 领域词典 |
| 3.2.3 程度副词与否定词典 |
| 3.3 基于词典的情感分析计算方法 |
| 3.3.1 数据集预处理 |
| 3.3.2 情感权值计算 |
| 3.4 实验 |
| 3.4.1 实验方法及流程 |
| 3.4.2 实验结果分析 |
| 3.5 本章小结 |
| 第四章 中文词向量的构建方法 |
| 4.1 词向量的构建 |
| 4.1.1 数据集预处理 |
| 4.1.2 常用转换方法 |
| 4.2 基于Word2Vec的词向量训练 |
| 4.2.1 CBoW与Skip-gram |
| 4.2.2 文本向量化及特征选择 |
| 4.3 情感分析模型构建 |
| 4.3.1 词向量训练 |
| 4.3.2 SVM算法 |
| 4.4 实验 |
| 4.4.1 实验步骤 |
| 4.4.2 实验数据评价 |
| 4.5 本章小结 |
| 第五章 基于LSTM循环网络的中文情感分析 |
| 5.1 循环神经网络 |
| 5.1.1 RNNs原理及模型结构 |
| 5.1.2 长短期记忆网络模型 |
| 5.2 构建LSTM中文语句级分析模型 |
| 5.2.1 Tensorflow与Keras工具 |
| 5.2.2 情感分析模型搭建 |
| 5.3 实验 |
| 5.3.1 实验方法及过程 |
| 5.3.2 结果分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（9）基于Web文本挖掘的企业口碑情感分类模型研究（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 文本挖掘技术研究现状 |
| 1.2.2 情感分析技术研究现状 |
| 1.2.3 网络口碑研究现状 |
| 1.3 本文的研究内容及创新点 |
| 1.3.1 研究目的及内容 |
| 1.3.2 本文的创新点 |
| 2 Web文本挖掘和情感分析概述 |
| 2.1 Web文本挖掘概述 |
| 2.1.1 Web挖掘基础 |
| 2.1.2 Web文本挖掘的定义 |
| 2.1.3 Web文本挖掘的主要内容和方法 |
| 2.2 情感分析概述 |
| 2.2.1 词语级的情感极性分析 |
| 2.2.2 句子级的情感极性分析 |
| 2.2.3 细粒度的情感分析 |
| 3 口碑文本的采集和预处理 |
| 3.1 口碑文本的采集 |
| 3.1.1 网络爬虫技术 |
| 3.1.2 网页文本抽取 |
| 3.1.3 酒店口碑文本采集 |
| 3.2 口碑文本的预处理 |
| 3.2.1 口碑文本切词分词 |
| 3.2.2 停用词过滤 |
| 3.2.3 酒店口碑文本预处理 |
| 4 文本特征选择及其对构建情感分类器的影响 |
| 4.1 基于情感词典的文本特征选择 |
| 4.2 特征权值计算与文本向量表示 |
| 4.3 特征选择对构建情感分类器的影响 |
| 4.3.1 影响分析 |
| 4.3.2 语料库和评价标准 |
| 4.3.3 基于K最邻近算法的情感分类 |
| 4.3.4 实验结果 |
| 5 基于情感词典的口碑情感分类模型 |
| 5.1 知网情感词典的构建 |
| 5.1.1 知网简介 |
| 5.1.2 改进的知网情感词典的构建 |
| 5.2 口碑文本的相似度计算 |
| 5.2.1 文本相似度计算 |
| 5.2.2 RapidMiner软件计算文本相似度 |
| 5.2.3 实验结果 |
| 5.3 口碑情感分类模型的构建 |
| 5.3.1 口碑情感倾向计算 |
| 5.3.2 口碑情感分类模型 |
| 5.3.3 酒店口碑实证 |
| 6 细粒度的企业口碑情感分析模型 |
| 6.1 细粒度情感分类模型的构建 |
| 6.2 细粒度的酒店企业口碑情感分类流程 |
| 6.2.1 酒店口碑数据准备 |
| 6.2.2 特征选择方法比较实验 |
| 6.2.3 RapidMiner构建细粒度分类器 |
| 6.3 细粒度的酒店企业口碑情感分类实证 |
| 7 总结与展望 |
| 7.1 主要研究工作总结 |
| 7.2 对下一步工作的展望 |
| 参考文献 |
| 在校期间发表的论文、科研成果等 |
| 致谢 |
（10）建设工程合同管理绩效评价与分析 ——以三峡工程为例（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 问题的提出 |
| 1.2 合同管理绩效评价的特点分析 |
| 1.2.1 合同管理绩效评价与项目评价的关系 |
| 1.2.2 合同管理绩效评价与企业管理绩效评价的关系 |
| 1.3 研究对象 |
| 1.4 研究意义与作用 |
| 1.4.1 研究意义 |
| 1.4.2 研究作用 |
| 1.5 研究的技术路线 |
| 1.6 研究方法 |
| 1.7 创新点说明 |
| 2 相关理论研究概述 |
| 2.1 我国建设工程合同管理研究概述 |
| 2.1.1 建设工程合同在我国法律上的沿袭定位 |
| 2.1.2 建设工程合同管理主要内容分解 |
| 2.1.3 我国建设工程合同管理的特点分析 |
| 2.1.4 三峡移民工程合同实例 |
| 2.2 绩效评价研究概述 |
| 2.2.1 西方国家绩效评价的演变过程 |
| 2.2.2 我国绩效评价的研究进展 |
| 2.2.3 绩效评价的发展趋势 |
| 3 建设工程合同管理绩效的涵义及表现 |
| 3.1 组织绩效管理 |
| 3.1.1 组织绩效管理的作用 |
| 3.1.2 组织绩效管理的目标 |
| 3.2 合同管理绩效 |
| 3.2.1 合同管理绩效目标 |
| 3.2.2 合同管理绩效内容 |
| 3.3 三峡工程合同管理变更与索赔实例 |
| 4 建设工程合同管理绩效评价指标体系 |
| 4.1 评价指标 |
| 4.2 三峡工程合同管理绩效评价指标体系 |
| 4.2.1 评价目标（或对象） |
| 4.2.2 指标体系 |
| 4.3 指标权重 |
| 4.4 评价指标体系举例 |
| 5 三峡（部分）工程合同管理绩效评价模型 |
| 5.1 原始资料收集 |
| 5.1.1 问卷调查 |
| 5.1.2 抽样调查 |
| 5.1.3 工程量量测法 |
| 5.1.4 审阅复核法 |
| 5.1.5 查询取证法 |
| 5.2 原始资料处理 |
| 5.2.1 数据处理与分析 |
| 5.2.2 综合决策支持系统的应用 |
| 5.3 绩效初评 |
| 5.4 综合评价 |
| 5.4.1 评价模型 |
| 5.4.2 综合评价实例 |
| 5.5 三峡工程合同管理绩效评价经验总结 |
| 6 建设工程合同管理绩效评价分析与思考 |
| 6.1 对建设工程合同管理绩效评价的分析 |
| 6.1.1 评价结果分析 |
| 6.1.2 评价主客体分析 |
| 6.1.3 评价指标分析 |
| 6.1.4 评价标准分析 |
| 6.1.5 评价方法分析 |
| 6.2 建设工程合同管理绩效评价操作要点归纳 |
| 6.3 有关问题的思考与建议 |
| 6.3.1 合同管理绩效评价的经济学思考 |
| 6.3.2 合同管理绩效评价的管理学思考 |
| 6.3.3 对我国开展建设工程合同管理的几点建议 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录： 攻读博士学位期间发表的部分论文和主持参与的研究项目 |
四、七级语义量词赋值差值分析比较（论文参考文献）
- [1]大学生网络交互的行为空间构建、轨迹预测及引导研究[D]. 朱镇远. 吉林大学, 2020(03)
- [2]基于语义与情感的句子相似度计算方法[J]. 杨延娇,赵国涛,王丕栋. 计算机工程与应用, 2021(16)
- [3]在线评论信息质量感知研究[D]. 祝琳琳. 吉林大学, 2020(08)
- [4]基于词向量扩展的语义检索模型研究[D]. 张莉. 电子科技大学, 2020(07)
- [5]基于排序学习的代码检索[D]. 汶东震. 大连理工大学, 2019
- [6]问答系统中答案选择算法研究[D]. 朱林风. 北京邮电大学, 2019(09)
- [7]夜景照明条件下木质景观建筑物表面的视觉感官评价[J]. 李哲锋,董璐,刘月妍,郭永华. 内蒙古农业大学学报(自然科学版), 2019(03)
- [8]基于领域词典与机器学习的中文评论情感分析[D]. 杨鹏. 南京邮电大学, 2018(02)
- [9]基于Web文本挖掘的企业口碑情感分类模型研究[D]. 孙莹. 华中师范大学, 2013(02)
- [10]建设工程合同管理绩效评价与分析 ——以三峡工程为例[D]. 袁宏川. 西安建筑科技大学, 2011(01)