本文關(guān)鍵詞：微信公眾號與短文本自動聚類在高校課堂中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：在最近的幾年中,智能手機(jī)得到了廣泛的使用,尤其是在高校學(xué)生這樣一個群體中。目前,高校學(xué)生幾乎每人都有一部甚至多部智能手機(jī),而這樣的情況,也給一部分高校課堂帶來了潛在的問題。本文所述項(xiàng)目的目的就是在高校課堂中,在智能手機(jī)已經(jīng)普及的大背景下,利用微信公眾號這一平臺,加強(qiáng)高校課堂中老師學(xué)生之間的互動,引導(dǎo)學(xué)生的注意力回到真實(shí)的課堂中。為了完成這一目的,項(xiàng)目實(shí)現(xiàn)了一個具備隨堂測試、課堂點(diǎn)名、發(fā)布成績等功能的微信公眾號,一個對微信公眾號進(jìn)行功能補(bǔ)充的網(wǎng)站、一個針對問答題統(tǒng)計分析專門設(shè)計的短文本聚類算法。項(xiàng)目采用]2EE體系結(jié)構(gòu),使用了MVC模式的設(shè)計思想,結(jié)合了Spring、Hibernate、Play、自然語言分析、短文本聚類等技術(shù)。高校師生可以使用微信公眾號來簡化以往的課堂互動過程,原本需要提交紙質(zhì)答案的隨堂測試可以在數(shù)分鐘之類完成,并且教師可以立刻得到此次隨堂測試的統(tǒng)計分析結(jié)果。而原本需要教師通過簽到等方式完成的課堂點(diǎn)名,也可以通過在微信公眾號上發(fā)布點(diǎn)名任務(wù),在學(xué)生參與之后立刻得到點(diǎn)名的結(jié)果。目前,微信公眾號課堂幫手以及網(wǎng)站已經(jīng)上線并得到了許多高校教師的使用,其中使用的問答題回答聚類技術(shù)也具有良好效果,同時這項(xiàng)技術(shù)已經(jīng)向?qū)＠稚暾埩藢＠?在開發(fā)過程中形成的微信公眾號開發(fā)框架也在實(shí)驗(yàn)室的后續(xù)項(xiàng)目得到了應(yīng)用。
【關(guān)鍵詞】：微信公眾號 自然語言分析 短文本聚類 高校課堂
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：G642.4;TP311.56;TP391.1
【目錄】：

• 摘要5-6
• Abstract6-12
• 第一章 引言12-16
• 1.1 項(xiàng)目背景12-13
• 1.2 國內(nèi)同類產(chǎn)品的發(fā)展概況13-14
• 1.3 本文主要研究的工作14-15
• 1.3.1 短文本自動聚類14
• 1.3.2 微信公眾平臺通用開發(fā)包14-15
• 1.3.3 課堂幫手15
• 1.3.4 項(xiàng)目預(yù)期效果15
• 1.4 本文的組織結(jié)構(gòu)15-16
• 第二章 課堂幫手項(xiàng)目的技術(shù)綜述與概要設(shè)計16-42
• 2.1 項(xiàng)目技術(shù)綜述16-18
• 2.1.1 微信開放平臺16
• 2.1.2 Spring+Hibernate16-17
• 2.1.3 Play框架17
• 2.1.4 短文本聚類技術(shù)17-18
• 2.1.5 部署環(huán)境18
• 2.2 整體概述18-20
• 2.3 需求分析20-34
• 2.3.1 用例與用例描述23-29
• 2.3.2 系統(tǒng)功能分析29-34
• 2.4 概要設(shè)計34-41
• 2.4.1 系統(tǒng)架構(gòu)34-35
• 2.4.2 微信交互架構(gòu)35-36
• 2.4.3 微信網(wǎng)頁架構(gòu)36-37
• 2.4.4 問答題聚類流程37-38
• 2.4.5 數(shù)據(jù)庫設(shè)計38-41
• 2.5 本章小結(jié)41-42
• 第三章 短文本聚類方法42-53
• 3.1 技術(shù)背景42-48
• 3.1.1 自然語言處理技術(shù)42-43
• 3.1.2 中文分詞技術(shù)43-44
• 3.1.3 關(guān)鍵詞提取技術(shù)44-45
• 3.1.4 文本聚類算法45-46
• 3.1.5 短文本聚類算法46-48
• 3.2 方法概述48-49
• 3.3 具體實(shí)現(xiàn)49-52
• 3.4 本章小結(jié)52-53
• 第四章 算法分析53-59
• 4.1 同類算法53-57
• 4.1.1 K-means算法53-54
• 4.1.2 K-medoids算法54
• 4.1.3 CLARANS算法54
• 4.1.4 BIRCH算法54-55
• 4.1.5 CURE算法55-56
• 4.1.6 DBSCAN算法56
• 4.1.7 CLIQUE算法56-57
• 4.2 算法效果57-58
• 4.3 本章小結(jié)58-59
• 第五章 總結(jié)與展望59-60
• 5.1 總結(jié)59
• 5.2 工作展望59-60
• 參考文獻(xiàn)60-66
• 致謝66-67
• 攻讀碩士學(xué)位期間的學(xué)術(shù)成果67-69

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李斌;孔祥艷;;基于DOM的XML解析技術(shù)在構(gòu)件描述中的應(yīng)用[J];無線電通信技術(shù);2011年02期

2 肖袁;;基于DOM4J的XML文檔解析技術(shù)[J];科技信息;2011年02期

3 夏寧霞;蘇一丹;覃希;;一種高效的K-medoids聚類算法[J];計算機(jī)應(yīng)用研究;2010年12期

4 施聰鶯;徐朝軍;楊曉江;;TFIDF算法研究綜述[J];計算機(jī)應(yīng)用;2009年S1期

5 馮進(jìn);丁博;史殿習(xí);張矚熹;許凱;;XML解析技術(shù)研究[J];計算機(jī)工程與科學(xué);2009年02期

6 丘志宏;宮雷光;;利用上下文提高文本聚類的效果[J];中文信息學(xué)報;2007年06期

7 徐軍;丁宇新;王曉龍;;使用機(jī)器學(xué)習(xí)方法進(jìn)行新聞的情感自動分類[J];中文信息學(xué)報;2007年06期

8 彭京;楊冬青;唐世渭;付艷;蔣漢奎;;一種基于語義內(nèi)積空間模型的文本聚類算法[J];計算機(jī)學(xué)報;2007年08期

9 唐旭日;;WordNet與HowNet之關(guān)系研究[J];湖北廣播電視大學(xué)學(xué)報;2007年07期

10 徐力斌;劉宗田;周文;宋二偉;;基于WordNet和自然語言處理技術(shù)的半自動領(lǐng)域本體構(gòu)建[J];計算機(jī)科學(xué);2007年06期

  本文關(guān)鍵詞：微信公眾號與短文本自動聚類在高校課堂中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

，

本文編號：329135