短文本分类概述2024年_知识

随着信息技术的发展，最稀缺的资源不再是信息本身，而是对信息的处理能力。且绝大多数信息表现为文本形式，如何在如此大量且复杂的文本信息中如何获取最有效的信息是信息处理的一大目标。文本分类可以帮助用户准确定位所需信息和分流信息。同时，互联网的快速发展催生了大量的书评影评、网络聊天、产品介绍等形式的短文本，其包含大量有价值的隐含信息，迫切需要自动化工具对短文本进行分类处理。

基于人工智能技术的文本分类系统依据文本的语义可实现将大量文本自动分类。多种统计理论和机器学习方法被用于文本自动分类。但其存在最大的问题是特征空间的高维性和文档表示向量的稀疏性。中文词条的总数高达二十多万，如此高维特征空间对所有的算法都是偏大的。亟需一种有效的特征抽取方法，降低特征空间的维数，提高分类的效率和精度。

文本分类方法主要分为两大类，分别是基于传统机器学习的方法和基于深度学习的方法。基于传统机器学习的文本分类方法主要是是对文本进行预处理、特征提取，然后将处理后的文本向量化，最后通过常见的机器学习分类算法来对训练数据集进行建模，传统的文本分类方法中，对文本的特征提取质量对文本分类的精度有很大的影响。基于深度学习的方法则是通过例如CNN等深度学习模型来对数据进行训练，无需人工的对数据进行特征抽取，对文本分类精度影响更多的是数据量以及训练的迭代次数。

短文本相对于长文本，词汇个数少且描述信息弱，具有稀疏性和不规范性，传统机器学习方法的文本表示是高纬度高稀疏的，特征表达能力很弱，而且神经网络很不擅长对此类数据的处理；此外需要人工进行特征工程，成本很高，不能很好的满足短文本分类的需求。而深度学习最初在之所以图像和语音取得巨大成功，一个很重要的原因是图像和语音原始数据是连续和稠密的，有局部相关性。应用深度学习解决大规模文本分类问题最重要的是解决文本表示，再利用CNN/RNN等网络结构自动获取特征表达能力，去掉繁杂的人工特征工程。

短文本分类算法广泛应用于各个行业领域,如新闻分类、人机写作判断、垃圾邮件识别、用户情感分类、文案智能生成、商品智能推荐等。

场景一：商品智能推荐，根据用户购买的商品名称作为预测样本进行文本分类，得到用户交易类别，结合其他数据构建用户画像，针对不同特征的用户画像预测用户下一步的购买行为，智能推荐商品及服务。

场景二：文案智能生成，基于优质文案作为训练集，得到文本分类模型，当用户输入关键词时，智能推荐适配文案。

场景三：给新闻自动分类或打标签，多个标签。

场景四：判断文章是人写还是机器写的。

场景五：判断影评中的情感是正向、负向、中立，相类似应用场景很广泛。

使用深度学习的词向量技术，把文本数据从高纬度高稀疏的神经网络难处理的方式，变成了类似图像、语音的连续稠密数据，将词语转化为稠密向量，解决了文本表示问题。词向量作为机器学习、深度学习模型的特征进行输入，对最终模型的效果作用比较大。

同时，利用CNN/RNN等深度学习网络及其变体解决自动特征提取（即特征表达）的问题，对应的文本分类模型如下：

1） FastText

FastText是Facebook开源的词向量与文本分类工具，模型简单，训练速度快。FastText 的原理是将短文本中的所有词向量进行平均，然后直接接softmax层，同时加入一些n-gram 特征的 trick 来捕获局部序列信息。相对于其它文本分类模型，如SVM，Logistic Regression和Neural Network等模型，FastText在保持分类效果的同时，大大缩短了训练时间，同时支持多语言表达，但其模型是基于词袋针对英文的文本分类方法，组成英文句子的单词是有间隔的，而应用于中文文本，需分词去标点转化为模型需要的数据格式。

2）TextCNN

TextCNN相比于FastText，利用CNN (Convolutional Neural Network）来提取句子中类似 n-gram 的关键信息，且结构简单，效果好。

3）TextRNN

尽管TextCNN能够在很多任务里面能有不错的表现，但CNN最大的问题是固定 filter_size 的视野，一方面无法建模更长的序列信息，另一方面 filter_size 的超参调节很繁琐。CNN本质是做文本的特征表达工作，而自然语言处理中更常用的是递归神经网络（RNN, Recurrent Neural Network），能够更好的表达上下文信息。具体在文本分类任务中，Bi-directional RNN（实际使用的是双向LSTM）从某种意义上可以理解为可以捕获变长且双向的的 "n-gram" 信息。

4）TextRNN + Attention

CNN和RNN用在文本分类任务中尽管效果显著，但都有一个缺点，直观性和可解释性差。而注意力（Attention）机制是自然语言处理领域一个常用的建模长时间记忆机制，能够直观的给出每个词对结果的贡献，是Seq2Seq模型的标配。实际上文本分类从某种意义上也、可以理解为一种特殊的Seq2Seq，所以可以考虑将Attention机制引入。

Attention的核心点是在翻译每个目标词（或预测商品标题文本所属类别）所用的上下文是不同的，这样更合理。加入Attention之后能够直观的解释各个句子和词对分类类别的重要性。

5）TextRCNN（TextRNN + CNN）

用前向和后向RNN得到每个词的前向和后向上下文的表示，这样词的表示就变成词向量和前向后向上下文向量concat起来的形式，最后连接TextCNN相同卷积层，pooling层即可，唯一不同的是卷积层 filter_size = 1。

总结：实际应用中，CNN模型在中文文本分类中应用效果已经很不错了。研究表明，TextRCNN对准确率提升大约1%，不是十分显著。最佳实践是先用TextCNN模型把整体任务效果调试到最好，再尝试改进模型。

参考：文本分类解决方法综述

智能机器人现在在技术上还有障碍，没有太多的实际利用价值，况且，成本非常高。人类形态的“机器人”，即所谓的“机器人足球”、“机器人舞蹈”或“刀削面机器人”等机器人。前者主要是一个科研项目，侧重于研究，主要讨论人工智能和机器学习。后者只是一个噱头，只是叫面条切割机，类似于压面机，不叫刀削面机器人。

事实上，机器人已经渗透到生活的各个方面，尤其是制造业。可以说机器人已经改变了我们的世界。广义而言，机器人指的是能够自动执行任务来代替或帮助人类工作的人工机器和设备。过去，福特公司制造汽车时，所有工人都在装配线上。今天的汽车比那时复杂得多。

相反，整个装配线上的工人数量大大减少了。可以说今天的汽车都是机器制造的。富士康现在基本上是由工人手工组装手机，但它正在逐渐用机器人取代工人。机器人已经被其他许多公司的电子工厂充分利用。

可以说这些电子设备是由机器人制造的。更不用说钢铁、核能、化学工业等对人类来说都是非常危险的工作场所。就连标榜手工制造的法拉利也不得不将机器人引入599生产线。为了确保V12发动机活塞关键零件的加工精度，需要用液氮进行特殊处理，然后立即加工。这项工作很难手工完成，所以用一组机器人来完成。

归一化化定义：我是这样认为的，归一化化就是要把你需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。首先归一化是为了后面数据处理的方便，其次是保正程序运行时收敛加快。

方法有如下：

1、线性函数转换，表达式如下：

　　y=(x-MinValue)/(MaxValue-MinValue)

　　说明：x、y分别为转换前、后的值，MaxValue、MinValue分别为样本的最大值和最小值。

　　2、对数函数转换，表达式如下：

　　y=log10(x)

　　说明：以10为底的对数函数转换。

　　3、反余切函数转换，表达式如下：

　　y=atan(x)2/PI

　　4、式(1)将输入值换算为[-1,1]区间的值，在输出层用式(2)换算回初始值，其中和分别表示训练样本集中负荷的最大值和最小值。

　　在统计学中，归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布，归一化在-1--+1之间是统计的坐标分布。

for循环是很多开发语言中最常用的一个循环。它可以大大提高代码的运行速度，简化逻辑代码，非常适用。

首先：for 有两种形式：一种是数字形式，另一种是通用形式。

数字形式的 for 循环，通过一个数学运算不断地运行内部的代码块。下面是它的语法：

stat ::= for Name ‘=’ exp ‘,’ exp [‘,’ exp] do block end

block 将把 name 作循环变量。从第一个 exp 开始起，直到第二个 exp 的值为止，其步长为第三个 exp 。更确切的说，一个 for 循环看起来是这个样子

for v = e1, e2, e3 do block end

注意下面这几点：

其次：所有三个控制表达式都只被运算一次，表达式的计算在循环开始之前。这些表达式的结果必须是数字。

var，limit，以及 step 都是一些不可见的变量。这里给它们起的名字都仅仅用于解释方便。

如果第三个表达式（步长）没有给出，会把步长设为 1 。

你可以用 break 和 goto 来退出 for 循环。

循环变量 v 是一个循环内部的局部变量；如果你需要在循环结束后使用这个值，在退出循环前把它赋给另一个变量。

通用形式的 for 通过一个叫作迭代器的函数工作。每次迭代，迭代器函数都会被调用以产生一个新的值，当这个值为 nil 时，循环停止。

注意以下几点：

explist 只会被计算一次。它返回三个值，一个迭代器函数，一个状态，一个迭代器的初始值。

f， s，与 var 都是不可见的变量。这里给它们起的名字都只是为了解说方便。

你可以使用 break 来跳出 for 循环。

环变量 var_i 对于循环来说是一个局部变量；你不可以在 for 循环结束后继续使用。如果你需要保留这些值，那么就在循环跳出或结束前赋值到别的变量里去。

var，limit，以及 step 都是一些不可见的变量。这里给它们起的名字都仅仅用于解释方便。

如果第三个表达式（步长）没有给出，会把步长设为 1 。

你可以用 break 和 goto 来退出 for 循环。

循环变量 v 是一个循环内部的局部变量；如果你需要在循环结束后使用这个值，在退出循环前把它赋给另一个变量。

通用形式的 for 通过一个叫作迭代器的函数工作。每次迭代，迭代器函数都会被调用以产生一个新的值，当这个值为 nil 时，循环停止。

注意以下几点：

explist 只会被计算一次。它返回三个值，一个迭代器函数，一个状态，一个迭代器的初始值。

f， s，与 var 都是不可见的变量。这里给它们起的名字都只是为了解说方便。

你可以使用 break 来跳出 for 循环。

算法太多挑花眼？教你如何选择正确的机器学习算法

机器学习算法虽多，却没有什么普适的解决方案。决策树、随机森林、朴素贝叶斯、深度网络等等等等，是不是有时候觉得挑花了眼呢？福利来啦~本文将教你慧眼识精，快速挑选出满意的算法！

机器学习既是一门科学，也是一种艺术。纵观各类机器学习算法，并没有一种普适的解决方案或方法。事实上，有几个因素会影响你对机器学习算法的选择。

有些问题是非常特别的，需要用一种特定的解决方法。例如，如果你对推荐系统有所了解，你会发现它是一类很常用的机器学习算法，用来解决一类非常特殊的问题。而其它的一些问题则非常开放，可能需要一种试错方法（例如：强化学习）。监督学习、分类、回归等问题都是非常开放的，可以被用于异常检测或建立更加广泛的预测模型。

此外，我们在选择机器学习算法时所做出的一些决定与算法的优化或技术层面关系并不大，而更多地与业务决策相关。下面，让我们一起来看看有哪些因素能帮你缩小机器学习算法的选择范围。

数据科学过程

在你开始研究不同的机器学习算法前，你需要对自己拥有的数据、面对的问题及相关约束有清晰的了解。

理解你的数据

当我们决定使用哪种算法时，我们所拥有的数据的类型和形态起着关键性的作用。有些算法可以利用较小的样本集合工作，而另一些算法则需要海量的样本。特定的算法对特定类型的数据起作用。例如，朴素贝叶斯算法对处理待分类的输入特别有效，但是对于缺失值则一点都不敏感。

因此，你需要做到：

了解你的数据

1 查看总结统计和数据可视化的结

百分比可以帮助你识别大多数数据的范围

平均数和中位数可以描述集中趋势

相关系数可以指出强的关联性

2 数据可视化

箱形图可以识别出异常值

密度图和直方图可以显示出数据的散布情况

散点图可以描述二元关

数据清洗

1 处理缺失值。缺失的数据对于某些模型的影响比对其它模型更大。即使是对于那些被用于处理缺失数据的模型来说，它们也可能对缺失数据很敏感（某些变量的缺失数据可能导致预测性能变差）

2 选择处理异常值的方法

异常值在多维数据中十分常见。

有些模型对异常值的敏感性比其它模型要低。通常而言，树模型对于异常值的存在不太敏感。然而回归模型、或者任何试图使用方程的模型都会受到异常值的严重影响。

异常值可能是糟糕的数据收集造成的，也可能是合理的极值。

3 数据需要被聚合吗？

数据增强

1 特征工程是从原始数据中产生能够被用于建模的数据的过程，可以起到以下几种作用：

使模型更容易被解释（如数据分箱（binning））

捕获更复杂的关系（如神经网络）

减少数据冗余并降低数据维度（如主成分分析（PCA））

重新缩放变量（如标准化或归一化）

2 不同的模型可能有不同的特征工程的要求。有的模型有内置的特征工程。

对问题进行分类

下一步是对问题进行分类。这是一个需要分两步实现的过程。

1 根据输入分类：

如果你拥有的是带标签的数据，那么这就是一个监督学习问题。

如果你拥有的是未标注过的数据，并且希望从中找到有用的结构，那么这就是一个无监督学习问题。

如果你想要通过与环境的交互来优化一个目标函数，那么这就是一个强化学习问题。

2 根据输出分类：

如果模型的输出是一个（连续的）数字，那么这就是一个回归问题。

如果模型的输出是一个类别，那么这就是一个分类问题。

如果模型的输出是一组用输入数据划分出的簇，那么这就是一个聚类问题。

你想发现一个异常点吗？此时你面对的就是一个异常检测问题。

理解你要满足的约束条

你需要考虑你能够存储数据的容量有多大？这取决于系统的存储容量，你可能无法存储若干 GB 大小的分类、回归模型或者若干 GB 的用于聚类分析的数据。例如，在嵌入式系统中，你就会面临这种情况。

对预测过程的速度是否有要求？在实时应用中，很显然，尽快得出预测结果是十分重要的。例如，在自动驾驶问题中，应用必须尽可能快地对道路标志进行分类，以免发生交通事故。

对学习过程的速度是否有要求？在某些情况下，快速训练模型是十分必要的：有时，你需要使用不同的数据集快速地实时更新你的模型。

寻找可用的算法

当对自己的任务环境有了一个清晰的认识后，你就可以使用你所掌握的工具确定适用于待解决的问题并切实可行的算法。一些影响你选择模型的因素如下：

模型是否满足业务目标

模型需要多少数据预处理工作

模型有多准确

模型的可解释性如何

模型运行的速度有多快：构造模型需要多久？模型做出预测需要多长时间？

模型的可伸缩性如何

模型的复杂度是一个影响算法选择的重要标准。一般来说，一个更复杂的模型具备下列特征：

它依赖于更多的特征进行学习和预测（例如，使用十个而不是两个特征来预测目标）

它依赖于更复杂的特征工程（例如，使用多项式特征、交互特征或主成分）

它有更大的计算开销（例如，需要一个由 100 棵决策树组成的随机森林，而不是一棵单独的决策树）

除此之外，同样的机器学习算法可以基于参数的个数和某些超参数的选择而变得更加复杂。例如：

回归模型可以拥有更多的特征，或者多项式项和交互项。

决策树可以拥有更大或更小的深度。

将相同的算法变得更加复杂增加了发生过拟合的几率。

常用的机器学习算法

线性回归

这可能是机器学习中最简单的算法。例如，当你想要计算一些连续值，而不是将输出分类时，可以使用回归算法。因此，当你需要预测一个正在运行的过程未来的值时，你可以使用回归算法。然而，当特征冗余，即如果存在多重共线性（multicollinearity）时，线性回归就不太稳定。

在下列情况下可以考虑使用线性回归：

从一个地方移动到另一个地方所需的时间

预测下个月某种产品的销售情况

血液中的酒精含量对协调能力的影响

预测每个月礼品卡的销售情况，并改善年收入的估算

Logistic 回归

Logistic 回归执行二进制分类，因此输出二值标签。它将特征的线性组合作为输入，并且对其应用非线性函数（sigmoid），因此它是一个非常小的神经网络的实例。

logistic回归提供了许多方法对你的模型进行正则化处理，因此正如在朴素贝叶斯算法中那样，你不必担心你的特征是否相关。该模型还有一个很好的概率化的解释。不像在决策树或者支持向量机中那样，你可以很容易地更新你的模型以获取新的数据。如果你想要使用一个概率化的框架，或者你希望在未来能够快速地将更多的训练数据融合到你的模型中，你可以使用 logistic 回归算法。logistic 回归还可以帮助你理解预测结果背后起作用的因素，它不完全是一个黑盒方法。

在下列情况下可以考虑使用 logistic 回归算法：

预测客户流失

信用评分和欺诈检测

评价市场营销活动的效果

决策树

决策树很少被单独使用，但是不同的决策树可以组合成非常高效的算法，例如随机森林或梯度提升树算法。

决策树很容易处理特征交互，并且决策树是一种非参数模型，所以你不必担心异常值或者数据是否是线性可分的。决策树算法的一个缺点是，它们不支持在线学习，因此当你要使用新的样本时，你不得不重新构建决策树。决策树的另一个缺点是，它很容易发生过拟合，而这就是像随机森林（或提升树）这样的集成学习方法能够派上用场的地方。决策树也需要大量的内存空间（拥有的特征越多，你的决策树可能会越深、越大）

决策树能够很好地帮助你在诸多行动路径中做出选择：

做出投资决策

预测客户流失

找出可能拖欠银行贷款的人

在「建造」和「购买」两种选择间进行抉择

销售主管的资质审核

K-均值

有时，你完全没有数据的标签信息，并且你的目的是根据对象的特征来为其打上标签。这种问题被称为聚类任务。聚类算法可以在这种情况下被使用：例如，当你有一大群用户，你希望根据他们共有的一些属性将其划分到一些特定的组中。

如果在你的问题声明中有这样的问题：例如，找出一群个体的组织形式，或将某些东西分组，或找出特定的组。这时，你就应该使用聚类算法。

该方法最大的缺点是，K-均值算法需要提前知道你的数据会有多少簇，因此这可能需要进行大量的试验去「猜测」我们最终定义的簇的最佳个数——K。

主成分分析（PCA）

主成分分析能够对数据进行降维。有时，你拥有各种各样的特征，这些特征之间的相关性可能很高，而模型如果使用如此大量的数据可能会产生过拟合现象。这时，你可以使用主成分分析（PCA）技术。

主成分分析（PCA）能够起作用的关键因素是：除了低维的样本表征，它还提供了各种变量的一种同步的低维表征。同步的样本和变量的表征提供了一种能够可视化地找到能够表示一组样本的特征的变量的方法。

支持向量机

支持向量机（SVM）是一种在模式识别和分类问题中被广泛应用的监督机器学习技术——当你的数据恰好有两类时。

支持向量机准确率高，对于防止过拟合很好的理论保障。当你使用一个合适的核函数时，即使你的数据在基（低维）特征空间中是线性不可分的，他们也可以很好地工作。支持向量机在文本分类问题中非常流行，在该问题中，输入是一个维度非常高的空间是很正常的。然而，SVM 是一种内存密集型算法，它很难被解释，并且对其进行调优十分困难。

在下列现实世界的应用中，你可以使用支持向量机：

发现患有糖尿病等常见疾病的人

手写字符识别

文本分类——将文章按照话题分类

股票市场价格预测

朴素贝叶斯

这是一种基于贝叶斯定理的分类技术，它很容易构建，非常适用于大规模数据集。除了结构简单，据说朴素贝叶斯的表现甚至比一些复杂得多的分类方法更好。当 CPU 和内存资源有限时，朴素贝叶斯算法也是一个很好的选项。

朴素贝叶斯非常简单，你仅仅是在做大量的计数工作。如果朴素贝叶斯的条件独立假设确实成立，朴素贝叶斯分类器的收敛速度会比 logistic 回归这样的判别模型更快，因此需要的训练数据更少。即使朴素贝叶斯的假设不成立，朴素贝叶斯分类器往往也能很好地完成任务。如果你想使用一种快速的、简单的、性能也不错的模型，朴素贝叶斯是一个很好的选择。这种算法最大的缺点就是它不能学习到特征之间的相互作用。

在下列真实世界的应用中，你可以使用朴素贝叶斯：

情感分析和文本分类

类似于 Netflix、Amazon 这样的推荐系统

识别垃圾邮件

人脸识别

随机森林

随机森林是一种决策树的集成方法。它能够同时解决具有大规模数据集的回归问题和分类问题，还有助于从数以千计的输入变量中找出最重要的变量。随机森林具有很强的可伸缩性，它适用于任何维数的数据，并且通常具有相当不错的性能。此外，还有一些遗传算法，它们可以在具有最少的关于数据本身的知识的情况下，很好地扩展到任何维度和任何数据上，其中最简单的实现就是微生物遗传算法。然而，随机森林学习的速度可能会很慢（取决于参数设置），并且这种方法不能迭代地改进生成模型。

在下列现实世界的应用中，你可以使用随机森林：

预测高危患者

预测零件在生产中的故障

预测拖欠贷款的人

神经网络

神经网络中包含着神经元之间连接的权重。这些权重是平衡的，逐次对数据点进行学习。当所有的权重都被训练好后，如果需要对新给定的数据点进行回归，神经网络可以被用于预测分类结果或一个具体数值。利用神经网络，可以对特别复杂的模型进行训练，并且将其作为一种黑盒方法加以利用，而在训练模型之前，我们无需进行不可预测的复杂特征工程。通过与「深度方法」相结合，甚至可以采用更加不可预测的模型去实现新任务。例如，最近人们已经通过深度神经网络大大提升了物体识别任务的结果。深度学习还被应用于特征提取这样的非监督学习任务，也可以在人为干预更少的情况下，从原始图像或语音中提取特征。

另一方面，神经网络很难被解释清楚，其参数设置也复杂地让人难以置信。此外，神经网络算法也都是资源密集型和内存密集型的。

SCIKIT 参考手册

Scikit learning 为大家提供了一个非常深入的、解释地很清楚的流程图，它能够帮助你选择正确的算法。我认为此图十分方便。

结论

一般来说，你可以根据上面介绍的要点来筛选出一些算法，但是要想在一开始就知道哪种方法最好是很难的。你最好多迭代几次选择算法的过程。将你的数据输入给那些你确定的潜在优秀机器学习算法，通过并行或串行的方式运行这些算法，最终评估算法性能，从而选择出最佳的算法。

在最后，我想告诉你：为现实生活中的问题找到正确的解决方案，通常不仅仅是一个应用数学方法的问题。这要求我们对业务需求、规则和制度、相关利益者的关注点有所了解，并且具备大量的专业知识。在解决一个机器学习问题的同时，能够结合并平衡这些问题是至关重要的，那些能做到这一点的人可以创造最大的价值。

及时送上了计算机毕业设计相关资源合意的换请采纳一下,大家顺遍点下赞吧

在线考试制卷系统(任务书,论文,源码)

net小型证券术语解释及翻译系统的设计与开发(源码,论文)

原创vf员工培训管理系统(任务书,论文)

asp科研信息管理系统(任务书,开题,论文,源码)

android小型企业工资管理系统(源码,论文)

asp出租车管理系统(任务书,论文,源码)

vbnet实验室计算机的ip地址自动设置程序——服务器端(任务书,论文,源码)

rsa可视化算法程序的实现与研究(任务书,论文)

j2ee数控加工技术教学素材资源库的构建(任务书,论文,源码)

eims系统-oa子系统的设计与开发(任务书,开题,论文,源码)

jsp网上购书(任务书,论文)

vb图书管理系统(任务书,论文)

vc户籍管理系统(任务书,论文,源码)

php基于bs结构的工艺品销售系统的实现(源码,论文)

net模块化动态电子商务网站的开发(任务书,论文,源码)

pb电信人事管理系统设计(任务书,论文)

vb成本费用计算系统(源码,论文)

jsp出租车管理系统(任务书,开题,论文,源码)

aspnet求职招聘网站设计(源码,论文)

vbnet机房监控系统(全套)

vf学生办证管理系统(任务书,开题,论文,源码)

jsp基于网络超市商品销售管理系统(任务书,论文,源码)

jsp团员管理

aspnet一个动态文学网站

vf基于jme平台的掌上网络商店－服务器端的开发

c#报警系统

net(vc)办公自动化管理系统

jsp计算机等级考试查询系统jdbc

vbnet商品配送中心库存仿真软件设计

jsp网络购物

net在线英语自学系统——知识库管理的设计

jsp企业进销存管理系统

php某公司进销存信息管理系统

pb干部档案管理系统

delphi学生信息管理系统毕业设计

asp学生信息管理系统

asj2eetoc电子商务网站

delphi图书管理系统（毕业程序翻译%通过）

jsp网上商城系统

jsp客户关系管理系统

jsp企业人事管理系统

c#办公管理系统

jsp搜索引擎的研究与实现

jsp网络房产信息超市

php会员管理系统

j2ee基于usbkey的文件加密工具—-客户端的实现

net网上图书订阅系统的设计

php网站流量统计

aspnet团员管理

android文件传输

delphi并行接口器件功能演示的可视化设计学位

php房屋租赁管理信息系统jdbc

数据采集电路pcb的设计与制作

androidsmart系统-考试监控及阅卷模块的设计与开发

java流动资金贷款业务系统

asp电脑配机

vf物流管理系统--仓储管理子系统的实现

简化的cpu逻辑功能的仿真实现

net网上教材管理系统

net高校学生宿舍管理系统

vc药品公司进销售存管理系统

基于des加密算法的word加密插件的实现

aspnet基于aspnet的房产中介系统

c#简单转化

asp基于asp的反垃圾邮件管理系统的设计

delphi航空客运订票系统

c#windows简单防火墙设计与实现

j2ee车间调度系统

php《信息论与编码》在线考试系统

vbnet基于角色访问控制的oa系统

asp某小型数字图书馆

vb图形识别和编辑

pb电脑公司财务管理系统

asp网上购书

android光盘信息管理系统

php新闻网程序

php购物系统

vbnet考试系统vbnet

java学生管理系统

基于apriori算法的关联规则挖掘系统

vf布匹出口管理系统

c#会计电算化系统——财务管理子系统

php毕业生信息管理系统

pb酒店客房餐饮管理系统

vf库存管理

aspnet药品销售数据管理系统

aspnet网上论坛

基于linux的远程控制技术服务端实现

php网络商城

文件压缩与解压缩实践

asp学生管理系统

php科研项目网上申报管理系统

vbnet文件中的信息隐藏和还原的设计

asp销售供应链管理系统的设计与开发

asp基于asp技术的猎头公司管理软件的设计和实现——内部事务部分

网络求职招聘系统

neterp系统(毕业设计

php基于web的商场管理系统

vb电脑公司财务管理系统

delphi客户管理系统

net图书馆管理信息系统

java超市商品管理系统

pb在线考试

java原创库存管理系统可执行程序

c语言文件系统设计

基于webservice的数据库同步系统

vbnet考勤管理系统vbnet

vb简单几何图形的识别和编辑系统

net某公司员工管理系统

vf酒店客房管理系统

vf商场管理系统

vbnet开发在windows下的串口异步通信程序

asp一个小型搜索引擎

j2ee高速公路票据管理系统

vb小区物业管理系统

php酒店房间预约系统设计

asp《信息论与编码》在线考试系统

vf宿舍管理系统

android基于局域网的文件传输系统

asp学生网上选课系统

php校园学生信息在线管理系统

asp基于web的商场管理系统

net基于web的订餐系统

jsp仓储管理系统

简易网络存储系统

javaftp客户端

jsp公交查询系统

java人才管理系统

net企业投资价值分析系统

asp基于bbs的bbs系统设计(structmy)好

android通用图书馆管理系统

asp网上选课系统

最新asp网上论坛

vc网络爬虫程序

net考勤系统(net)

net交通信息网上查询系统

美食网站

pb企业物料需求计划管理系统

delphi公交车查询系统delphi源

aspnet网络招聘系统

asp视频点播系统

vf学生学籍管理

android毕业管理系统

简易网络存储系统

vbnet一种基于cc模式的网上购物系统

aspnet网络文件管理系统

aspnet学生信息管理系统

j2ee城市公交查询系统

j2ee人机接口设备—示波器的仿真实现

jsp网络商城

net基于bs的图书销售管理系统

net基于net的公司网站

j2ee汽车零件销售管理系统

vf文件中的信息隐藏和还原的设计

vf医药管理系统

net技术的猎头公司管理软件——内部事务部分

最新net高校学生宿舍管理系统

vb局域网抓包软件

aspnet企业物流平台

aspnet学生排课管理系统

vbnet网络数据包捕获工具

android企业考勤

c#在线考试

j2eealendar的跨平台系统的设计

vf书店辅助进书系统

asp仓库即时查询系统

asp作业提交与批改系统

vb开发在windows下的串口异步通信程序

javaac自动组卷系统

asp网上体育用品商店

jsp华夏文化交流平台

delphi采购管理

php校园新闻发布管理系统

vbnet成绩管理系统vbnet

delphi五子棋游戏（网络版）的设计与开发

最新net网上图书订阅系统的设计

vb教学辅助系统vb

android试题库自动组卷系统

vc试题库自动组卷系统（vc）cym

aspnet基于bs的家教交流平台的实现

vf学生成绩管理系统vf

aspnet楼宇专业网站毕业设计

net多语种网络硬盘系统的设计

vf考试系统vf

端口信息工具

vf物业管理

net公交车管理系统的实现与设计

pb基于半打开的端口扫描技术及其实现

j2ee水费管理系统

vf用遗传算法解决车辆优化调度问题任务书

jsp办公自动化管理系统

jsp基于android的在线购物系统

aspnet车辆调度管理系统

pb线程插入木马

delphi基于delphi的串口通信服务的开发

asp药店管理系统

jsp实验室设备管理系统

kasumi算法的研究与j2ee实现

net基于net的城市公交查询系统

jsp基于web的subversion用户管理系统phb

delphivbd租赁管理系统

linux下的网络层加密解密的实现

android药品公司进销售存管理系统

asp服装销售系统

j2ee电信人事管理系统设计

jsp员工信息管理系统

android考勤管理系统android

vf基于net的网上购物系统

vbnet财务管理系统

vc题库管理系统

delphi基于webcam的人脸检测技术

php在线学习系统

最新php团员管理

vb原创图书管理系统)毕业设计

net某企业信息管理系统

asvbtoc电子商务网站

vf火车站售票管理系统

asp科研信息管理系统

net某企业信息管理系统

vb基于usbkey的文件加密工具—-客户端的实现

net基于net企业订单管理系统的开发

net房地产评估系统

net作业在线提交系统

vc多线程与线程安全实践-基于http协议的断点续传

vf地税局工资管理系统

delphi科研管理系统

delphi烟花爆竹经销管理系统

面向internet上的cscw的共享白板

php网络招聘系统

php网上求职与招聘系统

vbnet机房监控系统

aspnet考试报名信息处理系统

j2ee医院病房管理系统

基于进程和通信隐藏的木马设计与实现

net息加密与隐藏工具

c#汽车销售系统

jsp原创教师信息管理系统

android简易web服务器研究

asp科研项目网上申报管理系统

asp基于asp的论坛

php计算机组成原理教学网站

android超市销售系统

c#网络流量监控及分析工具

delphi电子邮件客户端软件

android排课系统程序

jsp网上拍卖平台系统)

j2ee某百货店pos积分管理系统-积分添加和通票回收

j2ee教务管理系统j2ee

vf银行代扣代发工资系统

php学生学籍管理系统

基于webservice的异构数据库检索系统的设计

android长途汽车信息管理系统

net系办办公自动化系统

c#网络计时管理系统

net网络商店销售管理系统

原创net高校学生宿舍管理系统

asp网络教学评判系统

net客户关系管理系统的实现

c语言遗传算法在求解tsp问题毕业

aspnet网上教学资源共享系统

基于icmp模拟网络控制软件的开发——控制管理模块

vb车间调度系统

net动态口令认证的网上选课系统

aspnet图书馆管理系统

asp企业公告及资料发布系统

pb原创图书管理系统)毕业设计

vf基于cs结构的企业人事管理系统

网络嗅探器

jsp网上书店售书系统

aspnet网上选课系统

asp酒店客房管理系统

aspnet自动排课系统

net信息安全研究所设备管理系统

最新net基于bs的图书销售管理系统

java药品销售系统

java简单小游戏设计

jsp基于web的旅游网站建设

android库存管理

php淘宝店主交易管理系统

net频点播系统

pb大型机房学生上机管理系统

jsp基于bs结构的工厂设备管理系统的设计与开发

web的入侵防御系统

最新php基于bbs的bbs系统设计(structmy)好

asp教师信息管理系统

net课件发布系统

j2ee在线英语自学系统——课程及自测管理的设计

asp网上二手商品交易管理系统

原创aspnet购物系统

pb小说租阅管理系统

人机接口设备—开关类部件的仿真实现

net校园新闻发布系统

php基于linux的远程管理系统客户端的实现

php在线exam

delphi物质管理系统

vbnet电信人事管理系统设计

android试题库自动组卷系统（android）cym

j2ee学生档案管理

net基于net的内部邮件系统实现

aspnet学科建设

asp某公司进销存信息管理系统

java企业投资价值分析系统

java大随机数生成器算法的研究与实现

jsp某高校工资管理系统

vb在线英语自学系统——课程及自测管理的设计

net某店pos积分管理系统-清除履历表、日志表、月购买额

asp会员管理系统

原创美食网站

vs家庭理财系统

局域网监听系统

vc房屋租凭管理系统

jsp在线二手交易系统

vbnet模拟器件测试平台的设计与开发

原创net考勤系统(net)

java酒店管理信息系统

原创网络求职招聘系统

vf高校教务排课系统

c#rsa密码体制的实现

端口扫描与检测技术的实现

delphi猜数游戏的设计与开发

php宿舍管理系统设计

j2eeac自动组卷系统

原创php网络购物

android物质管理系统

php实验室设备管理系统

asp求职招聘网站设计

androidsc结构服装专卖店

net电子购物商城系统

java自动排课系统

java职员信息管理系统

vb书店辅助进书系统

android教师管理系统

jsp基于bs模式的中小企业人事管理系统

vc物质管理系统

最新简易网络存储系统

android并行接口器件功能演示的可视化设计学位

原创基于des加密算法的word加密插件的实现

net频点播系统

aspnet网络旅游信息系统

原创asp计算机组成原理教学网站

jsp车辆调度管理系统

aspnet基于bs的工艺品展示系统

基于纠错码的容错技术的研究——x码

asp电子商务系统

pb原创库存管理系统可执行程序

c#企业往来账务管理系统

vc超市售货管理系统

原创net网上图书订阅系统的设计

android人事管理系统

原创php在线学习系统

vf桌面日历系统

java商业汇票(支票管理)

asp聊天室

java计科教务管理系统

vbnet物业管理系统

asp公共课平时成绩查询系统asp

最新asp会员管理系统

vc书店管理系统

win平台下的pe文件病毒的研究及实现

j2ee电子邮件客户端软件

aspnet基于aspnet的学生信息管理系统

vf企业人事工资管理系统

vbrsa密码体制的实现

java基于bs方式的即时通讯软件

vf煤气站管理系统dpac

pb多媒体教学控制系统-网络通讯平台的设计

delphi酒店管理系统

jsp基于bs结构的工厂设备管理系统的设计与开发

jsp企业人力资源管理系统的设计

java课程设计医药管理系统（java)应要求源文件代码打包上传

j2ee实验室仪器管理系统

pb网吧管理系统

pb车队综合业务管理系统

最新php网络商城

c#大随机数生成器算法的研究与实现

asp基于bs结构的二手交易系统

javad的网络三维技术

最新net考勤系统(net)

jsp基于web的信息处理系统

net小型门户网自助建站系统

社区论坛

asp公交查询系统

java文档资料管理系统

php红旗汽车修理厂物资流通管理系统

校园网络工程综合布线方案

vc高校缴费系统

php格式化系统——前台

原创asp网上选课系统

最新asp校园学生信息在线管理系统

android基于特征的入侵检测系统

vb人事管理系统

vbnet图书管理系统

java简易web服务器研究

jsp基于jsp学生成绩管理系统软件的开发

net模块化动态电子商务网站的开发

delphi中大迅通合同统计系统

linux下的简单网络管理控制系统的设计与开发

vf航空售票模拟系统

vb通用销售管理系统

c#教学信息管理系统毕业

vc企业投资价值分析系统

j2ee基于bs方式的即时通讯软件

aspnet科研信息管理系统

vbnet软件项目开发管理系统vbnet

android可视化图像处理系统

c#高校题库管理系统附原代码程序万字

net基于net电子相册的开发

pb商品配送中心库存仿真软件设计

android成本费用计算系统

aspnet旅游信息管理系统

j2ee宿舍管理系统

vbnet气象信息服务系统

net基于tcp协议的简单即时通信软件

原创vb职员信息管理系统

php小型企业网上订单系统

android人事管理

vbnet汽车销售系统

短文本分类概述

发表评论

评论列表（0条）