科研团队的发票管理及项目周边推荐研究与设计

发布时间：2021-05-20 02:02

　　《国家重点研发计划项目与资金管理的通知》明确指出要为科研人员“松绑”,简化科研经费的报销流程,赋予科研人员更大的决策权力。目前,我国在财务报销上任然实行凭票报销的方式,然而,科研团队在纸质票据收集整理过程中,因为项目周期较长,导致票据收集过程容易出现票据失效、票据丢失等情况;对于较大科研项目,其科研支出名目较为复杂,纸质票据不利于归类管理,浪费科研人员的时间精力;纸质票据在管理过程中不便于实时查看支出金额,不能很好的为科研团队做出支出预算的调整提供帮助。票据的智能化管理有助于提高科研团队的工作效率,减少票据整理过程的烦恼。为此,本文研究并设计了一个科研团队的票据管理与项目周边的推荐系统。主要工作如下:首先对票据的属性字段进行了分析,建立票据字段的贡献度模型,根据该模型对票据重名辨识问题进行了研究;然后在重名辨识的基础上,对票据实体进行了自动化归档的处理,将票据自动归档为所属的消费门类;接着在票据内容的基础上,提取出票据关键词,建立了融合情景的推荐模型,进行基于票据实体的协同过滤推荐,并根据科研项目的附属属性做了周边的内容推荐;最后,本文使用VUE+Express的开发框架实现了科研团队... 

【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究意义及背景
    1.2 国内外研究现状
        1.2.1 票据数字化、智能化发展历程
        1.2.2 相关技术的国内外研究现状
    1.3 本文研究思路
第2章 系统总体设计
    2.1 系统需求分析与设计
        2.1.1 业务需求分析
        2.1.2 性能需求分析
    2.2 系统体系框架
    2.3 功能模块设计
    2.4 数据库设计
    2.5 本章小结
第3章 关键技术研究
    3.1 引言
    3.2 发票重名辨识算法
        3.2.1 命名实体消歧的相关研究
        3.2.2 字段贡献度的评价模型
        3.2.3 基于BP神经网络的发票重名辨识
    3.3 基于科研项目属性及票据信息的个性化推荐
        3.3.1 个性化推荐算法的相关研究
        3.3.2 基于项目属性的科研周边推荐
        3.3.3 融合情景的物品协同过滤推荐
    3.4 发票实体的自动归档算法
        3.4.1 有监督学习的训练数据集
        3.4.2 KNN的文本分类方法
        3.4.3 CNN的深度学习文本分类方法
第4章 系统相关技术实现
    4.1 科研团队发票管理系统的实现
        4.1.1 开发环境和相关工具
        4.1.2 前后端分离开发技术实现
        4.1.3 混合式数据库数据存储
    4.2 用户端关键技术
        4.2.1 客户端权限管理实现
        4.2.2 客户端跨平台显示技术
        4.2.3 票据审核邮件通知技术
    4.3 推荐系统实现技术
        4.3.1 基于scrapy的数据获取技术
        4.3.2 基于redis的实时数据存储技术
        4.3.3 推荐系统的具体实现
第5章 功能模块测试
    5.1 系统测试计划
    5.2 后端主要功能模块测试
        5.2.1 第三方数据接入模块
        5.2.2 网络数据爬取模块
        5.2.3 后端主要Restful API接口
    5.3 客户端主要功能模块测试
        5.3.1 科研用户操作基本模块
        5.3.2 用户权限模块
        5.3.3 科研项目下的票据管理模块
    5.4 其他功能模块测试
        5.4.1 科研项目周边推荐模块
        5.4.2 邮件自动发送模块
        5.4.3 票据自动归档模块
    5.5 本章小结
第6章 总结与展望
    6.1 工作总结
    6.2 研究展望
参考文献
攻读学位期间的科研成果
致谢


【参考文献】：
期刊论文
[1]RDF数据查询处理技术综述[J]. 杜方,陈跃国,杜小勇.  软件学报. 2013(06)
[2]基于维基百科的中文命名实体关联度计算[J]. 刘高军,马砚忠,段建勇.  北方工业大学学报. 2012(01)
[3]基于维基百科的自动词义消歧方法[J]. 史天艺,李明禄.  计算机工程. 2009(18)
[4]协同过滤推荐算法综述[J]. 马宏伟,张光卫,李鹏.  小型微型计算机系统. 2009(07)
[5]互联网推荐系统比较研究[J]. 许海玲,吴潇,李晓东,阎保平.  软件学报. 2009(02)
[6]基于云模型的协同过滤推荐算法[J]. 张光卫,李德毅,李鹏,康建初,陈桂生.  软件学报. 2007(10)
[7]个性化推荐系统中的用户建模及特征选择[J]. 林霜梅,汪更生,陈弈秋.  计算机工程. 2007(17)
[8]基于影响集的协作过滤推荐算法[J]. 陈健,印鉴.  软件学报. 2007(07)
[9]基于BP神经网络的自适应控制[J]. 谭永红.  控制理论与应用. 1994(01)

博士论文
[1]汉语命名实体识别研究[D]. 江会星.北京邮电大学 2012
[2]信息抽取中实体关系识别研究[D]. 张奇.中国科学技术大学 2010
[3]电子商务推荐系统关键技术研究[D]. 邓爱林.复旦大学 2003

硕士论文
[1]基于协同过滤的个性化新闻推荐系统的设计与实现[D]. 朱满洲.南京理工大学 2019
[2]中文组织机构名识别和消歧技术研究与应用[D]. 相晓敏.华东师范大学 2016
[3]基于中文维基百科的命名实体消歧方法研究[D]. 杜婧君.杭州电子科技大学 2013
[4]中文命名实体识别与歧义消解研究[D]. 龚凌晖.复旦大学 2011
[5]协同过滤推荐系统中的冷启动问题研究[D]. 孙冬婷.国防科学技术大学 2011



本文编号：3196860