5个研究背景和意义示例,教你写计算机移动应用程序论文

今天分享的是关于移动应用程序的5篇计算机毕业论文范文, 如果你的论文涉及到移动应用程序等主题,本文能够帮助到你

面向企业端的钢铁物流优化移动应用程序的设计与开发

这是一篇关于钢铁物流系统优化,微服务架构,移动应用程序的论文, 主要内容为物流管理信息系统是现代企业管理的重要组成部分。钢铁工业是我国国民经济的基础产业。构建钢铁企业的物流信息化平台,优化钢铁企业物流信息系统有利于推动钢铁物流高质量发展以及进一步降低钢铁物流运输成本。目前一部分钢铁行业的企业已经开启了优化企业钢铁物流信息系统的工作,但现阶段钢铁企业的物流信息管理系统仍存在着一些问题,比如钢铁物流信息管理系统未针对具体业务优化改进,系统架构使用灵活性与可扩展性差的传统单体架构以及缺少移动端的钢铁物流信息管理应用程序。在通讯网络和移动应用程序迅速发展的技术基础上,针对上述问题,本文从一家大型钢铁生产企业的物流优化需求出发,设计并实现了一款基于微服务架构的钢铁企业管理人员使用的物流管理优化移动应用程序。本文的主要研究内容为基于微服务架构的钢铁物流优化系统服务器端和面向企业端的钢铁物流优化系统安卓手机客户端的设计与实现。从石钢钢铁厂优化钢铁物流的业务需求出发,本文将钢铁物流优化系统的服务器端按业务功能设计成订单管理微服务模块等五个具备优化钢铁物流功能的微服务模块,微服务模块内实现了优化业务功能的方法。此外,本文通过实现自定义负载均衡策略,微服务注册配置和远程调用以及数据库查询优化等措施有效提升了系统性能。系统性能的提升能更有效支撑系统优化企业钢铁物流。系统安卓手机客户端是基于uni-app框架开发的。钢铁企业的管理人员可在安卓手机的系统客户端上安全高效地进行例如物流订单管理、运输车辆信息管理、订单异常信息管理以及仓库信息管理等优化钢铁物流信息管理的业务。经测试表明,本文所设计的面向企业端的钢铁物流优化移动应用程序可以满足企业优化钢铁物流的需求,且在实际运行中有较高的性能,证明了本文所实现的系统具有可行性与有效性。

基于知识图谱技术的APP风险识别系统设计与实现

这是一篇关于移动应用程序,知识图谱,风险识别,表示学习的论文, 主要内容为随着移动互联网的发展,越来越多的移动应用程序(APP)在互联网上被开发和发布,各大APP应用商店也应运而生。但是现阶段网络上有诸多的含有风险的APP,它们或传播了不良信息,或侵犯用户隐私。对于网络安全分析人员来说,全面的APP信息有助于甄别APP的风险程度。每当业务人员发现一个风险APP,发现此APP的相似APP也至关重要,因为与风险APP相似的APP有极大可能存在风险。如何从大规模的APP中计算出风险APP的相似APP,不仅可以帮助网络安全分析人员更加快速地找出潜在风险,也可确保APP网络空间的安全。现有的APP风险识别方法主要基于APP数据库来进行建模,然而APP的数据来源通常是多源,且属性之间存在异构性,这就导致基于APP数据库的风险识别方法难以对APP之间语义信息进行共享与重用,从而无法在风险识别任务上取得很好的效果。另一方面,现有的相似APP计算方法没有进行一步考虑APP元数据中内容的特征,即对文本数据和结构化数据不做区分,因此这些方法无法较好地获得APP的准确语义表示,继而无法难捕捉到它们之间细粒度的相关性。为了解决以上问题,本文基于多源异构数据构建了一个APP知识图谱。在构建的知识图谱上,提出了一种基于网络表示学习和知识图谱表示学习混合嵌入的方法来计算APP之间的相似度,并进一步设计了APP风险识别系统。本文的主要贡献有如下三点:(1)构建了一个APP知识图谱。本文从多种信息源中使用实体识别、关系抽取技术来抽取APP相关的实体信息和实体关系,并利用实体对齐技术来进行知识图谱的融合,通过真实的数据确定了上述技术选型后构建出一个APP知识图谱。(2)提出了一种基于网络表示学习和知识图谱表示学习混合嵌入学习的方法。本文针对构建的APP知识图谱,利用网络表示学习模型和知识图谱表示学习模型来对APP知识网络中的节点实体进行编码,并基于边的信息熵的方法来增强对新增APP的向量表示,最终通过余弦相似度计算APP之间的相似度。(3)设计了一个APP风险识别系统。基于本文提出的混合嵌入学习方法,本文设计了一个APP风险识别系统,经过多种测试,系统满足各项性能指标和功能指标,最终达到APP风险识别效果。综上所述,本文利用知识图谱技术构建了一个APP知识图谱;在其基础上提出一种混合嵌入学习的相似APP计算模型并验证了其有效性;最后实现了一个基于相似APP计算的APP风险识别系统并测试了系统的功能和性能。