1. 研究目的与意义（文献综述）

鉴于现在办公室白领、学校住校的学生数量日益庞大，人们没有过多的时间也没有过多的精力投入到养护绿植上，为了满足他们想要养护绿植又没有太多时间的需求特完成集准备事宜、限定搜索、养护提醒、养护问题解决等功能于一体的app：绿植小助手。

国内外研究现状：经分析得知，国内外关于绿植系统并有效的信息十分分散，这不利于用户对相关内容的获取。并且用户相对独立，信息较为闭塞。其多分布在个人网站，个人博客和个人微信号上。国外更多的专注于植物的学术性研究和变化。对于普通用户来说参考意义不大。而本课题将面向普通人群，为他们提供方便快捷的服务。

随着生活节奏日益加快，人们生活品质的不断提高，绿化意识不断深入人心，以及其他网络推文的影响，人们对工作环境、生活环境中的绿植关注度不断提高。网络推文提到的绿植能吸收电脑辐射，更是引起了白领、学生养护绿植的风潮。而现有的与绿植养护相关的文章和有经验用户分布较为分散，新生的养护绿植或者潜在养护绿植用户更多的处于很难获取到相关知识的状态，现出现该APP会更好地促进用户明确其具体需求，获取到相关的养护知识。
绿植养护涉及的内容多数并不是养护者所熟悉的领域。在未养护之前，通过分析用户养护的限制条件（用户闲暇时长、温度湿度、光照等）和对绿植的喜好（花色、高矮等）找出较符合用户要求的绿植；对于正在养护绿植的用户，通过搜索同一植物的标签获取到其他用户分享的养护技巧和病虫害等获取到相关信息。这样极大地聚合了有经验和没有经验的用户，即使用户不知道自己想要养护什么样的绿植，看到相关的标签结合其限制条件即可获取到最符合用户需求的绿植。
用户搜索绿植时的需求描述有时不甚清楚，原因除了汉语本身复杂多样外，用户对本身需求不甚了解也导致搜索推荐困难。为解决该问题，app会通过一定的技术手段引导用户发现自己的需求，除此之外，对用户搜索内容的分解和标签化以及相似度计算来呈现搜索结果。对于比较明确的需求，则使用简易的计算方式，较为模糊的需求除了提供用户可选标签外，呈现相似植物以及图片来获取植物背后的隐藏标签进行需求的可能性推测最终找到用户期望的绿植。除了在获取养护植物的信息外，已选择养护植物的相关提醒一直没有相应的提醒，结合用户需求，提供了提醒养护的功能（包括浇水、日照、施肥、驱虫等），更加合理和人性化。

2. 研究的基本内容与方案

本课题将从百度百科上获取绿植的相关信息，保存到数据库中。

再通过自然语言处理技术将类别、品种、养护需求等分别保存为相应字段，转存到数据库中，并且生成对应的特征向量表。

前端通过web技术将相关信息呈现出来。

3. 研究计划与安排

1.2019/1/19—2019/2/10：查阅文献，撰写文献阅读报告；
2.2019/2/10—2019/2/20：完成外文文献翻译；
3.2019/2/20—2019/2/28：撰写并完成开题报告；
4.2019/3/1—2019/3/5：完成系统分析，撰写分析文档；
5.2019/3/5—2019/4/15：进行系统设计及相应编码工作；
6.2019/4/15—2019/4/30：系统测试与完善；
7.2019/5/1—2019/5/25：撰写及修改毕业论文；
8.2019/5/26—2019/6/5：准备答辩。

4. 参考文献（12篇以上）

1) 罗刚, 张子宪. 自然语言处理原理与技术实现[M]. 电子工业出版社, 2016.
2) Magus Lie Hetland. Python基础教程.第2版[M]. 2014
3) 郭喜跃,何婷婷.信息抽取研究综述[J].计算机科学,2015,42(02):14-17 38
4) Ting Wang,Ruihua Di,Jicheng Song. A Novel Online Encyclopedia-Oriented Approach for Large-Scale Knowledge Base Construction[J]. Journal of Software,2014,9(2).
5) 王珊.数据库系统概论（第五版）.高等教育出版社. 2014年9月.
6) 王国霞, 刘贺平. 个性化推荐系统综述. 计算机工程与应用, 2012, 48(7): 66–76.
7) 吴丽花, 刘鲁. 个性化推荐系统用户建模技术综述. 情报学 报, 2006, 25(1): 55–62.
8) 刘勇,吴翔宇,解本巨.基于动态用户画像的信息推荐研究.计算机系统应用,2018,27(6):236–239
9) 翟梦迪, 吴思霈, 刘雁娟. 基于语义分析的微博推荐系统[J]. 计算机科学与应用, 2016, 6(9): 531-538
10) A keyword extraction method from twitter messages represented as graphs Abilhoa, Willyan D; de Castro, Leandro N Applied Mathematics and Computation, 08/2014, 卷 240
11) 宋柔，樊太志，罗智勇，荀恩东.汉语文本中词及词属性自动索引和检索的方法[P].中国专利：CN1595399,2005.03.16
12) 周习曼.基于关联数据的实体链接发现研究[D].华中师范大学,2015
13) 王永贵，郑泽，李玥.Word2Vec-ACV：OOV语境含义的词向量生成模型[J].计算机应用研究,2019,(6)
14) 徐帆，王裴岩，蔡东风.基于中心化相似度矩阵的词向量方法[J].计算机应用研究,2019,(2)
15) 陈淑巧，邱东，江海欢.一种基于词向量的模糊查询扩展方法[J].四川师范大学学报(自然科学版),2019,(1): 92-97