基于深度学习的图书借阅系统开题报告

1. 研究目的与意义

随着互联网和教育事业的发展，图书借阅系统在我们的生活中越来越多，但是如今的图书借阅系统采用的是人工借阅系统，这种老式的借阅系统存在着人力物力财力的浪费、管理宗旨不明确、管理操作不完善、资源与服务两者相独立、信息孤岛现象等问题，尤其是在书的借阅周期和图书库存上可能存在比较大的偏差，经常会出现热门的书籍借不到，冷门的书籍没人借。

因此，如何准确的分析出哪些图书受欢迎，判断适合的借阅周期，从而推算出合适的库存，对于一个图书借阅系统而言有着较好的应用价值。

基于深度学习的借阅系统就是针对解决这些问题设计出来的软件，通过深度学习方法和大数据技术，可以分析出图书借阅系统中隐藏的一些图书借阅行为规律，由此可以有针对性地、主动地实现库存资源的建设。

2. 课题关键问题和重难点

关键问题如何将图书借阅应用中的各种参数数据项与深度学习模型的参数对应起来，即如何建立面向图书借阅问题的深度学习模型是一个关键！ 难点1、在搜集数据时，需要高质量的学习数据。

多维度的数据关联。

2、学习的门槛较高，深度学习的本质是获取函数模型，核心是算法模型，现有的算法非常多，神经网络、决策树等等，要做好深度学习，必须理解其实现原理，才能进一步对其进行参数调优，甚至是算法调优。

3. 国内外研究现状（文献综述）

图书借阅系统的研究现状及其问题人类的劳动经验以及生活智慧都可在书籍中得到直观体现，而图书馆则是一个容器，可对知识进行蕴含，对文化进行传承，同时对历史进行承载。

现代社会是信息化社会，传统的信息管理技术已经不能满足时代的发展与需求，需要结合实际情况以及先进的科学技术对其进行合理的改革与创新。

耗时、耗力以及效率低下是传统图书馆管理工作的明显缺陷，必须利用先进的科学技术以及手段实现对上述现象的有效改善，从根本上实现对图书馆管理水平的提高。

4. 研究方案

该管理系统用java和python开发，使用struts2框架、大数据分析技术和深度学习中的ann（人工神经网络）模型，ann具有自学习、自组织、自适应以及很强的非线性函数逼近能力，拥有强大的容错性。

此外，为了降低数据库的压力 使用redis来提高读取数据性能，从而提高了整个管理系统的响应速度。

用户通过借阅数据，将其导入深度学习平台进行分析，分析出哪些图书受欢迎，判断适合的借阅周期，从而推算出合适的库存。

5. 工作计划

第1周：确定选题，完成申请表第2周：查阅资料，熟悉任务书要求。

第3周：查阅资料，准备撰写开题报告。

第4周：搜集、查阅相关文献资料，确定总体研究计划。