利用UML技术建立图书馆个性化推送系统模型

doi:10.11925/infotech.1003-3513.2005.05.06

现代图书情报技术

2005, Vol. 21

Issue (5): 27-29 https://doi.org/10.11925/infotech.1003-3513.2005.05.06

图书馆自动化

本期目录 | 过刊浏览 | 高级检索

利用UML技术建立图书馆个性化推送系统模型

渠芳^1,2 孙涌²

¹(徐州师范大学图书馆徐州 221116)
²(苏州大学计算机科学与技术学院苏州 215006）

Modeling of Personalized Pushing System Using UML

Qu Fang^1,2 Sun Yong²

¹ (Library of Xuzhou Normal University，Xuzhou 221116, China)
² (Computer Science and Technology School,Suzhou University,Suzhou 215006,China)

摘要
参考文献
相关文章
Metrics

全文: PDF (0 KB)
输出: BibTeX | EndNote (RIS)

摘要

简单概述了图书馆个性化服务的内容，并利用统一建模语言UML及ROSE工具进行了系统分析建模。系统建模过程中利用了UML的用例图对系统进行分析，利用交互图、组件类图、组件图进行了系统设计。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

关键词 ： UML, 个性化, 推送, 图书馆, 模型

Abstract：

In this paper content of libaray personalize service is summarized, system analysis modeling is completed with UML and ROSE. Case diagram is used in analizing and interactice digram, class digram,component diagram are also used in design.

Key words： UML Personalize Pushing Libarary Model

收稿日期: 2004-12-24 出版日期: 2005-05-25

ZTFLH:	G250

	TP399

通讯作者: 渠芳 E-mail: qf@xznu.edu.cn

作者简介: 渠芳,孙涌

引用本文:

渠芳,孙涌. 利用UML技术建立图书馆个性化推送系统模型[J]. 现代图书情报技术, 2005, 21(5): 27-29.
Qu Fang,Sun Yong. Modeling of Personalized Pushing System Using UML. New Technology of Library and Information Service, 2005, 21(5): 27-29.

链接本文:

http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2005.05.06 或 http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2005/V21/I5/27

1施昊华，张朝辉. UML面向对象结构设计与应用. 国防工业出版社. 2003
2［美］Martin Fowler，Kendall Scott著，徐家福译. UML精粹第2版标准对象建模语言简明指南. 清华大学出版社，2000
3焦玉英, 柯青. 统一建模语言在网络主动推送系统设计中的应用. 中国图书馆学报，2003(5)：57-60
4Wendy Boggs，Michael Boggs著，邱仲潘等译，UML与Rational Rose 2002从入门到精通北京：电子工业出版社，2002:17-18
5宋丽哲，牛振东,宋瀚涛，师雪霖，孙一钢. 数字图书馆的个性化服务计算机工程，2004(2)：46-48
6冀振燕UML系统分析设计与应用案例——人民邮电出版社，2003：80-81

[1]	赵旸, 张智雄, 刘欢, 丁良萍. 基于BERT模型的中文医学文献分类研究*[J]. 数据分析与知识发现, 2020, 4(8): 41-49.
[2]	徐晨飞, 叶海影, 包平. 基于深度学习的方志物产资料实体自动识别模型构建研究*[J]. 数据分析与知识发现, 2020, 4(8): 86-97.
[3]	魏武, 谢兴政. 线上知识付费用户继续付费意向影响因素研究*[J]. 数据分析与知识发现, 2020, 4(8): 119-129.
[4]	沈志宏,赵子豪,王海波. 以图为中心的新型大数据技术栈研究 ^*[J]. 数据分析与知识发现, 2020, 4(7): 50-65.
[5]	王鑫芸,王昊,邓三鸿,张宝隆. 面向期刊选择的学术论文内容分类研究 ^*[J]. 数据分析与知识发现, 2020, 4(7): 96-109.
[6]	岳丽欣,刘自强,胡正银. 面向趋势预测的热点主题演化分析方法研究*[J]. 数据分析与知识发现, 2020, 4(6): 22-34.
[7]	蔡永明,刘璐,王科唯. 网络虚拟学习社区重要用户与核心主题联合分析*[J]. 数据分析与知识发现, 2020, 4(6): 69-79.
[8]	苏庆,陈思兆,吴伟民,李小妹,黄佃宽. 基于学习情况协同过滤算法的个性化学习推荐模型研究^*[J]. 数据分析与知识发现, 2020, 4(5): 105-117.
[9]	邓思艺,乐小虬. 基于动态语义注意力的指代消解方法[J]. 数据分析与知识发现, 2020, 4(5): 46-53.
[10]	魏国辉,张丰聪,付先军,王振国. 中药成分相似性量化建模及寒热药性预测分析^*[J]. 数据分析与知识发现, 2020, 4(5): 75-83.
[11]	郑淞尹,谈国新,史中超. 基于分段用户群与时间上下文的旅游景点推荐模型研究^*[J]. 数据分析与知识发现, 2020, 4(5): 92-104.
[12]	余传明,原赛,朱星宇,林虹君,张普亮,安璐. 基于深度学习的热点事件主题表示研究*[J]. 数据分析与知识发现, 2020, 4(4): 1-14.
[13]	张冬瑜,崔紫娟,李映夏,张伟,林鸿飞. 基于Transformer和BERT的名词隐喻识别*[J]. 数据分析与知识发现, 2020, 4(4): 100-108.
[14]	杨旭,钱晓东. 基于改进的Vicsek模型的社会网络同步聚类算法*[J]. 数据分析与知识发现, 2020, 4(4): 119-128.
[15]	潘有能,倪秀丽. 基于Labeled-LDA模型的在线医疗专家推荐研究*[J]. 数据分析与知识发现, 2020, 4(4): 34-43.

Viewed

Full text

Abstract

Cited

Shared

Discussed