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:
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

:	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:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2005.05.06 或 https://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]	王寒雪,崔文娟,周园春,杜一. 基于机器学习的食源性疾病致病菌识别方法*[J]. 数据分析与知识发现, 2021, 5(9): 54-62.
[2]	单晓红,王春稳,刘晓燕,韩晟熙,杨娟. 开放式创新社区领先用户识别——知识基础观视角*[J]. 数据分析与知识发现, 2021, 5(9): 85-96.
[3]	车宏鑫,王桐,王伟. 前列腺癌预测模型对比研究*[J]. 数据分析与知识发现, 2021, 5(9): 107-114.
[4]	朱侯,方清燕. 社会化媒体用户隐私计算量化模型构建及隐私悖论均衡解验证*[J]. 数据分析与知识发现, 2021, 5(7): 111-125.
[5]	陈星月, 倪丽萍, 倪志伟. 基于ELECTRA模型与词性特征的金融事件抽取方法研究*[J]. 数据分析与知识发现, 2021, 5(7): 36-47.
[6]	陆泉, 何超, 陈静, 田敏, 刘婷. 基于两阶段迁移学习的多标签分类模型研究*[J]. 数据分析与知识发现, 2021, 5(7): 91-100.
[7]	曹睿,廖彬,李敏,孙瑞娜. 基于XGBoost的在线短租市场价格预测及特征分析模型^*[J]. 数据分析与知识发现, 2021, 5(6): 51-65.
[8]	王义真,欧石燕,陈金菊. 民事裁判文书两阶段式自动摘要研究^*[J]. 数据分析与知识发现, 2021, 5(5): 104-114.
[9]	伊惠芳,刘细文. 一种专利技术主题分析的IPC语境增强Context-LDA模型研究[J]. 数据分析与知识发现, 2021, 5(4): 25-36.
[10]	石湘,刘萍. *基于知识元语义描述模型的领域知识抽取与表示研究 ^——以信息检索领域为例**[J]. 数据分析与知识发现, 2021, 5(4): 123-133.
[11]	张鑫,文奕,许海云. 一种融合表示学习与主题表征的作者合作预测模型^*[J]. 数据分析与知识发现, 2021, 5(3): 88-100.
[12]	冯勇,刘洋,徐红艳,王嵘冰,张永刚. 融合近邻评论的GRU商品推荐模型^*[J]. 数据分析与知识发现, 2021, 5(3): 78-87.
[13]	赵天资, 段亮, 岳昆, 乔少杰, 马子娟. 基于Biterm主题模型的新闻线索生成方法 ^*[J]. 数据分析与知识发现, 2021, 5(2): 1-13.
[14]	沈旺, 李世钰, 刘嘉宇, 李贺. 问答社区回答质量评价体系优化方法研究 ^*[J]. 数据分析与知识发现, 2021, 5(2): 83-93.
[15]	吴彦文, 蔡秋亭, 刘智, 邓云泽. 融合多源数据和场景相似度计算的数字资源推荐研究^*[J]. 数据分析与知识发现, 2021, 5(11): 114-123.

Viewed

Full text

Abstract

Cited

Shared

Discussed