随着移动通信技术的迅猛发展和智能手机的全面普及，短信作为基础通信手段仍被广泛使用。然而，垃圾短信（Spam SMS）泛滥问题日益严重，不仅干扰用户正常通信体验，更成为电信诈骗、钓鱼攻击与恶意推广的重要载体。据中国信息通信研究院《2023年电信网络诈骗治理报告》显示，全年拦截垃圾短信超186亿条，其中含欺诈诱导内容的占比达37.2%，对社会公共安全与个人信息保护构成严峻挑战。本研究聚焦于构建高精度、

随着软件开发规模持续扩大与交付周期不断压缩，传统编码模式面临人力成本高、重复劳动多、错误率上升等瓶颈。人工智能，尤其是大语言模型（LLM）技术的突破性进展，为代码智能生成提供了全新范式。本文设计并实现了一套面向中小型开发场景的轻量化、可本地部署的AI代码自动生成系统——CodeSynth AI。系统以微调后的CodeLlama-7B模型为核心，融合语义感知提示工程（Semantic-Aware P

随着人工智能技术的快速发展与企业数字化转型的深入推进，传统人工客服面临响应延迟高、服务成本大、知识覆盖不全、7×24小时服务能力弱等瓶颈。自然语言处理（NLP）作为AI落地的关键使能技术，为构建高效、可扩展、拟人化的智能客服系统提供了坚实基础。本文围绕“基于NLP的智能客服系统”开展设计与实现研究，融合规则匹配、语义相似度计算与预训练语言模型（BERT+BiLSTM-CRF）三阶段混合架构，构建具

随着电子商务规模持续扩大与用户行为数据呈指数级增长，传统基于规则或单一协同过滤的推荐方法已难以满足海量、高维、稀疏、实时性强的电商场景需求。本文围绕“基于大数据的电商推荐系统设计”这一核心命题，构建了一个融合用户画像建模、多源异构数据融合、实时特征计算与混合推荐策略的端到端推荐系统。系统采用Lambda架构实现批流一体处理，后端以Spark Structured Streaming + Flink

随着城市化进程加速和居民生活水平提升，我国生活垃圾年产量已突破2.5亿吨（住建部《2023年城乡建设统计年鉴》），传统人工分拣方式存在效率低、准确率差、人力成本高、二次污染严重等突出问题。为响应国家“双碳”战略与《“十四五”城镇生活垃圾分类和处理设施发展规划》政策导向，本研究设计并实现了一套端到端的基于深度学习的智能垃圾分类系统。系统采用改进型EfficientNetV2-S作为主干网络，融合注意

随着互联网信息爆炸式增长，新闻资讯日均产量超千万条，人工审核与归类已无法满足时效性与准确性需求。传统机器学习方法（如TF-IDF+SVM）在语义理解能力上存在显著瓶颈，难以捕捉上下文依赖与隐含情感倾向。近年来，预训练语言模型（PLM）尤其是BERT（Bidirectional Encoder Representations from Transformers）凭借其双向注意力机制与深层上下文建模能

随着人工智能技术的迅猛发展，大语言模型（Large Language Models, LLMs）在自然语言理解与生成任务中展现出前所未有的能力。智能问答系统作为人机交互的核心载体，正从传统基于规则或检索式方法向大模型驱动的端到端生成范式演进。本文设计并实现了一套面向垂直领域（高校教务服务）的轻量化大模型智能问答系统，融合RAG（Retrieval-Augmented Generation）架构与本

随着“教育数字化”国家战略深入推进和“停课不停学”常态化实施，在线学习已从辅助手段发展为教育体系的核心支撑。传统LMS（Learning Management System）如Moodle、Blackboard虽功能完备，但普遍存在部署复杂、定制成本高、微服务支持弱、移动端适配差等问题。本文基于SpringBoot 3.2.x微服务架构，融合Vue3+Element Plus前端框架，设计并实现了

在数字经济深度渗透零售行业的背景下，精准的商品销量预测已成为企业实现智能补货、动态定价、库存优化与营销决策的核心能力。传统基于经验或简单时间序列的预测方法难以应对多源异构数据（如促销活动、节假日、天气、用户行为、竞品价格等）带来的非线性、高维度与强时序耦合特性。本文设计并实现了一套端到端的机器学习驱动商品销量预测系统，融合特征工程、集成学习与深度学习技术，构建了以XGBoost为主模型、LSTM为

随着社交媒体、电商评论、新闻舆情等中文文本数据呈爆炸式增长，自动识别用户表达的情感倾向（如正面、负面、中性）已成为自然语言处理（NLP）领域的重要研究方向与落地需求。传统基于词典或机器学习的方法在中文语境下面临分词歧义、语义组合性弱、上下文依赖建模不足等瓶颈。本文设计并实现了一套端到端的中文文本情感分析系统，融合预训练语言模型（BERT）、双向长短期记忆网络（BiLSTM）与注意力机制（Atten