检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

13 篇 学位论文
5 篇 期刊文献

馆藏范围

18 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

18 篇 工学
- 17 篇 计算机科学与技术...
- 17 篇 软件工程
- 4 篇 仪器科学与技术
- 1 篇 控制科学与工程
1 篇 管理学
- 1 篇 管理科学与工程(可...

主题

18 篇 web api推荐
4 篇 mashup
3 篇 深度学习
2 篇 mashup服务
2 篇 多样性
1 篇 近邻增强
1 篇 web开发
1 篇 语义特征
1 篇 知识图谱
1 篇 图结构
1 篇 多特征融合
1 篇 协同推荐
1 篇 序列化推荐
1 篇 服务分类
1 篇 simhash算法
1 篇 lstm
1 篇 服务标签推荐
1 篇 表示增强
1 篇 聚类
1 篇 特征交互

机构

9 篇 云南大学
3 篇 西安电子科技大学
2 篇 曲阜师范大学
1 篇 云南省服务计算重...
1 篇 湖南科技大学
1 篇 浙江工商大学
1 篇 浙江工业大学
1 篇 青岛科技大学

作者

4 篇 武浩
3 篇 wu hao
2 篇 陈小妹
2 篇 段云浩
2 篇 陈佳佩
2 篇 赵华
1 篇 张若苇
1 篇 chen jia-pei
1 篇 丁云鹏
1 篇 周澳回
1 篇 吴寅琛
1 篇 彭伟乐
1 篇 李浩杰
1 篇 徐立
1 篇 吴涵
1 篇 杨朝晖
1 篇 杜军威
1 篇 胡强
1 篇 李鸿超
1 篇 吴胜琪

语言

18 篇 中文

检索条件"主题词=Web API推荐"

共 18 条记录，以下是11-20 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于多特征融合和知识图谱表达的web api推荐

基于多特征融合和知识图谱表达的Web API推荐

引用

作者：陈小妹云南大学

学位级别：硕士

web api是一种可供应用程序实现存储、消息、计算等服务功能的应用编程接口。它的好处在于容易被访问、开发、组合和扩展,因此在基于Mashup的服务系统的构建方面起着重要的支撑作用。随着互联网上web api数量的迅猛增多,开发者面临着如... 详细信息

web api是一种可供应用程序实现存储、消息、计算等服务功能的应用编程接口。它的好处在于容易被访问、开发、组合和扩展,因此在基于Mashup的服务系统的构建方面起着重要的支撑作用。随着互联网上web api数量的迅猛增多,开发者面临着如何从众多功能相似的api中挑选最合适的目标以构建Mashup的问题,这为开发者带来了许多挑战。通过构建api的推荐系统则有助于缓解此问题,因此已经有许多基于协同过滤、链接分析和主题模型的工作被提出;但是目前的工作多数仅利用了单一的信息维度或算法模型,缺乏对多维度特征的深入挖掘与应用。为此,本文从多特征挖掘与融合、知识图谱(Knowledge Graph,KG)建模与表达两种视角,各自提出了一种web api推荐算法,以达到对多维度特征利用增强推荐效果的目的。本文的具体工作如下:从启发式方法入手,基于DS证据理论,提出了一种多特征融合的web api推荐方法。首先,通过分析api参与Mashup过程的影响因素,将其归纳为文本特征、近邻特征、api相关特征三个证据维度;采用数据融合算子融合各个证据维度的子特征;采用香农熵量化每个证据维度的权重;最后,基于三个维度证据,以评估api和Mashup的需求之间的相关性,从而实现api推荐。通过实验分析证明,即使采用非机器学习的推荐方法也可以获得满意的推荐结果。从机器学习的方法入手,基于知识图谱建模与表达,提出了嵌入语义表示增强的web api推荐方法。首先根据api和Mashup的之间的关系,如推荐、被推荐、标签、属性等关系,提取关系三元组,构建知识图谱;使用知识图谱知识表示学习Trans系列算法以获得api和Mashup的浅层的向量表达;为了增强图谱表达学习的效果,又构建了以双向GRU神经网络(Bidirectional Gated Recurrent Unit,BiGRU)和注意力机制(Attention Mechanism,Attention)为基础的文本编码模块,以获得Mashup和api的深度向量表示。本文将文本编码模块与Trans系列算法联立,进行交替训练,实现深层和浅层的协同表达学习。最后用余弦相似度量化目标Mashup和候选api的相关性,以实现api推荐。实验表明此方法能够获得较好的推荐效果。

关键词： web api推荐多特征融合 DS证据理论 BiGRU KG

来源：评论

学校读者我要写书评

暂无评论

基于特征融合和距离度量学习的web api推荐

基于特征融合和距离度量学习的Web API推荐

引用

作者：赵华云南大学

学位级别：硕士

近年来,面向web api生态系统的挖掘与重用,有效地为开发人员快速选择合适的web api,以构建高质量的web应用已成为一项重要的挑战。研究者提出了各种方法来解决这个问题;然而,如何有效地挖掘Mashup和api数据的各类特征以提高推荐效果仍... 详细信息

近年来,面向web api生态系统的挖掘与重用,有效地为开发人员快速选择合适的web api,以构建高质量的web应用已成为一项重要的挑战。研究者提出了各种方法来解决这个问题;然而,如何有效地挖掘Mashup和api数据的各类特征以提高推荐效果仍有待探索。此外,随着深度学习技术的进步,如何利用新技术挖掘Mashup和api的更多隐含特征以增强向量表示,构建web api推荐方法成为新的挑战。为此,本文挖掘并利用Mashup和api的有效数据特征及组合逻辑,从多个特征融合及距离度量学习两方面分别提出了相应的解决办法,并将两种方法进行线性融合实现混合推荐方法。这为面向Mashup的web api推荐的创新研究提供一种可行的解决策略。提出了基于特征融合和排序学习的web api推荐方法。首先根据Mashup和web api的有效使用数据,提取文本特征、近邻特征、api独有特征、api的标签特征,以评估Mashup需求与候选api之间的相关性,然后在回归模型中进行融合并筛选特征。最后使用排序学习方法来优化模型,以实现api推荐。提出了基于距离度量学习的web api推荐方法。首先使用度量学习对api和Mashup的组合逻辑进行建模,然后利用双向LSTM模型及注意力机制对api及Mashup的文本描述信息进行学习,以增强Mashup和api的向量表示。接着,利用代数运算对目标Mashup和api的向量表示进行相似性匹配,形成Top-K个api,进而实现api推荐。最后,将两种方法进行组合实现性能互补的api混合推荐模型。利用从api生态系统网站中获取的有效数据对本文提出的模型进行实验分析及验证。实验表明本文提出的方法是可行的推荐方法,并且两种方法可以互为补充,提高了api的推荐精度。

关键词： web api推荐特征融合排序学习度量学习 LSTM

来源：评论

学校读者我要写书评

暂无评论

QoS建模及感知的web api推荐

QoS建模及感知的Web API推荐

引用

作者：陈佳佩云南大学

学位级别：硕士

在web开发领域,Mashup指调用多个开放的web api进行组合以创建更高级或是功能更丰富的新服务。随着越来越多的web应用程序发布了公开api以供开发者们进行调用,如何选择合适的web api为Mashup开发提供支持成为了研究热点。针对这一问题,... 详细信息

在web开发领域,Mashup指调用多个开放的web api进行组合以创建更高级或是功能更丰富的新服务。随着越来越多的web应用程序发布了公开api以供开发者们进行调用,如何选择合适的web api为Mashup开发提供支持成为了研究热点。针对这一问题,研究者们从数据角度和建模层面提出了多种不同的算法和模型,根据开发者需求为其建议web api候选集。然而,对于web api的特征融合、特征增强,尤其是如何建模表征web api的质量特征则有待深入研究。为此,本文结合预训练模型、web api特征融合及增强和知识蒸馏等技术提出了相应的解决方案。首先,基于预训练模型提出了一种web api推荐深度模型BPT,引入BERT模型对web api和Mashup的文本描述信息进行特征建模,并基于所得特征完成web api推荐。接着,考虑到服务质量信息对web api使用体验的影响,提出了一种web api质量感知的深度推荐模型QAR。在BERT作为文本编码器实现特征提取的基础上,通过稀疏编码等技术将服务质量信息表征为嵌入向量,并借助注意力机制对web api质量信息特征和文本特征进行有效融合,继而实现了基于质量增强特征的web api推荐。最后,从模型轻量化角度出发,通过蒸馏对BERT模型进行压缩,提出了基于知识蒸馏的QAR压缩模型QADR,进一步加快了模型收敛速度。通过对真实数据集得到的实验结果,从准确性、召回度以及归一化折损累积增益等指标来看,本文所提出的模型相比其他先进模型表现更为优越,文本特征的提取和质量信息的引入使其推荐准确性及稳定性均得到了大幅提升。此外,基于QAR和QADR的对比实验也证明,在保证模型性能的基础上,知识蒸馏的运用能够大大加快模型的测试效率。

关键词：预训练模型 web api推荐 Mashup 质量感知知识蒸馏 DistillBERT

来源：评论

学校读者我要写书评

暂无评论

基于Mashup服务功能语义聚类的web api推荐方法研究

基于Mashup服务功能语义聚类的Web API推荐方法研究

引用

作者：吴涵浙江工业大学

学位级别：硕士

Mashup技术是web 2.0的关键技术之一,它可以通过集成多种不同功能的web api,构建出一种全新的web应用——Mashup服务。在Mashup技术的支持下,许多组合级应用可以在较短的时间内完成功能整合和数据集成,极大的提升了应用的开发效率,因此... 详细信息

Mashup技术是web 2.0的关键技术之一,它可以通过集成多种不同功能的web api,构建出一种全新的web应用——Mashup服务。在Mashup技术的支持下,许多组合级应用可以在较短的时间内完成功能整合和数据集成,极大的提升了应用的开发效率,因此备受许多企业和技术机构的青睐。然而,在主流的服务仓库中注册有数量庞大的Mashup服务和web api,如何在这样海量的服务集合中快速、精准的定位到满足Mashup需求的web api,成为一个亟待解决的问题。为此,本文围绕Mashup服务功能语义的特征表示、服务聚类以及web api推荐三个关键问题展开研究,主要研究内容包括:(1)提出了一种基于Mashup服务功能语义的特征向量表示方法。该方法首先对Mashup服务描述文本进行了规范化处理,并根据被调用web api的标签对相应Mashup服务标签进行扩充,确保标签相对合理完善。在此基础上,提出一种功能语义关联计算方法(FSAC),利用服务标签以及服务描述中的功能名词信息,进行语义关联计算,并将计算结果融入Mashup语义特征向量的构建过程,使其更能反映服务真实的功能特征。(2)提出了一种基于密度峰值检测的Mashup服务聚类方法。该方法首先重新定义了传统密度峰值聚类算法中局部密度的计算方式,使得密度分布以及相关密度信息计算更加合理。在此基础上,提出一种基于密度信息的聚类中心检测方法(CCD-DI),用以筛选出最优的K个聚类中心,作为K-means算法的输入,实现Mashup服务聚类,确保聚类的精准性与稳定性。(3)提出了一种基于Mashup服务邻域的web api推荐算法(WR-MSN)。该算法首先将Mashup服务需求表示成需求语义特征向量的形式。接着,基于Mashup服务聚类结果,锁定与需求语义特征向量最为匹配的Mashup服务邻域,并基于邻域范围内Mashup服务与web api的调用关系,进行web api数据的功能类别划分与排名,从而筛选出与Mashup服务需求最为匹配的web api组合,进行推荐。

关键词： Mashup服务功能语义密度峰值聚类 web api推荐

来源：评论

学校读者我要写书评

暂无评论

面向软件开发的web api推荐与关联模式挖掘研究

面向软件开发的Web API推荐与关联模式挖掘研究

引用

作者：张荷西安电子科技大学

学位级别：硕士

随着互联网的发展,软件开发的需求与日俱增,web api的调用已经成为软件开发必可不少的一种方式。web api是一些预定义的功能,它向软件开发人员提供了一系列的接口,有了web api,软件开发人员可以根据自己的需求直接调用并组合web api而... 详细信息

随着互联网的发展,软件开发的需求与日俱增,web api的调用已经成为软件开发必可不少的一种方式。web api是一些预定义的功能,它向软件开发人员提供了一系列的接口,有了web api,软件开发人员可以根据自己的需求直接调用并组合web api而无需了解其内部细节。但是,由于软件库中的web api数量庞大,开发人员无法熟悉所有web api并始终为特定的开发任务选择正确的web api,因此web api的推荐是一项十分紧急的任务。本文主要针对web api的推荐与关联模式的挖掘分别提出了两个方法,主要工作如下: 1.面向软件开发的web api推荐算法。在本文中,我们发现了用户与web api之间存在一些关系,并利用这种关系和协同学习技术来完成web api的推荐。本文共提出了一个包含三个模型的整体框架。在这三个模型中,我们设计了一种联合矩阵分解技术,并尝试发现web api调用过程之间的偏好。在自然语言处理中,词嵌入技术被广泛使用,在本文的模型中,我们使用doc2vec将用户和web api的表示转换为向量表示,并分别计算用户和web api的相似度以生成关系。除了用户端和web api端的两种模式外,我们还提出了一个集成模型,充分利用了从用户端和web api端挖掘的偏好,从而同时利用这些关系去进行推荐。本文在真实世界的数据集上进行了实验,实验结果表明本文的模型比所有比较的方法都表现的更好。 2.面向软件开发的web api关联模式挖掘。关联模式挖掘可以从数据集中发现项与项之间的关系,从而可以将挖掘出的关系用于推荐。本文研究了图神经网络(具体为Graph Transformer Network)的原理与特点,通过研究Graph Transformer Network,我们发现该方法在异构图上的表现较好,并将其用于web api关联模式的挖掘,从而将web api推荐转化为图推荐问题,挖掘出了web api之间更多的潜在关系,从而用于推荐。对于web api推荐问题,本文将用户、web api以及web api所在的公司作为输入图的节点,将用户-web api、web api-公司作为边类型,Graph Transformer Network会对输入的图进行卷积操作,从而自动生成元路径,并得到图中节点的新的表示,从而进行后续的节点分类与推荐。

关键词： web api推荐关联模式挖掘智能化软件工程协同推荐图神经网络

来源：评论

学校读者我要写书评

暂无评论

面向web开发的api推荐算法与知识图谱的设计与实现

面向Web开发的API推荐算法与知识图谱的设计与实现

引用

作者：丁云鹏西安电子科技大学

学位级别：硕士

在移动多媒体计算应用开发中,提高应用开发效率一直是一个核心问题。web api的使用在提高应用程序开发效率方面起到了明显的作用,但要找到合适的web api需要很多时间。web api推荐系统可以解决这个问题,web api推荐系统将直接推荐web AP... 详细信息

在移动多媒体计算应用开发中,提高应用开发效率一直是一个核心问题。web api的使用在提高应用程序开发效率方面起到了明显的作用,但要找到合适的web api需要很多时间。web api推荐系统可以解决这个问题,web api推荐系统将直接推荐web api给需要的开发者,同时在web api领域中也没有相关的知识图谱构建,这对web api领域中对于知识的查询无疑增加了难度。故而,本文一共设立了两个研究目标,一个是提出新的web api推荐算法,另一个是在web api领域中构建知识图谱,并进行表示学习。在推荐web api的过程中,本文使用矩阵分解模型来预测用户和web api之间的关系。在该模型中,用户和web api之间的关系用矩阵表示。但与传统矩阵分解模型不同的是,本文发现web api之间的关系会对预测结果产生一定的影响。因此,本文采用嵌入技术来计算web api的向量,然后通过向量之间的计算来得到web api之间的相似性,并利用web api之间的潜在关系提出了一个新的矩阵分解模型,本文将新的模型称为MF-AS模型。将相似度计算结果输入MF-AS模型,实现api与用户的关系预测。通过与其他推荐算法的结果对比可以发现,在所有情况中MFAS的模型效果都更好,在冷启动情况中仍有良好的预测结果,说明了模型的有效性以及在特殊情况下也能发挥很好的效果。同时本文也对api进行了知识图谱的设计与实现,随着信息技术的发展,软件开发的模式也在不断进步,在面对现在智能软件开发的需求,知识图谱利用其多种特异性优势,可以将大量web api以及相关数据有效整合利用来满足智能软件开发的需求。本文基于web api等数据,结合知识图谱构建技术,分别建立了api知识图谱与Mashup知识图谱,通过对这两个知识图谱进行知识融合,最终得到数据更加完整的web api知识图谱。通过知识图谱构建技术得到的完整的web api知识图谱为智能软件的开发提供了新的工具。同时我们从web api知识图谱中提取了一部分api数据,使用知识表示方法表示知识图谱中的api,得到结果后,对结果进行聚类和相似度计算,并对整个表示结果进行一个分析,为智能软件开发领域了作出了贡献。

关键词： web开发 web api推荐知识图谱知识表示软件重用

来源：评论

学校读者我要写书评

暂无评论

基于协同过滤与自注意力机制的推荐算法研究与应用

基于协同过滤与自注意力机制的推荐算法研究与应用

引用

作者：吴寅琛西安电子科技大学

学位级别：硕士

推荐算法利用已有数据分析用户行为和物品属性从而挖掘用户喜好,并为用户推荐合适物品。推荐算法被广泛应用于互联网多种场景,典型场景包括电子商务、社交网络、软件开发等。在基于web api(以下简称api)推荐的软件开发中,推荐算法帮助... 详细信息

推荐算法利用已有数据分析用户行为和物品属性从而挖掘用户喜好,并为用户推荐合适物品。推荐算法被广泛应用于互联网多种场景,典型场景包括电子商务、社交网络、软件开发等。在基于web api(以下简称api)推荐的软件开发中,推荐算法帮助开发人员更好地选择api加速软件开发,但存在推荐精度较低等问题。在电子商务中,已有的基于协同过滤的推荐算法未能考虑到每一个用户的历史行为序列中的局部信息,因此无法精准挖掘用户在对应时间序列上的长期偏好。为此,针对上述提出的问题,本文分别对api推荐与序列化推荐展开系统性研究,创新性提出并实现了基于联合矩阵分解的协同过滤推荐算法,以及基于自注意力机制的序列化推荐算法。本文第一部分工作旨在实现api推荐场景下的协同过滤算法,提出了一种基于联合矩阵分解的api推荐算法。传统的基于矩阵分解的协同过滤算法,忽略了用户与api交互记录数据中包含的长期交互特征。为解决这个问题,本文采用词嵌入技术计算不同用户之间与不同api之间的相似度,并通过相似矩阵分解获取用户特征向量与api特征向量。通过对此相似矩阵进行矩阵分解,本文得到了普通的矩阵分解无法挖掘到的用户相似特征与api相似特征。最终,本文提出并设计了api调用矩阵与相似矩阵的联合分解模型,以得到效果更好、特征更丰富的推荐结果。经过真实数据集下的实验验证,相较于传统协同过滤算法,本文提出的基于联合矩阵分解的推荐算法在准确性等指标上取得了在平均绝对误差与均方根误差上有了较大的性能提升。本文第二部分工作提出了一种基于自注意力机制的序列学习机制,并将其与神经协同过滤推荐算法相结合,构建了一个新型的序列推荐模型。通过对真实推荐场景中数据规律的分析,本文发现不同用户历史行为序列的长度、稀疏性等特征存在不可忽视的差异,不同的序列特征对于推荐效果可能产生不同影响,因此本文提出序列化推荐需要深度挖掘用户序列的多种特征。本文的序列化推荐方法可以识别并过滤用户历史行为序列中的噪音,同时捕获用户与物品之间的非线性与线性交互特征。模型主要由序列特征学习机制与序列神经协同过滤机制两部分组成,能够同时学习到用户历史行为序列中的深度特征,以及用户与物品间的多种交互特征。本文在多个真实数据集上进行了全面的实验,结果表明所提出的模型在多个性能指标上得到了较为优秀的结果。本文也开展了消融实验与敏感性实验,并对实验结果进行了充分分析。这表明本文的序列推荐模型能提取丰富去噪信息,并拥有比目前流行序列推荐方法更好的推荐结果。

关键词： web api推荐序列化推荐协同过滤联合矩阵分解自注意力机制

来源：评论

学校读者我要写书评

暂无评论

面向Mashup开发的智能化服务推荐方法研究

面向Mashup开发的智能化服务推荐方法研究

引用

作者：周澳回浙江工商大学

学位级别：硕士

目前,以Mashup服务开发为代表的服务组合模式,已经成为了企业和各类开发者组织内部快速开发应用程序的首要选择之一。Mashup服务通过重用和组合互联网上发布的web api(Application Programming Interface)和其他服务,实现某项具体的功... 详细信息

目前,以Mashup服务开发为代表的服务组合模式,已经成为了企业和各类开发者组织内部快速开发应用程序的首要选择之一。Mashup服务通过重用和组合互联网上发布的web api(Application Programming Interface)和其他服务,实现某项具体的功能和业务。其在移动互联网应用、云计算、协同开发等领域得到了广泛的运用,从而使得开发者开发应用程序的效率和质量得以提升,避免重复造轮子的情况。然而,这种开发模式在为开发者带来便利的同时,也面临着许多挑战。例如在面对具有庞大基数和复杂应用场景的服务数据(包括web api服务和Mashup服务)时,需要研究新的服务推荐方法以解决异构服务特征整合和多重服务信息挖掘等问题。本文基于Mashup开发中包含的标签推荐和web api推荐两大应用场景,围绕基于调用关系的服务标签推荐和基于显性信息和隐性信息的渐进式web api推荐展开研究。文章的主要工作和贡献如下: 针对服务标签推荐研究中面临的文本信息质量不佳和特征提取质量不高等问题,引入服务调用关系网络和服务结构特征,提出基于调用关系的服务标签推荐方法。该方法将服务的特征分为语义特征和结构特征两个类别,对于语义特征,使用预训练的Sim CSE模型提取文档中的特征向量。对于结构特征,使用Mix GCF和Light GCN模型在调用关系网络中提取服务节点的结构特征向量。而后将两种特征合并后作为服务的综合特征表示,最后通过前馈神经网络得到服务对应的标签推荐结果,并通过相关实验验证了方法有效性。针对web api推荐研究中面临的数据规模庞大和数据质量参差不齐等问题,引入显性语义信息、显性结构信息、隐性语义信息和隐性结构信息,通过分步骤依次组合使用各类信息的策略,提出基于显性信息和隐性信息的渐进式web api推荐方法。该方法将传统方法的首次召回范围从web api层级拓展到了Mashup层级,利用显性语义信息结合开发者需求过滤Mashup,同时使用基于显性结构信息的调用关系网络生成可信Mashup节点列表,并在之后使用隐性结构信息拓展可信Mashup节点列表规模。最后使用隐性语义信息结合前置步骤中得到的各项分数进行最终的web api推荐。相关实验验证了方法的有效性及引入的四种类别的信息对推荐效果的提升作用,并进一步验证了方法在真实场景中的效果。

关键词：服务标签推荐 web api推荐服务分类深度学习 Mashup开发

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共2页 << < 1 2 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：