开源众包    54人浏览/14人投稿    969天前    已托管赏金

想找人开发一款简单的工业组态软件,类似于MCGSPRO/组态王的软件.主要目的是让最终客户在市场找不到相关资料

开源众包    253人浏览/26人投稿    969天前    已托管赏金

本系统属于虚拟点卡商城类（合法备案资质）使用的是 MySQL5.6 php5.6 tp3.2框架系统分类 总后台，商户后台，商户前台（用户注册购买），还有分站后台（用户自助开通）维护几个功能第一个是跨系统实时对接商品第二个是投诉超时自动退款第三个是分站后台部分小问题第四个是全网通显示问题基本都是小问题但是自己不会搞

实现    175人浏览/46人投稿    969天前    已托管赏金

有现成的产品最好‘’ 核心需求 对指定的新闻文章的内容进行智能判断，提取出文章描述关键字和态度。新闻文章来源爬虫爬取的各新闻网站、微信公众号的。关键字是某单位主体的名称、简称，高校居多。如北京大学、北大，清华大学、清华。 文章的态度即是文本的情感态度，分为以下三种情况： 正面：文章对单位主体的认可赞美的。 中立：文章对单位主体进行客观真实的介绍，不包含个人立场。 负面：文章对单位主体不认可，进行批评指责甚至是恶意抹黑。 判断标准要能接近人工识别的标准，至少是让人看上去是相关的。

猿急送    58人浏览/33人投稿    969天前    已托管赏金

核心需求 对指定的新闻文章的内容进行智能判断，提取出文章描述关键字和态度。新闻文章来源爬虫爬取的各新闻网站、微信公众号的。关键字是某单位主体的名称、简称，高校居多。如北京大学、北大，清华大学、清华。 文章的态度即是文本的情感态度，分为以下三种情况： 正面：文章对单位主体的认可赞美的。 中立：文章对单位主体进行客观真实的介绍，不包含个人立场。 负面：文章对单位主体不认可，进行批评指责甚至是恶意抹黑。 判断标准要能接近人工识别的标准，至少是让人看上去是相关的。 主要问题 在关键字提取时，像这些都是正文含有北京大学，情绪偏负面的。但是主体内容和北京大学无关的内容，是不需要的。要想办法

码市    265人浏览/28人投稿    969天前    已托管赏金

开发一个对接上游代理的中间代理服务器及相关调用接口。主要用于解决在访问不同网站时，根据请求URL的关键字将请求发送到指定的上游代理服务器。功能需求：支持HTTP和SOCKS5代理。根据请求URL的关键字，将请求发送到指定的上游代理服务器。提供API接口，允许用户动态创建临时代理映射规则。为每个API请求生成一个临时的代理链接，并在一定时间后自动销毁。提供API接口，允许用户主动销毁临时代理链接。高性能和低响应时间。提供详细的日志记录和数据统计功能。接口访问控制和安全防护。提供详细的日志记录和数据统计功能。

码市    128人浏览/40人投稿    969天前    已托管赏金

此项目为一个商品展示PC及小程序平台，无支付功能负责运营管理系统部分功能及对小程序提供对应模块接口系统管理商品管理兑奖卡管理资讯管理统计管理用户管理广告管理问题反馈管理无支付功能

码市    322人浏览/16人投稿    969天前    已托管赏金

利用python的opencv-python根据rtsp流地址打开海康网络摄像头。要求：1.能够实现长期稳定的摄像头实时画面显示。2.采用多线程方式实现，一个线程用于实现从rtsp流中获取最新的视频帧图片，另一个线程用于显示最新的视频帧

码市    211人浏览/10人投稿    969天前    已托管赏金

简介对本院病历系统的数据进行批量下载和整合功能需求在本科室内网PC上，提取本院病历系统数据，并整合进一个数据库中以供科研调取使用。开发环境为本院内网PC，通过无线网络远程开发。病历系统为卫宁健康开发的住院工作站。

码市    85人浏览/5人投稿    969天前    已托管赏金

通过对接Turnitin API 对论文进行查重，将查重结果展示到自己的网站页面。1、根据淘宝单号查询订单状态及金额2、用户上传论文后，调用 Turnitin 接口进行查重3、将查重结果展示到页面

开源众包    263人浏览/14人投稿    969天前    已托管赏金

对指定的新闻文章的内容进行智能判断，提取出文章描述关键字和态度。新闻文章来源爬虫爬取的各新闻网站、微信公众号的。关键字是某单位主体的名称、简称，高校居多。如北京大学、北大，清华大学、清华。文章的态度即是文本的情感态度，分为以下三种情况：正面：文章对单位主体的认可赞美的。中立：文章对单位主体进行客观真实的介绍，不包含个人立场。负面：文章对单位主体不认可，进行批评指责甚至是恶意抹黑。判断标准要能接近人工识别的标准，至少是让人看上去是相关的。在关键字提取时，像这些都是正文含有北京大学，情绪偏负面的。但是主体内容和北京大学无关的内容，是不需要的。要想办法过滤掉。这样用户一眼看过去相关度就高了。也就容易接受使用了。解决舆情系统误报问题，最终让舆情系统的检测更准确。举例来说：正文里面含有北京大学，但是整体文章和“北京大学”无关。造成误报。根本需求就是提高相关性，降低误报。根据识别是否正确，分为正样本（可以正确判断的样本）和负样本（会识别错误的样本）。以下样本能够正确识别含有北京大学、或者北大的匹配的样本。https://dy.163.com/article/HP3596OB0553THOL.htmlhttps://3g.163.com/dy/article/HH4N4H660536LOE0.htmlhttps://dy.163.com/article/HNE5U0TC0552UVEN.htmlhttps://www.cn-healthcare.com/article/20200619/content-538308.html负样本主要有三类第一类的可能是分词造成的。比如下面的含有“北大”，但是不是我们需要的北京大学的“北大”。https://news.sina.com.cn/s/2022-12-19/doc-imxxeieh3862464.shtmlhttp://www.zhuzhouwang.com/2020/1229/394854.shtmlhttps://www.sznews.com/news/content/2022-12/19/content_25525650.htm第二类，含有“北京大学”，但是这个新闻和北京大学没关系。https://news.hangzhou.com.cn/shxw/content/2022-12/19/content_8429260.htmhttp://www.jiaodong.net/news/system/2022/12/17/014530967.shtmlhttps://www.ztnews.net/article/show-393527.htmlhttp://news.66wz.com/system/2022/12/17/105529619.shtmlhttps://hb.ifeng.com/c/8LlaffrCHQj第三类，含有“北京大学”，内容也匹配。但是情感分析不准确。对于已标记的数据，我们目前的训练结果准确度能达到90%多，但是对于未标记的数据，还是会有误判的情况。希望合作方能给出更好的解决方案。最终输出：合作者最好有过舆情开发经验，能提供以前的项目进行对比查看。如果是全新开发需能提供初步测试的demo进行在线测试。确定可行，提供整体的解决方案，架构设计，程序源码。