feat: 论文

docs/06_毕业论文目录与章节设计.md

@@ -10,19 +10,20 @@
 
 - 1.1 研究背景与意义
 - 1.2 国内外研究现状
-- 1.3 研究内容
+- 1.3 研究问题与研究目标
 - 1.4 论文结构安排
 
 ### 第2章 相关技术与理论基础
 
 - 2.1 `JD-R` 工作要求-资源模型
-- 2.2 Flask 后端框架
-- 2.3 Vue 3 前端框架
-- 2.4 ECharts 可视化技术
-- 2.5 机器学习相关算法
-- 2.6 深度学习时序融合算法
-- 2.7 `SHAP` 可解释分析方法
-- 2.8 `K-Means` 聚类方法
+- 2.2 缺勤分析、解释与预测的逻辑关系
+- 2.3 Flask 后端框架
+- 2.4 Vue 3 前端框架
+- 2.5 ECharts 可视化技术
+- 2.6 机器学习相关算法
+- 2.7 深度学习时序融合算法
+- 2.8 `SHAP` 可解释分析方法
+- 2.9 `K-Means` 聚类方法
 
 ### 第3章 系统需求分析
 
@@ -44,21 +45,24 @@
 - 5.1 中国企业缺勤模拟数据集实现
 - 5.2 特征工程与 `JD-R` 指标构建
 - 5.3 数据概览与影响因素分析模块实现
-- 5.4 `JD-R` 理论分析模块实现
-- 5.5 缺勤预测与 `SHAP` 解释实现
-- 5.6 时序融合深度学习模型实现
-- 5.7 员工画像模块实现
-- 5.8 前端界面实现
+- 5.4 `JD-R` 理论解释与双路径分析实现
+- 5.5 缺勤预测与风险识别实现
+- 5.6 `SHAP` 可解释分析与理论维度聚合实现
+- 5.7 文字化解释与管理建议生成思路
+- 5.8 时序融合深度学习模型实现
+- 5.9 员工画像模块实现
+- 5.10 前端界面实现
 
 ### 第6章 系统测试与结果分析
 
 - 6.1 测试环境
 - 6.2 功能测试
 - 6.3 接口测试
-- 6.4 传统模型与深度学习模型对比
-- 6.5 `JD-R` 理论分析结果讨论
-- 6.6 `SHAP` 可解释结果分析
-- 6.7 系统展示效果分析
+- 6.4 缺勤现象与关键因素结果分析
+- 6.5 `JD-R` 理论解释结果讨论
+- 6.6 缺勤预测与模型对比分析
+- 6.7 `SHAP` 可解释结果与文字化解释分析
+- 6.8 系统展示效果分析
 
 ### 第7章 总结与展望
 
@@ -72,8 +76,8 @@
 
 ## 章节写作建议
 
-- 第1章强调课题意义、问题来源与研究价值
-- 第2章突出“技术基础 + 心理学理论基础”双支撑
-- 第3章与第4章体现系统分析与设计能力
-- 第5章重点写数据、理论、算法和页面如何落地
-- 第6章突出系统已完成的功能效果、模型结果与解释结果
+- 第1章强调“分析 + 解释 + 预测”的整体研究目标，而不是把重点缩成单一预测任务
+- 第2章突出 `JD-R` 是整篇论文的解释框架，`SHAP` 是模型解释工具，两者角色不同但相互支撑
+- 第3章与第4章体现系统分析与设计能力，但论文结构不要完全受页面模块顺序牵引
+- 第5章重点写“现象发现 -> 机制解释 -> 风险预测 -> 文字化解释”的实现链条
+- 第6章每组结果都要同时回答现象、机制和管理意义，不能只给图表或表格