| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 互联网知识学习的特点 | 第8页 |
| 1.1.2 知识推荐的重要作用 | 第8-9页 |
| 1.2 问题分析 | 第9-11页 |
| 1.2.1 互联网知识学习存在的问题 | 第9-10页 |
| 1.2.2 基于迁移学习的跨领域知识推荐 | 第10-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 相关研究 | 第13-18页 |
| 2.1 互联网知识学习 | 第13页 |
| 2.2 推荐算法 | 第13-15页 |
| 2.3 知识推荐 | 第15-16页 |
| 2.4 迁移学习 | 第16-18页 |
| 第三章 基于迁移学习的知识推荐算法框架 | 第18-32页 |
| 3.1 算法框架总体介绍 | 第18-20页 |
| 3.2 互联网知识资源建模 | 第20-22页 |
| 3.2.1 学习者模型的构建 | 第20-21页 |
| 3.2.2 知识资源模型的构建 | 第21-22页 |
| 3.2.3 学习者与知识资源关系模型的构建 | 第22页 |
| 3.3 朴素的知识推荐方法 | 第22-25页 |
| 3.3.1 基于内容的知识推荐 | 第23-24页 |
| 3.3.2 基于协同过滤的知识推荐 | 第24-25页 |
| 3.4 基于迁移学习的知识推荐方法 | 第25-32页 |
| 3.4.1 相关方法分析 | 第25-28页 |
| 3.4.2 基于迁移学习的知识推荐算法所面临的挑战 | 第28-29页 |
| 3.4.3 基于项目的迁移学习推荐方法IBTL | 第29-32页 |
| 第四章 面向在线评测系统的知识推荐算法 | 第32-42页 |
| 4.1 在线评测系统介绍 | 第32-33页 |
| 4.2 在线评测系统的题目资源建模 | 第33-40页 |
| 4.2.1 数据介绍 | 第33-36页 |
| 4.2.2 用户特征以及题目资源特征的建模 | 第36-39页 |
| 4.2.3 用户题目关系建模 | 第39-40页 |
| 4.3 面向在线评测系统的知识推荐算法 | 第40-42页 |
| 第五章 实验及结论 | 第42-51页 |
| 5.1 基于项目的迁移学习方法实验 | 第42-45页 |
| 5.1.1 实验数据集 | 第42页 |
| 5.1.2 实验评价方法 | 第42-43页 |
| 5.1.3 对比方法和参数设置 | 第43页 |
| 5.1.4 实验结果 | 第43-45页 |
| 5.2 面向在线评测系统的知识推荐算法实验 | 第45-50页 |
| 5.2.1 实验数据集 | 第45-46页 |
| 5.2.2 实验评价方法 | 第46页 |
| 5.2.3 实验结果 | 第46-50页 |
| 5.3 实验结论 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 发表论文和参加科研情况说明 | 第57-58页 |
| 致谢 | 第58-59页 |