面向实践教学系统选课推荐算法的研究与应用
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的与意义 | 第10页 |
| 1.3 研究内容 | 第10-11页 |
| 1.4 全文组织结构 | 第11页 |
| 1.5 本章小结 | 第11-12页 |
| 第二章 推荐系统相关技术与研究概述 | 第12-21页 |
| 2.1 推荐系统简介及组成 | 第12-13页 |
| 2.1.1 推荐系统简介 | 第12页 |
| 2.1.2 推荐系统组成 | 第12-13页 |
| 2.2 现有的推荐系统实例 | 第13-14页 |
| 2.3 推荐系统实现技术 | 第14-15页 |
| 2.4 推荐系统常用算法分类 | 第15-20页 |
| 2.4.1 基于人口统计学的推荐算法 | 第15页 |
| 2.4.2 基于物品的推荐算法 | 第15-16页 |
| 2.4.3 基于用户的协同过滤推荐算法 | 第16-18页 |
| 2.4.4 基于项目的协同过滤推荐算法 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 推荐算法在选课系统中的研究 | 第21-28页 |
| 3.1 基于用户的协同过滤选课推荐算法 | 第21-23页 |
| 3.1.1 协同过滤概述 | 第21-22页 |
| 3.1.2 建立学生对课程的评价矩阵 | 第22页 |
| 3.1.3 搜索学生的最近邻居 | 第22-23页 |
| 3.1.4 向学生进行选课推荐 | 第23页 |
| 3.2 改进的混合模型选课推荐算法 | 第23-25页 |
| 3.2.1 混合选课推荐模型 | 第23页 |
| 3.2.2 计算学生之间的相似度 | 第23-24页 |
| 3.2.3 构建学生的课程评分矩阵 | 第24-25页 |
| 3.2.4 向学生进行课程推荐 | 第25页 |
| 3.3 两种选课推荐算法的缺点 | 第25-27页 |
| 3.3.1 基于协同过滤的选课推荐算法缺点分析 | 第25-26页 |
| 3.3.2 改进的混合模式选课推荐算法缺点分析 | 第26页 |
| 3.3.3 两种选课推荐算法缺点总结 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 基于神经网络思想的选课推荐算法 | 第28-35页 |
| 4.1 神经网络概述 | 第28-29页 |
| 4.2 课程网络概述及建立 | 第29-31页 |
| 4.3 算法流程图及描述 | 第31-32页 |
| 4.3.1 算法流程图 | 第31页 |
| 4.3.2 选课推荐算法描述 | 第31-32页 |
| 4.4 实验与分析 | 第32-33页 |
| 4.4.1 数据集 | 第32页 |
| 4.4.2 实验步骤 | 第32页 |
| 4.4.3 度量标准 | 第32-33页 |
| 4.4.4 实验结果分析 | 第33页 |
| 4.5 基于神经网络思想的选课推荐算法理论优势 | 第33-34页 |
| 4.6 本章小结 | 第34-35页 |
| 第五章 选课推荐系统的设计与实现 | 第35-48页 |
| 5.1 选课推荐系统架构设计 | 第35-41页 |
| 5.1.1 选课系统设计基础 | 第35-36页 |
| 5.1.2 选课系统技术框架 | 第36-37页 |
| 5.1.3 系统功能结构 | 第37-41页 |
| 5.2 选课系统数据库设计 | 第41-46页 |
| 5.2.1 数据库设计原则 | 第41-42页 |
| 5.2.2 选课系统物理结构设计 | 第42-46页 |
| 5.3 系统算法相关模块实现 | 第46-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 在学期间的研究成果 | 第53-54页 |
| 致谢 | 第54页 |
