基于协同过滤的教学资源个性化推荐技术的研究及应用
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-13页 |
| ·研究背景及选题意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文的主要工作 | 第12页 |
| ·文章的组织结构 | 第12-13页 |
| 2 个性化推荐系统相关理论 | 第13-25页 |
| ·推荐系统概述 | 第13页 |
| ·个性化推荐技术的分类 | 第13-18页 |
| ·基于内容的推荐 | 第13-14页 |
| ·基于协同过滤的推荐 | 第14页 |
| ·基于规则的推荐 | 第14-15页 |
| ·基于数据挖掘的推荐 | 第15-17页 |
| ·合推荐 | 第17-18页 |
| ·协同过滤技术的介绍 | 第18-24页 |
| ·协同过滤技术的分类 | 第18-19页 |
| ·基于用户的协同过滤算法 | 第19-21页 |
| ·基于项目的协同过滤算法 | 第21-22页 |
| ·基于模型的协同过滤算法 | 第22-23页 |
| ·协同过滤技术面临的挑战 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 用户兴趣模型的建立 | 第25-34页 |
| ·用户建模的相关理论及方法 | 第25-31页 |
| ·数据收集 | 第26-27页 |
| ·模型表示 | 第27-28页 |
| ·模型学习 | 第28-30页 |
| ·模型更新 | 第30-31页 |
| ·教学资源模型的建立 | 第31-32页 |
| ·用户模型的建立 | 第32-34页 |
| 4 个性化推荐流程和算法的设计 | 第34-41页 |
| ·推荐流程 | 第34-38页 |
| ·本专业资源推荐 | 第34-36页 |
| ·非本专业资源推荐 | 第36-38页 |
| ·相似度计算 | 第38-39页 |
| ·相似度计算方法分析 | 第38-39页 |
| ·改进的相似度计算方法 | 第39页 |
| ·混合协同过滤推荐算法 | 第39-41页 |
| 5 推荐引擎的实现 | 第41-48页 |
| ·Apache mahout的简介 | 第41-42页 |
| ·使用Taste构建推荐引擎 | 第42-48页 |
| ·抽取Taste工具包 | 第42-43页 |
| ·数据建模 | 第43-44页 |
| ·推荐引擎实现 | 第44-48页 |
| 6 算法的评价 | 第48-52页 |
| ·实验数据集与环境 | 第48-49页 |
| ·实验评价标准 | 第49页 |
| ·实验方案设计 | 第49-50页 |
| ·实验结果分析 | 第50-52页 |
| 7 总结与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 作者简历 | 第56-58页 |
| 学位论文数据集 | 第58页 |
