数字学习资源个性化推荐技术研究与应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-17页 |
| ·研究背景与意义 | 第9-11页 |
| ·数字学习资源 | 第9-11页 |
| ·个性化推荐 | 第11页 |
| ·国内外研究现状 | 第11-13页 |
| ·个性化推荐 | 第12-13页 |
| ·学习资源推荐 | 第13页 |
| ·本文的研究内容 | 第13-14页 |
| ·本文的组织结构 | 第14-17页 |
| 第2章 相关技术与研究 | 第17-31页 |
| ·引言 | 第17页 |
| ·个性化推荐系统基本结构 | 第17-19页 |
| ·个性化推荐算法 | 第19-27页 |
| ·基于关联规则的推荐 | 第19-20页 |
| ·基于内容的推荐 | 第20-22页 |
| ·基于协同过滤的推荐 | 第22-26页 |
| ·混合推荐 | 第26-27页 |
| ·个性化推荐存在的问题 | 第27-31页 |
| 第3章 数字学习资源个性化推荐技术研究 | 第31-43页 |
| ·引言 | 第31页 |
| ·偏好数据采集 | 第31-33页 |
| ·学习行为选取 | 第31-32页 |
| ·数据采集方案 | 第32-33页 |
| ·数据预处理 | 第33页 |
| ·页面语义分析 | 第33-34页 |
| ·学习行为分析 | 第34-39页 |
| ·多元线性回归模型 | 第34-37页 |
| ·页面预测评分 | 第37-38页 |
| ·结合学习行为和页面语义特征的学习兴趣模型 | 第38-39页 |
| ·改进的K-means聚类推荐算法 | 第39-43页 |
| ·改进的K-means聚类 | 第39-41页 |
| ·个性化推荐流程 | 第41-43页 |
| 第4章 第四应用系统设计 | 第43-57页 |
| ·引言 | 第43-44页 |
| ·模块设计 | 第44-51页 |
| ·数据采集模块 | 第44-48页 |
| ·学习行为分析模块 | 第48-49页 |
| ·个性化推荐模块 | 第49-51页 |
| ·数据库设计 | 第51-53页 |
| ·效果展示 | 第53-57页 |
| 第5章 实验设计 | 第57-64页 |
| ·引言 | 第57页 |
| ·实验准备 | 第57-58页 |
| ·实验环境 | 第57页 |
| ·实验数据集 | 第57-58页 |
| ·实验评估标准 | 第58-59页 |
| ·实验结果与分析 | 第59-64页 |
| 第6章 总结与展望 | 第64-65页 |
| ·本文工作总结 | 第64页 |
| ·下一步工作 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
