不完全信息下在线学习用户特征建模及其在知识推荐中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 引言 | 第9-13页 |
| ·研究背景和问题的提出 | 第9-10页 |
| ·研究目的及意义 | 第10页 |
| ·主要研究内容和研究方法 | 第10-11页 |
| ·研究思路和技术路线 | 第11-13页 |
| 第2章 文献综述 | 第13-22页 |
| ·在线学习的相关研究 | 第13-15页 |
| ·在线学习的概念及应用 | 第13-14页 |
| ·在线学习的个性化与适应性研究 | 第14-15页 |
| ·用户模型以及建模的相关研究 | 第15-18页 |
| ·用户模型的作用和相关概念、分类 | 第15-16页 |
| ·用户建模的方法及实现技术 | 第16-17页 |
| ·用户模型的表示方法及其分析 | 第17-18页 |
| ·在线学习中的用户特征分析及用户建模的相关应用 | 第18-21页 |
| ·在线学习用户的基本特征分析 | 第18-19页 |
| ·在线学习中的用户知识水平研究 | 第19页 |
| ·在线学习中的用户认知风格研究 | 第19-20页 |
| ·在线学习中的用户模型应用 | 第20-21页 |
| ·小结 | 第21-22页 |
| 第3章 基于不完全信息的在线学习用户特征分析 | 第22-26页 |
| ·在线学习用户的信息不完全性分析 | 第22-24页 |
| ·不完全信息下的在线学习用户特征选择 | 第24-26页 |
| 第4章 不完全信息下在线学习用户知识水平测量 | 第26-35页 |
| ·在线学习研究中的用户知识及其测量 | 第26-27页 |
| ·在线学习研究中的用户知识 | 第26页 |
| ·在线学习用户知识水平的测量 | 第26-27页 |
| ·在线学习用户知识水平的影响因素分析 | 第27-28页 |
| ·不完全信息下知识水平的产品属性识别维度 | 第28-29页 |
| ·用户知识水平贝叶斯判别 | 第29-33页 |
| ·用户知识水平贝叶斯判别原理 | 第29页 |
| ·以数码相机为例的实证评估 | 第29-33页 |
| ·本章小结 | 第33-35页 |
| 第5章 不完全信息下在线学习用户认知风格识别 | 第35-46页 |
| ·在线学习用户的认知风格分类及描述 | 第35-36页 |
| ·认知风格选择以及测量方法分析 | 第36-37页 |
| ·贝叶斯网络方法的提出及其适用性分析 | 第37页 |
| ·不完全信息下用户认知风格的贝叶斯推理 | 第37-45页 |
| ·用户认知风格的贝叶斯网络建模 | 第37-40页 |
| ·贝叶斯网络条件概率的获取——基于实证研究 | 第40-42页 |
| ·贝叶斯网络推理的基本原理 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第6章 在线学习用户特征模型的构建 | 第46-51页 |
| ·用户特征模型的建模维度和描述 | 第46-47页 |
| ·基于向量的用户特征模型表示 | 第47-49页 |
| ·基于用户特征模型的用户相似性计算 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第7章 不完全信息下的在线学习个性化知识推荐 | 第51-58页 |
| ·推荐原理 | 第51-53页 |
| ·在线学习学习对象的描述 | 第53-54页 |
| ·个性化在线学习知识推荐方法 | 第54-57页 |
| ·在线学习内容推荐的方法选择 | 第54-55页 |
| ·用户特征模型在知识推荐中的应用 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第8章 结论与展望 | 第58-60页 |
| ·结论 | 第58-59页 |
| ·研究展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-67页 |
| 作者在研究生就读期间发表论文和参与项目情况 | 第67-68页 |
| 附录一 | 第68-70页 |
| 附录二 | 第70-76页 |
| 卷内备考表 | 第76页 |
