| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 选题背景及意义 | 第12页 |
| 1.2 研究现状 | 第12-20页 |
| 1.2.1 教育信息化研究现状 | 第12-13页 |
| 1.2.2 推送技术研究现状 | 第13-18页 |
| 1.2.3 个性化推荐研究现状 | 第18-20页 |
| 1.3 主要研究内容 | 第20页 |
| 1.4 论文的章节安排 | 第20-22页 |
| 第二章 个性化推送相关技术 | 第22-36页 |
| 2.1 个性化推送服务系统的架构体系研究 | 第22-25页 |
| 2.2 数据存储技术 | 第25-28页 |
| 2.2.1 Hadoop Distributed File System | 第26-27页 |
| 2.2.2 HBase | 第27-28页 |
| 2.3 大数据分布式计算框架 | 第28-31页 |
| 2.3.1 内存分布式计算框架—Spark | 第28-31页 |
| 2.4 推荐算法和开源推荐引擎 | 第31-35页 |
| 2.4.1 User-based协同过滤 | 第31-32页 |
| 2.4.2 基于内容推荐 | 第32-33页 |
| 2.4.3 基于模型的ALS推荐 | 第33-35页 |
| 2.4.4 Spark Mllib | 第35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 用户兴趣模型与教育资源模型研究与设计 | 第36-49页 |
| 3.1 教育资源与用户主要关系 | 第37页 |
| 3.2 教育资源模型 | 第37-44页 |
| 3.2.1 学习对象元数据 | 第37-38页 |
| 3.2.2 教育资源元数据描述 | 第38-42页 |
| 3.2.3 教育资源分类 | 第42-44页 |
| 3.3 用户兴趣建模 | 第44-48页 |
| 3.3.1 用户兴趣的获取 | 第44-45页 |
| 3.3.2 用户兴趣的表示 | 第45-46页 |
| 3.3.3 用户兴趣的动态更新 | 第46-47页 |
| 3.3.4 用户兴趣模型的构建 | 第47-48页 |
| 3.4 小结 | 第48-49页 |
| 第四章 个性化推送系统设计 | 第49-56页 |
| 4.1 系统总体设计 | 第49-51页 |
| 4.1.1 元数据管理层 | 第50页 |
| 4.1.2 个性化推荐服务层 | 第50-51页 |
| 4.1.3 教育用户接口层 | 第51页 |
| 4.2 教育资源个性化信息推送系统实现流程设计 | 第51-52页 |
| 4.3 个性化推荐相关数据表设计 | 第52-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 个性化推荐算法优化设计与实验验证 | 第56-77页 |
| 5.1 Spark下User-based算法设计实现 | 第56-64页 |
| 5.1.1 建立Use-Item矩阵 | 第56-57页 |
| 5.1.2 计算最近N邻局 | 第57页 |
| 5.1.3 产生推荐结果 | 第57-58页 |
| 5.1.4 Spark下User-based算法设计 | 第58-60页 |
| 5.1.5 Spark并行化User-based协同过滤算法实现 | 第60-62页 |
| 5.1.6 实验结果测试与分析 | 第62-64页 |
| 5.2 改进的Item-based算法 | 第64-68页 |
| 5.2.1 算法设计 | 第66-67页 |
| 5.2.2 算法测试 | 第67-68页 |
| 5.3 实时推荐模型及评估 | 第68-75页 |
| 5.3.1 模型设计 | 第68-74页 |
| 5.3.2 模型评估 | 第74-75页 |
| 5.4 本章小结 | 第75-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 致谢 | 第82-84页 |
| 附录 (攻读学位期间取得的学术成果目录) | 第84页 |
