| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·我国网络教育的现状及存在问题 | 第7-8页 |
| ·网络教育的现状 | 第7页 |
| ·网络教育资源的定义 | 第7页 |
| ·网络教育资源存在的问题 | 第7-8页 |
| ·远程教育教学模式的相关设计标准 | 第8-11页 |
| ·远程教育标准 | 第8-9页 |
| ·我国远程教育技术标准研究 | 第9-11页 |
| ·个性化教育的概念及现状 | 第11-12页 |
| ·个性化E-LEARNING提供的服务 | 第12-13页 |
| ·本文工作 | 第13-15页 |
| 第二章 中文WEB挖掘技术 | 第15-29页 |
| ·WEB挖掘的定义和分类 | 第15-16页 |
| ·WEB内容挖掘 | 第16-19页 |
| ·WEB结构挖掘 | 第19-21页 |
| ·WEB日志挖掘 | 第21-25页 |
| ·Web日志格式 | 第22-23页 |
| ·日志挖掘技术 | 第23-25页 |
| ·WEB挖掘中存在的问题及发展趋势 | 第25-26页 |
| ·当前Web挖掘中存在的问题 | 第25页 |
| ·Web挖掘技术发展趋势 | 第25-26页 |
| ·个性化推荐技术 | 第26-28页 |
| ·个性化的定义 | 第26页 |
| ·个性化推荐的实现方法 | 第26-27页 |
| ·个性化推荐技术的研究现状 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第三章 网络教学中用户的兴趣分析 | 第29-41页 |
| ·基于浏览行为的用户兴趣分析 | 第29-33页 |
| ·浏览行为对用户兴趣的体现 | 第29页 |
| ·基于浏览行为的用户兴趣分析 | 第29-31页 |
| ·用户兴趣度的估计 | 第31-33页 |
| ·基于浏览内容的用户兴趣分析 | 第33-37页 |
| ·元数据获取 | 第33-34页 |
| ·文本的过滤和表示 | 第34-35页 |
| ·文本的向量空间模型表示 | 第35-36页 |
| ·文本分类 | 第36-37页 |
| ·基于向量空间模型的混合模型 | 第37-40页 |
| ·用户模型的表示 | 第37-38页 |
| ·用户兴趣类权值分析 | 第38-39页 |
| ·页面兴趣等级对权值的影响 | 第39页 |
| ·用户模型的更新 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第四章 构建个性化的教学推荐模型 | 第41-57页 |
| ·个性化教学模型的建立 | 第41-42页 |
| ·WEB访问事务集的获取 | 第42-49页 |
| ·WEB访问事务模型的建立 | 第49-51页 |
| ·Web访问事务模型的表示 | 第49-50页 |
| ·访问事务聚类 | 第50-51页 |
| ·提取频繁WEB页面集 | 第51-53页 |
| ·个性化推荐算法 | 第53-56页 |
| ·频繁项集图的构造 | 第53-54页 |
| ·个性化推荐算法 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 个性化E-LEARNING平台原型系统设计 | 第57-65页 |
| ·个性化E-LEARNING教学环境 | 第57-58页 |
| ·在线推荐流程 | 第58-60页 |
| ·算法实现 | 第60-64页 |
| ·LEARNER算法 | 第61-62页 |
| ·个性化分析算法 | 第62页 |
| ·CBR算法 | 第62-63页 |
| ·个性化过滤算法 | 第63-64页 |
| ·小结 | 第64-65页 |
| 第六章 结束语 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 研究成果 | 第73页 |