基于建构学习的个性化即时学习支持方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 推荐系统的发展现状 | 第9-11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 第二章 推荐系统及相关研究综述 | 第13-21页 |
| 2.1 个性化推荐系统的一般框架 | 第13页 |
| 2.2 推荐算法及其分类 | 第13-18页 |
| 2.2.1 基于内容的推荐算法 | 第13-14页 |
| 2.2.2 协同过滤推荐算法 | 第14-15页 |
| 2.2.3 基于知识的推荐算法 | 第15-16页 |
| 2.2.4 基于规则的推荐算法 | 第16-17页 |
| 2.2.5 混合推荐算法 | 第17-18页 |
| 2.3 推荐算法的评价 | 第18-21页 |
| 2.3.1 常用的实验数据集 | 第18-19页 |
| 2.3.2 准确性评价 | 第19-21页 |
| 第三章 基于建构主义学习理论的个性化知识推荐模型 | 第21-39页 |
| 3.1 引言 | 第21页 |
| 3.2 建构推荐模型基本框架 | 第21-25页 |
| 3.2.1 知识网络模块 | 第22-24页 |
| 3.2.2 建构推荐模块 | 第24-25页 |
| 3.3 模型实现 | 第25-28页 |
| 3.3.1 建构主义推荐策略 | 第25-26页 |
| 3.3.2 建构推荐算法描述 | 第26-27页 |
| 3.3.3 分析讨论 | 第27-28页 |
| 3.4 实验研究 | 第28-37页 |
| 3.4.1 实验方案 | 第28-30页 |
| 3.4.2 评价指标 | 第30-31页 |
| 3.4.3 实验结果与分析 | 第31-35页 |
| 3.4.4 模拟推荐实例分析 | 第35-37页 |
| 3.4.5 真实用户模拟实验 | 第37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 基于时空域联合建模的领域知识演化脉络分析 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 模型框架 | 第39-45页 |
| 4.2.1 知识网络模块 | 第40-43页 |
| 4.2.2 骨架聚类 | 第43-45页 |
| 4.3 实验研究 | 第45-50页 |
| 4.3.1 实验数据 | 第45页 |
| 4.3.2 实验分析 | 第45-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 本文总结 | 第51页 |
| 5.2 工作展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第59页 |
