| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-22页 |
| ·研究背景及意义 | 第10-13页 |
| ·个性化教学系统中领域知识模型构建的意义 | 第10-11页 |
| ·个性化教学系统中传统领域知识模型构建方法存在的不足 | 第11-12页 |
| ·概念图作为领域知识模型的表征方式在教学领域的兴起 | 第12-13页 |
| ·相关概念阐述 | 第13-16页 |
| ·个性化教学系统 | 第13-14页 |
| ·领域知识模型及其自动化构建 | 第14-15页 |
| ·概念图 | 第15-16页 |
| ·领域知识模型自动化构建的国内外研究现状及趋势 | 第16-20页 |
| ·国外研究现状 | 第16-18页 |
| ·国内研究现状 | 第18-20页 |
| ·本文的研究目标和研究内容 | 第20-21页 |
| ·研究方法 | 第21-22页 |
| 第2章 个性化教学系统领域知识模型自动化构建研究的基础 | 第22-33页 |
| ·相关理论对本研究的指导作用 | 第22-28页 |
| ·三论 | 第22-24页 |
| ·认知主义教学理论 | 第24-26页 |
| ·知识工程学与人工智能的研究为领域知识模型的自动化构建提供了直接的指导 | 第26页 |
| ·本体知识论对基于概念图的领域知识模型构建的理论指导 | 第26-28页 |
| ·领域知识模型自动化构建的技术支持 | 第28-31页 |
| ·人工智能技术 | 第28-29页 |
| ·自然语言处理 | 第29-30页 |
| ·Java语言 | 第30-31页 |
| ·基于概念图的领域知识模型自动化构建研究的指导原则 | 第31-33页 |
| ·领域知识模型自动化构建的算法设计研究原则 | 第32页 |
| ·领域知识模型自动化构建的实验测试与分析原则 | 第32-33页 |
| 第3章 基于概念图的领域知识模型自动化构建方法 | 第33-56页 |
| ·领域文本资源自动获取方法 | 第34-37页 |
| ·专业领域站点文本资源获取算法设计 | 第34-36页 |
| ·文献资源文本集获取方法 | 第36-37页 |
| ·领域概念术语提取方法 | 第37-49页 |
| ·文本预处理方法 | 第37-39页 |
| ·文本向量表示与特征项提取算法 | 第39-45页 |
| ·潜在语义分析(LSA)方法 | 第45-49页 |
| ·概念关系挖掘方法 | 第49-56页 |
| ·词条关联矩阵构建方法 | 第50页 |
| ·基于知识库的预定义关系标签匹配算法 | 第50-56页 |
| ·领域知识模型表征方法 | 第56页 |
| 第4章 基于概念图的个性化教学系统领域知识模型自动化构建的设计与实现 | 第56-72页 |
| ·领域文本资源获取程序设计与实现 | 第56-60页 |
| ·领域专业站点文本资源获取 | 第57-60页 |
| ·文献资源获取实现 | 第60页 |
| ·领域概念术语抽取算法实现 | 第60-70页 |
| ·文本预处理 | 第60-62页 |
| ·向量空间模型(VSM)的构建 | 第62-64页 |
| ·基于潜在语义分析的特征项矩阵构建 | 第64-70页 |
| ·概念关系挖掘 | 第70页 |
| ·概念图自动生成 | 第70-72页 |
| 第5章 基于概念图的领域知识模型自动化构建研究成果的应用及评价 | 第72-81页 |
| ·将成果应用于构建各学科领域知识模型 | 第72-77页 |
| ·成果应用前的准备 | 第72-73页 |
| ·研究成果应用案例 | 第73-76页 |
| ·研究成果应用效果分析与评价 | 第76-77页 |
| ·运用该方法进行建模时需注意的问题 | 第77页 |
| ·总结与反思 | 第77-79页 |
| ·研究总结 | 第77-78页 |
| ·本研究存在的不足之处 | 第78-79页 |
| ·下一步的工作重点 | 第79-80页 |
| ·对未来的展望 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 附录 | 第84-99页 |
| 致谢 | 第99-100页 |
| 研究生在校期间的科研成果 | 第100-101页 |
