首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于混合推荐的试题推荐系统设计与实现

摘要第4-5页
Abstract第5-6页
第一章 绪论第13-19页
    1.1 研究背景及意义第13-14页
    1.2 研究现状第14-17页
        1.2.1 推荐系统研究和应用现状第14-16页
        1.2.2 个性化教育资源推荐研究现状第16-17页
    1.3 本论文的主要工作第17页
    1.4 论文组织结构第17-19页
第二章 相关理论基础与开发技术第19-30页
    2.1 个性化推荐常用算法第19-27页
        2.1.1 基于内容的推荐算法第19-22页
        2.1.2 协同过滤推荐算法第22-24页
        2.1.3 混合推荐策略第24-27页
    2.2 系统开发技术第27-29页
        2.2.1 B/S架构第28页
        2.2.2 SSM框架第28-29页
        2.2.3 AJAX技术第29页
    2.3 本章小结第29-30页
第三章 协同过滤算法研究第30-41页
    3.1 协同过滤算法实现基本步骤第30-31页
    3.2 协同过滤算法分析第31-37页
        3.2.1 基于用户的协同过滤算法第31-34页
        3.2.2 基于物品的协同过滤算法第34-36页
        3.2.3 Slope One算法第36-37页
    3.3 协同过滤算法存在的问题第37-38页
    3.4 混合推荐算法设计第38-40页
    3.5 本章小结第40-41页
第四章 实验对比与结果分析第41-47页
    4.1 实验环境第41页
    4.2 推荐系统评价第41-42页
        4.2.1 交叉验证第41-42页
        4.2.2 评价指标第42页
    4.3 实验数据集第42-43页
    4.4 实验设计与结果分析第43-46页
        4.4.1 实验设计第43页
        4.4.2 实验过程和结果分析第43-46页
    4.5 本章小结第46-47页
第五章 基于混合推荐的写作习题推荐系统设计与实现第47-58页
    5.1 系统需求分析第47-48页
        5.1.1 功能性需求第47-48页
        5.1.2 非功能性需求第48页
    5.2 系统整体设计第48-51页
        5.2.1 系统的三层架构设计第48-50页
        5.2.2 系统功能模块设计第50-51页
    5.3 系统功能实现第51-56页
        5.3.1 数据库设计第52-54页
        5.3.2 注册/登录模块实现第54-56页
    5.4 推荐模块功能实现第56-57页
        5.4.1 新用户推荐模块第56-57页
        5.4.2 老用户推荐模块第57页
    5.5 本章小结第57-58页
第六章 总结与展望第58-60页
    6.1 总结第58-59页
    6.2 展望第59-60页
参考文献第60-63页
致谢第63页

论文共63页,点击 下载论文
上一篇:高通量DNA测序数据的并行快速压缩方法
下一篇:基于深度学习框架的3D图像视觉显著性检测