基于典型度的相对熵相似度知识推荐
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景以及意义 | 第8-9页 |
| 1.1.1 在线学习的特点 | 第8页 |
| 1.1.2 知识推荐的重要意义 | 第8-9页 |
| 1.2 问题分析 | 第9-11页 |
| 1.2.1 个性化推荐存在的问题 | 第9-10页 |
| 1.2.2 互联网知识以及知识推荐存在的问题 | 第10-11页 |
| 1.3 论文研究内容和组织结构 | 第11-12页 |
| 第2章 相关工作 | 第12-22页 |
| 2.1 互联网知识在线学习 | 第12-13页 |
| 2.2 推荐算法 | 第13-18页 |
| 2.2.1 推荐算法综述 | 第13-14页 |
| 2.2.2 基于典型度推荐算法 | 第14-18页 |
| 2.3 相似度计算 | 第18-20页 |
| 2.4 聚类方法 | 第20-22页 |
| 2.4.1 传统聚类方法 | 第20-21页 |
| 2.4.2 聚类新方法 | 第21-22页 |
| 第3章 基于典型度的相对熵相似度推荐算法框架 | 第22-27页 |
| 3.1 知识推荐模型构建及算法 | 第22-24页 |
| 3.2 相对熵相似度 | 第24页 |
| 3.3 相对熵相似度参数训练 | 第24-26页 |
| 3.3.1 推荐算法评价标准 | 第24-25页 |
| 3.3.2 相对熵相似度参数训练 | 第25-26页 |
| 3.4 基于典型度相对熵相似度知识推荐具体算法 | 第26-27页 |
| 第4章 面向在线评测系统的知识推荐 | 第27-32页 |
| 4.1 在线评测系统 | 第27-29页 |
| 4.1.1 在线评测系统简介 | 第27-29页 |
| 4.1.2 天津大学在线评测系统 | 第29页 |
| 4.2 在线评测系统题目推荐 | 第29-32页 |
| 第5章 实验结果及结论 | 第32-43页 |
| 5.1 实验环境 | 第32页 |
| 5.2 基于典型度推荐相对熵算法实验 | 第32-37页 |
| 5.2.1 电影典型度推荐算法 | 第32-33页 |
| 5.2.2 电影评分实验结果 | 第33-37页 |
| 5.3 面向在线评测题目推荐算法实验 | 第37-41页 |
| 5.3.1 在线评测系统数据集 | 第37页 |
| 5.3.2 面向在线评测题目推荐实验评价方法 | 第37-38页 |
| 5.3.3 面向在线评测题目推荐实验结果及分析 | 第38-41页 |
| 5.4 实验结论 | 第41-43页 |
| 第6章 总结与展望 | 第43-46页 |
| 6.1 总结 | 第43-44页 |
| 6.2 展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 发表论文和参加科研情况说明 | 第50-51页 |
| 致谢 | 第51-52页 |
