| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-18页 |
| ·研究背景及意义 | 第9-13页 |
| ·E-learning资源共享 | 第9-10页 |
| ·个性化推荐 | 第10-11页 |
| ·个性化服务在E-learning中的应用概况 | 第11-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·国外研究现状 | 第13-15页 |
| ·国内研究现状 | 第15-16页 |
| ·研究目标与内容 | 第16-17页 |
| ·论文组织与安排 | 第17-18页 |
| 第二章 相关理论概述 | 第18-28页 |
| ·E-learning环境中的学习资源服务 | 第18-20页 |
| ·E-learning特征概述 | 第18-19页 |
| ·学习资源服务 | 第19-20页 |
| ·个性化推荐技术 | 第20-23页 |
| ·信息检索与信息过滤 | 第20-21页 |
| ·推荐技术 | 第21-23页 |
| ·协同过滤算法及分类 | 第23-27页 |
| ·基于全局的协同过滤算法 | 第23-25页 |
| ·基于模型的协同过滤算法 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 用户兴趣和学习资源建模 | 第28-37页 |
| ·用户兴趣建模 | 第28-34页 |
| ·用户兴趣的获取 | 第28-30页 |
| ·用户兴趣的表示 | 第30-32页 |
| ·用户兴趣的动态调整 | 第32-34页 |
| ·学习资源建模 | 第34-36页 |
| ·学习资源的描述 | 第34-35页 |
| ·学习资源的表示 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于最近邻居评价的改进协同过滤算法 | 第37-50页 |
| ·现有解决办法 | 第37-39页 |
| ·改进的协同过滤算法 | 第39-44页 |
| ·问题分析 | 第39-41页 |
| ·改进策略及原理 | 第41-42页 |
| ·算法步骤 | 第42-44页 |
| ·实验分析 | 第44-49页 |
| ·实验数据及实验环境 | 第44-46页 |
| ·评价指标 | 第46-47页 |
| ·实验过程及分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 协同过滤算法在E-learning个性化推荐系统中的实现 | 第50-57页 |
| ·E-LPIRS的体系结构 | 第50-51页 |
| ·E-LPIRS的主要模块设计 | 第51-52页 |
| ·E-LPIRS系统原型的开发 | 第52-54页 |
| ·开发平台与工具 | 第52页 |
| ·主要数据表结构 | 第52-54页 |
| ·E-LPIRS主要运行界面 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·总结 | 第57-58页 |
| ·下一步工作 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 研究生期间发表的论文与获奖情况 | 第64-65页 |
| 致谢 | 第65页 |