基于数据挖掘的智能化辅助教学系统的研究与实现
| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 前言 | 第10-15页 |
| ·数据挖掘技术概述 | 第10-11页 |
| ·智能化辅助教学技术概述 | 第11-12页 |
| ·课题研究的内容、目的和意义 | 第12-13页 |
| ·本文体系结构 | 第13-15页 |
| 第二章 理论基础 | 第15-22页 |
| ·Web 挖掘(Web Mining) | 第15-17页 |
| ·Web 挖掘概念 | 第15页 |
| ·Web 挖掘的步骤 | 第15-16页 |
| ·Web 挖掘的分类 | 第16-17页 |
| ·Web 个性化信息服务技术 | 第17-19页 |
| ·Web 个性化技术概述 | 第17页 |
| ·Web 个性化信息服务的三种方式 | 第17-19页 |
| ·个性化推荐使用的WEB 挖掘技术 | 第19-21页 |
| ·Web 使用数据的预处理 | 第19-20页 |
| ·构建学习者相似度矩阵并确定推荐系数 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 系统总体架构 | 第22-32页 |
| ·引言 | 第22页 |
| ·个性化模型体系结构 | 第22-24页 |
| ·系统概述 | 第22-23页 |
| ·系统总体结构 | 第23-24页 |
| ·记录用户的浏览行为 | 第24-27页 |
| ·Web 服务器级采集 | 第25页 |
| ·客户级采集 | 第25-26页 |
| ·应用服务器级采集 | 第26页 |
| ·系统用户兴趣采集模块设计 | 第26-27页 |
| ·访问模式挖掘 | 第27-30页 |
| ·服务器端的访问模式挖掘 | 第28页 |
| ·问题总述 | 第28-29页 |
| ·对采集的用户浏览行为进行预处理 | 第29页 |
| ·在线个性化推荐服务 | 第29-30页 |
| ·基于关联规则的个性化智能推荐服务算法 | 第30页 |
| ·推荐模块 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 数据挖掘技术在系统中的具体应用 | 第32-40页 |
| ·应用在个性化用户模型中的序列模式 | 第32-34页 |
| ·序列模式挖掘 | 第32页 |
| ·实现设计 | 第32-34页 |
| ·采用人工神经网络挖掘学生的学习能力 | 第34-37页 |
| ·人工神经网络挖掘 | 第34页 |
| ·挖掘学生的学习能力 | 第34-37页 |
| ·利用聚类分析对学生进行聚类 | 第37-39页 |
| ·聚类分析 | 第37页 |
| ·对学生的学习特征分类 | 第37-39页 |
| ·结论 | 第39-40页 |
| 第五章 智能化辅助教学系统 | 第40-50页 |
| ·运行环境和开发工具 | 第40页 |
| ·预处理模块的实现 | 第40-41页 |
| ·模式挖掘模块的实现 | 第41-43页 |
| ·模式挖掘过程 | 第41-42页 |
| ·挖掘结果分析 | 第42-43页 |
| ·实时推荐模块的实现 | 第43-46页 |
| ·Apache 服务器介绍 | 第43-44页 |
| ·实时推荐模块的接口 | 第44-45页 |
| ·实时推荐的实现 | 第45-46页 |
| ·系统界面 | 第46-48页 |
| ·输出结果 | 第48-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·总结 | 第50-51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间公开发表论文 | 第55-56页 |
| 致谢 | 第56-57页 |
