| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-29页 |
| ·选题背景 | 第11-14页 |
| ·研究现状及问题提出 | 第14-22页 |
| ·国外现状 | 第16-19页 |
| ·国内现状 | 第19-21页 |
| ·提出问题 | 第21-22页 |
| ·研究内容 | 第22-23页 |
| ·研究的目标和意义 | 第23页 |
| ·研究方法 | 第23-24页 |
| ·相关概念界定 | 第24-25页 |
| ·本文结构 | 第25-27页 |
| ·本章小结 | 第27-29页 |
| 第二章 文献综述 | 第29-48页 |
| ·个性化推荐技术 | 第29-33页 |
| ·个性化推荐技术简介 | 第29-30页 |
| ·相关个性化推荐技术介绍 | 第30-33页 |
| ·协同过滤推荐技术概述 | 第33-34页 |
| ·协同过滤推荐算法分析 | 第34-45页 |
| ·User-based 协同过滤推荐算法 | 第34-38页 |
| ·Item-based 协同过滤推荐算法 | 第38-40页 |
| ·User-based 和 Item-based 两种算法的比较 | 第40-41页 |
| ·协同过滤推荐算法存在问题分析 | 第41-42页 |
| ·优化协同过滤推荐算法介绍 | 第42-45页 |
| ·协同过滤推荐技术案例 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第三章 基于协同过滤技术的学习资源个性化推荐模型 | 第48-59页 |
| ·组合协同过滤推荐算法 | 第48-50页 |
| ·相关学习资源个性化推荐算法 | 第50-53页 |
| ·内容过滤推荐算法 | 第50-52页 |
| ·项目评分预测算法 | 第52-53页 |
| ·学习资源的隐式评分模型 | 第53-55页 |
| ·基于协同过滤技术的学习资源个性化推荐模型 | 第55-58页 |
| ·学习资源个性化推荐引擎 | 第55-56页 |
| ·学习资源个性化推荐模型 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第四章 学习资源个性化推荐系统的设计与实现 | 第59-81页 |
| ·学习资源个性化推荐系统的设计 | 第59-65页 |
| ·需求分析模型 | 第59-60页 |
| ·功能结构分析 | 第60-63页 |
| ·业务流程分析 | 第63-64页 |
| ·数据库模型 | 第64-65页 |
| ·学习资源个性化推荐系统的实现 | 第65-75页 |
| ·开发模式及技术路线 | 第65-66页 |
| ·协同过滤推荐算法实现 | 第66-69页 |
| ·前台部分的实现 | 第69-73页 |
| ·后台部分的实现 | 第73-75页 |
| ·系统功能及算法测试 | 第75-79页 |
| ·系统功能测试 | 第75-76页 |
| ·推荐算法性能测试 | 第76-79页 |
| ·本章小结 | 第79-81页 |
| 第五章 研究结论、创新点与未来研究展望 | 第81-86页 |
| ·研究的结论 | 第81-82页 |
| ·研究的创新点 | 第82-83页 |
| ·未来研究展望 | 第83-86页 |
| 参考文献 | 第86-89页 |
| 致谢 | 第89-90页 |
| 攻读硕士期间主要科研工作及成果 | 第90页 |