摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-17页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 关联规则挖掘 | 第11-13页 |
1.2.2 个性化推荐 | 第13-15页 |
1.3 本文主要研究工作 | 第15页 |
1.4 论文的组织结构 | 第15-17页 |
第二章 相关理论与技术 | 第17-24页 |
2.1 关联规则 | 第17-20页 |
2.1.1 关联规则相关概念 | 第17-18页 |
2.1.2 关联规则挖掘相关算法及比较 | 第18-20页 |
2.2 推荐理论及相关技术 | 第20-23页 |
2.2.1 推荐系统介绍 | 第20页 |
2.2.2 相关推荐算法及比较 | 第20-23页 |
2.3 本章小结 | 第23-24页 |
第三章 基于改进的NewApriori算法的关联规则推荐 | 第24-39页 |
3.1 改进的NewApriori算法 | 第24-28页 |
3.1.1 Apriori算法基本思想及实现步骤 | 第24-25页 |
3.1.2 Apriori算法缺陷及NewApriori算法的改进 | 第25页 |
3.1.3 改进的NewApriori算法步骤 | 第25-27页 |
3.1.4 改进的NewApriori算法实现 | 第27-28页 |
3.2 数据集处理 | 第28-32页 |
3.2.1 实验数据集 | 第28页 |
3.2.2 课程成绩评估标准划分 | 第28-29页 |
3.2.3 学生成绩数据处理 | 第29-32页 |
3.3 改进的NewApriori算法性能对比实验 | 第32-34页 |
3.3.1 实验的评价标准 | 第32页 |
3.3.2 NewApriori算法性能对比与实验分析 | 第32-34页 |
3.4 基于改进的NewApriori算法的关联规则推荐实验 | 第34-37页 |
3.4.1 关联规则挖掘过程 | 第34-35页 |
3.4.2 实验的评价标准 | 第35页 |
3.4.3 改进的关联规则推荐实验及结果分析 | 第35-37页 |
3.5 本章小结 | 第37-39页 |
第四章 基于学生成绩关联分析的个性化选课推荐 | 第39-50页 |
4.1 基于改进的关联规则和协同过滤的混合式推荐算法 | 第39-44页 |
4.1.1 基于用户的协同过滤推荐算法 | 第39-40页 |
4.1.2 混合式推荐算法原理和模型 | 第40-43页 |
4.1.3 算法的推荐质量评价标准 | 第43-44页 |
4.2 个性化学生选课推荐实验 | 第44-48页 |
4.2.1 实验数据集 | 第44-45页 |
4.2.2 实验的评价标准 | 第45页 |
4.2.3 个性化选课推荐实验结果及推荐质量分析 | 第45-48页 |
4.3 本章小结 | 第48-50页 |
第五章 总结与展望 | 第50-52页 |
5.1 本文总结 | 第50页 |
5.2 下一步研究工作 | 第50-52页 |
参考文献 | 第52-56页 |
攻读硕士期间参加的科研项目与取得的科研成果 | 第56-57页 |
致谢 | 第57-58页 |