在线教育中个性化推荐课程算法的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 课题研究内容与创新点 | 第12-13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第二章 推荐算法的相关研究综述 | 第15-25页 |
| 2.1 相关推荐算法研究 | 第15-20页 |
| 2.1.1 基于对象的协同过滤推荐算法 | 第16-18页 |
| 2.1.2 基于用户的协同过滤推荐算法 | 第18-20页 |
| 2.2 推荐算法评价指标 | 第20-23页 |
| 2.2.1 预测准确度 | 第20-22页 |
| 2.2.2 覆盖率 | 第22页 |
| 2.2.3 多样性 | 第22-23页 |
| 2.3 已有方法总结 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 一种面向用户集群的协同过滤算法研究 | 第25-33页 |
| 3.1 基于用户集群的协同推荐算法 | 第25-28页 |
| 3.1.1 算法基本思想 | 第25-27页 |
| 3.1.2 用户之间相似度计算 | 第27-28页 |
| 3.1.3 用户集群构建 | 第28页 |
| 3.1.4 评分预测 | 第28页 |
| 3.2 实验与分析 | 第28-31页 |
| 3.2.1 实验数据 | 第28-29页 |
| 3.2.2 实验设计 | 第29页 |
| 3.2.3 实验结果与分析 | 第29-31页 |
| 3.3 本章小结 | 第31-33页 |
| 第四章 在线教育中基于UCC的个性化推荐算法研究 | 第33-45页 |
| 4.1 基于对象属性和用户评分的相似度计算 | 第33-37页 |
| 4.1.1 用户混合相似度计算 | 第35-36页 |
| 4.1.2 相似度混合 | 第36-37页 |
| 4.2 在线教育平台的个性化推荐算法 | 第37-39页 |
| 4.2.1 引入伪人工推荐 | 第38页 |
| 4.2.2 建立评分映射 | 第38-39页 |
| 4.3 在线教育平台中数据的分析及获取 | 第39-41页 |
| 4.3.1 在线教育平台数据获取 | 第39-41页 |
| 4.4 个性化推荐算法实验与分析 | 第41-44页 |
| 4.4.1 实验数据 | 第41-42页 |
| 4.4.2 实验设计 | 第42页 |
| 4.4.3 实验结果与分析 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-49页 |
| 5.1 论文工作总结 | 第45-46页 |
| 5.2 下一步工作计划 | 第46-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-53页 |
| 攻读学位期间发表的学术论文目录 | 第53页 |
