| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题的研究背景及意义 | 第8-9页 |
| ·课题的发展及国内外研究现状 | 第9页 |
| ·本文的主要研究内容 | 第9-10页 |
| ·本文的组织架构 | 第10-11页 |
| ·本章小结 | 第11-12页 |
| 第二章 个性化推荐系统问题概述 | 第12-17页 |
| ·个性化推荐系统简介 | 第12页 |
| ·个性化推荐系统的基本框架与算法 | 第12-14页 |
| ·现有的主要的在线学习系统方案 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 遗传算法概述 | 第17-22页 |
| ·遗传算法简介 | 第17-18页 |
| ·遗传算法和个性化在线学习系统的研究现状 | 第18-19页 |
| ·基于不等式方法的多目标遗传算法 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第四章 基于遗传算法的学习用户兴趣和学习资源建模 | 第22-45页 |
| ·本文相关定义 | 第22-26页 |
| ·目标函数定义 | 第22页 |
| ·术语定义 | 第22-25页 |
| ·可采纳边界的定义 | 第25-26页 |
| ·辅助性能指标向量定义 | 第26页 |
| ·Pareto支配和Pareto优化方案 | 第26页 |
| ·用户模型中的数学模型 | 第26页 |
| ·基于遗传算法的学习用户兴趣建模过程 | 第26-41页 |
| ·个性化学习的要素及结构模式 | 第26-28页 |
| ·初始学习用户模型构建 | 第28-31页 |
| ·学习用户模型进化的遗传算子 | 第31-34页 |
| ·基于遗传算法的学习用户兴趣模型进化算法流程实验验证 | 第34-41页 |
| ·学习资源建模 | 第41-44页 |
| ·学习资源的组织结构模式 | 第41-43页 |
| ·学习资源难度系数确定 | 第43页 |
| ·学习资源模型表示 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 基于开源软件Sakai平台开发的个性化在线学习系统解决方案 | 第45-51页 |
| ·Sakai运行环境 | 第45页 |
| ·分析设计 | 第45-49页 |
| ·基于遗传算法的个性化在线学习资源生成 | 第49-50页 |
| ·个体串定义 | 第49页 |
| ·适应度函数 | 第49页 |
| ·交叉操作 | 第49-50页 |
| ·变异操作 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·研究内容回顾与结论 | 第51页 |
| ·展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文 | 第56-57页 |
| 致谢 | 第57页 |