| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 研究现状分析 | 第10-13页 |
| 1.2.1 个性化推荐算法研究现状 | 第10-11页 |
| 1.2.2 教育领域的推荐算法研究现状 | 第11-13页 |
| 1.3 本文的主要研究内容和创新点 | 第13-14页 |
| 1.3.1 本文的主要研究内容 | 第13-14页 |
| 1.3.2 本文的主要创新点 | 第14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 基于知识点的学习路径图构建 | 第16-30页 |
| 2.1 学习路径图 | 第16-19页 |
| 2.1.1 知识点的定义 | 第16页 |
| 2.1.2 知识点之间的关系 | 第16-17页 |
| 2.1.3 学习路径图的提出 | 第17-18页 |
| 2.1.4 学习路径图的定义 | 第18-19页 |
| 2.2 学习路径图的构建 | 第19-24页 |
| 2.2.1 知识点的获取 | 第20-21页 |
| 2.2.2 程序设计基础课程知识点获取 | 第21页 |
| 2.2.3 知识点之间关系的获取 | 第21-23页 |
| 2.2.4 程序设计基础课程知识点关系 | 第23页 |
| 2.2.5 程序设计基础课程的学习路径图 | 第23-24页 |
| 2.3 学习路径图的存储 | 第24-27页 |
| 2.3.1 元知识点存储 | 第24-26页 |
| 2.3.2 复合知识点存储 | 第26页 |
| 2.3.3 程序设计基础课程学习路径图存储 | 第26-27页 |
| 2.4 本章小结 | 第27-30页 |
| 第三章 习题的预处理与分类算法研究 | 第30-58页 |
| 3.1 基于Web的习题获取 | 第30-32页 |
| 3.2 习题预处理 | 第32-37页 |
| 3.2.1 习题类型的选取 | 第32-33页 |
| 3.2.2 获取习题的特征词 | 第33-35页 |
| 3.2.3 程序设计基础课程的习题特征降维 | 第35-37页 |
| 3.3 基于模式识别的习题分类方法 | 第37-44页 |
| 3.3.1 基于极限学习机的习题分类 | 第38-40页 |
| 3.3.2 基于支持向量机的习题分类 | 第40-43页 |
| 3.3.3 基于贝叶斯的习题分类 | 第43-44页 |
| 3.4 程序设计基础课程的习题分类实验结果及分析 | 第44-56页 |
| 3.4.1 分类性能评价指标 | 第44页 |
| 3.4.2 实验数据 | 第44页 |
| 3.4.3 分类实验结果 | 第44-55页 |
| 3.4.4 实验结果分析 | 第55-56页 |
| 3.5 本章小结 | 第56-58页 |
| 第四章 基于学习路径图的习题推荐算法 | 第58-74页 |
| 4.1 基于学习路径图的习题推荐方案设计 | 第58-59页 |
| 4.2 基于学习路径图的习题推荐算法 | 第59-68页 |
| 4.2.1 基于学习路径的向前推荐算法 | 第60-62页 |
| 4.2.2 基于学习路径的向后推荐算法 | 第62-64页 |
| 4.2.3 基于习题评价的知识点掌握程度评估 | 第64-65页 |
| 4.2.4 学习路径图边的权重调整 | 第65-67页 |
| 4.2.5 默认知识点推荐列表的生成 | 第67-68页 |
| 4.3 基于学习路径图的习题推荐算法在程序设计基础课程的实验 | 第68-73页 |
| 4.3.1 实验设计及实验结果评价指标 | 第68-69页 |
| 4.3.2 实验数据 | 第69页 |
| 4.3.3 实验结果和分析 | 第69-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第五章 总结与展望 | 第74-76页 |
| 5.1 本文总结 | 第74页 |
| 5.2 未来工作展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间取得的科研成果 | 第82-84页 |
| 致谢 | 第84页 |