基于协同过滤算法的备课资源推荐方法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文研究内容 | 第9-10页 |
| 1.4 研究目标与方法 | 第10页 |
| 1.5 本文组织结构 | 第10-12页 |
| 第二章 相关技术依据 | 第12-19页 |
| 2.1 系统概述 | 第12-13页 |
| 2.1.1 推荐系统 | 第12页 |
| 2.1.2 推荐系统通用模型 | 第12-13页 |
| 2.2 用户兴趣模型介绍 | 第13-15页 |
| 2.2.1 用户兴趣信息获取 | 第13-14页 |
| 2.2.2 用户兴趣模型表示 | 第14-15页 |
| 2.3 推荐算法及其分类 | 第15-19页 |
| 2.3.0 基于人口统计学推荐 | 第15-16页 |
| 2.3.1 内容过滤推荐 | 第16页 |
| 2.3.2 基于关联规则的推荐 | 第16-17页 |
| 2.3.3 基于协同过滤的推荐 | 第17-18页 |
| 2.3.4 推荐技术比较 | 第18-19页 |
| 第三章 基于协同过滤推荐算法的备课资源推荐模型 | 第19-28页 |
| 3.1 备课资源推荐模型的总体框架 | 第19-20页 |
| 3.2 备课资源建模 | 第20-21页 |
| 3.3 用户兴趣建模 | 第21-24页 |
| 3.3.1 用户数据整理 | 第21-22页 |
| 3.3.2 用户兴趣权重计算 | 第22-23页 |
| 3.3.3 用户兴趣模型表示 | 第23页 |
| 3.3.4 用户兴趣项权重更新 | 第23-24页 |
| 3.4 备课资源的评分模型 | 第24-25页 |
| 3.5 备课资源推荐算法 | 第25-28页 |
| 3.5.1 相似用户集选取 | 第26页 |
| 3.5.2 目标用户兴趣集选取 | 第26页 |
| 3.5.3 资源推荐 | 第26-28页 |
| 第四章 备课资源推荐系统的设计与实现 | 第28-36页 |
| 4.1 备课资源推荐系统的设计 | 第28-32页 |
| 4.1.1 需求分析模型 | 第28-29页 |
| 4.1.2 功能结构分析 | 第29-30页 |
| 4.1.3 推荐算法详细设计 | 第30-32页 |
| 4.1.4 数据库模型 | 第32页 |
| 4.2 备课资源推荐系统的实现 | 第32-36页 |
| 4.2.1 开发模式及技术路线 | 第32-33页 |
| 4.2.2 推荐算法实现 | 第33-34页 |
| 4.2.3 主要功能界面 | 第34-36页 |
| 第五章 系统测试及结果分析 | 第36-40页 |
| 5.1 实验内容与设计 | 第36页 |
| 5.1.1 实验数据收集 | 第36页 |
| 5.1.2 实验环境 | 第36页 |
| 5.1.3 实验设计 | 第36页 |
| 5.2 结果分析 | 第36-38页 |
| 5.2.1 用户对推荐tag的满意度 | 第36-38页 |
| 5.2.2 用户对推荐备课资源的满意度 | 第38页 |
| 5.3 实验总结 | 第38-40页 |
| 第六章 总结与展望 | 第40-42页 |
| 6.1 研究的结论 | 第40-41页 |
| 6.2 未来工作 | 第41页 |
| 6.3 未来展望 | 第41-42页 |
| 附录 | 第42-44页 |
| 参考文献 | 第44-46页 |
| 致谢 | 第46页 |
