| 摘要 | 第2-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 应用软件架构 | 第11-13页 |
| 1.2.2 负载均衡研究 | 第13-14页 |
| 1.2.3 推荐算法研究 | 第14-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 研究贡献及创新点 | 第18-19页 |
| 1.5 论文结构 | 第19-20页 |
| 2 小规模在线教学平台开发模型研究 | 第20-29页 |
| 2.1 AKF三维伸缩模型 | 第20-22页 |
| 2.2 小规模在线教学平台开发模型研究 | 第22-26页 |
| 2.3 小规模在线教学平台的分解与映射 | 第26-27页 |
| 2.4 小规模在线教学平台编程优点 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 基于学习分析与预测模型的在线考试系统负载均衡研究 | 第29-44页 |
| 3.1 在线考试系统中的负载均衡问题 | 第29-30页 |
| 3.2 负载均衡基本原理 | 第30页 |
| 3.3 卷积神经网络 | 第30-31页 |
| 3.4 负载均衡实验设计 | 第31-34页 |
| 3.4.1 基于学习分析的负载均衡方法 | 第32-33页 |
| 3.4.2 基于预测模型的重定向负载均衡方法 | 第33-34页 |
| 3.5 实验结果与分析 | 第34-42页 |
| 3.5.1 实验数据与预处理 | 第34-38页 |
| 3.5.2 负载指标与度量方法 | 第38页 |
| 3.5.3 实验结果与对比分析 | 第38-42页 |
| 3.6 本章小结 | 第42-44页 |
| 4 基于多维特征分析的习题精准推荐研究 | 第44-58页 |
| 4.1 在线教学平台中的习题推荐 | 第44-45页 |
| 4.2 习题精准推荐方法框架 | 第45-46页 |
| 4.3 提取多维特征与量化度量 | 第46-50页 |
| 4.3.1 习题热度 | 第47页 |
| 4.3.2 知识点相关度 | 第47-49页 |
| 4.3.3 风格相似度 | 第49-50页 |
| 4.4 基于多维特征的习题精准推荐方法 | 第50-51页 |
| 4.4.1 基于线性组合的推荐方法 | 第50页 |
| 4.4.2 基于排序学习的推荐方法 | 第50-51页 |
| 4.5 实验结果与分析 | 第51-57页 |
| 4.5.1 数据预处理 | 第51-53页 |
| 4.5.2 评价指标设定 | 第53-54页 |
| 4.5.3 实验结果与对比分析 | 第54-57页 |
| 4.6 本章小结 | 第57-58页 |
| 5 小规模在线教学平台实例的设计与实现 | 第58-78页 |
| 5.1 小规模在线教学平台实例 | 第58-59页 |
| 5.2 传统新生始业教育存在的问题 | 第59页 |
| 5.3 平台整体框架设计 | 第59-66页 |
| 5.3.1 移动端功能模块设计 | 第60-65页 |
| 5.3.2 后台管理系统设计 | 第65-66页 |
| 5.4 新生始业教育平台实现 | 第66-77页 |
| 5.4.1 开发环境与框架模式 | 第66-68页 |
| 5.4.2 移动端界面 | 第68-74页 |
| 5.4.3 后台管理系统界面 | 第74-77页 |
| 5.5 本章小结 | 第77-78页 |
| 6 总结与展望 | 第78-80页 |
| 6.1 论文总结 | 第78-79页 |
| 6.2 工作展望 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 本文作者硕士期间取得的研究成果 | 第85-86页 |
| 致谢 | 第86-87页 |