| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外相关研究 | 第11-14页 |
| 1.2.1 选课系统研究现状 | 第11-12页 |
| 1.2.2 推荐系统研究现状 | 第12-14页 |
| 1.3 研究内容和主要工作 | 第14-15页 |
| 1.4 论文结构 | 第15-17页 |
| 第2章 关键技术研究与分析 | 第17-28页 |
| 2.1 个性化智能推荐 | 第17-24页 |
| 2.1.1 个性化智能推荐理论 | 第17-18页 |
| 2.1.2 常用的智能推荐技术 | 第18-24页 |
| 2.2 数据处理技术 | 第24-25页 |
| 2.2.1 数据处理技术 | 第24页 |
| 2.2.2 传统相似度计算步骤 | 第24-25页 |
| 2.3 系统开发其他相关技术 | 第25-27页 |
| 2.3.1 开发架构C/S模式和B/S模式 | 第25-26页 |
| 2.3.2 开发技术平台.NET | 第26页 |
| 2.3.3 MVC设计模式简介 | 第26-27页 |
| 2.3.4 SQL Server 2008 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于学生兴趣相似性协同过滤混合推荐课程算法 | 第28-41页 |
| 3.1 本校中职学生兴趣特点和特征属性分析 | 第28-31页 |
| 3.1.1 中职学生特点 | 第28页 |
| 3.1.2 学生特征属性分析 | 第28-31页 |
| 3.2 基于混合学生兴趣相似度协同过滤的中职学校选课系统核心算法研究 | 第31-35页 |
| 3.2.1 混合学生兴趣相似度模型 | 第31-32页 |
| 3.2.2 学生属性相似度计算 | 第32-33页 |
| 3.2.3 学生共同评分课程稀疏时兴趣相似度计算 | 第33页 |
| 3.2.4 学生共同评分课程密集时兴趣相似度计算 | 第33-34页 |
| 3.2.5 混合三个兴趣相似度的计算 | 第34页 |
| 3.2.6 预测推荐TOP-N | 第34-35页 |
| 3.3 混合兴趣相似度协同过滤推荐方法流程 | 第35-36页 |
| 3.4 实验结果及分析 | 第36-40页 |
| 3.4.1 实验数据集 | 第36页 |
| 3.4.2 推荐结果的评价标准 | 第36-37页 |
| 3.4.3 实验结果及分析 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 课程智能推荐选课管理系统分析与设计 | 第41-56页 |
| 4.1 课程智能推荐选课管理系统分析 | 第41-46页 |
| 4.1.1 选课系统业务流程分析 | 第41-42页 |
| 4.1.2 功能性需求分析 | 第42-45页 |
| 4.1.3 非功能需求分析 | 第45-46页 |
| 4.2 课程智能推荐选课管理系统设计 | 第46-55页 |
| 4.2.1 系统设计原则 | 第46页 |
| 4.2.2 系统架构设计 | 第46-47页 |
| 4.2.3 系统功能模块设计 | 第47-49页 |
| 4.2.4 数据库设计 | 第49-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第5章 课程智能推荐选课管理系统实现与测试 | 第56-72页 |
| 5.1 系统运行环境 | 第56页 |
| 5.2 课程智能推荐选课管理系统实现 | 第56-61页 |
| 5.2.1 学生模块功能实现 | 第56-58页 |
| 5.2.2 教师功能模块的实现 | 第58-59页 |
| 5.2.3 选课管理员模块实现 | 第59-61页 |
| 5.3 系统测试 | 第61-71页 |
| 5.3.1 系统测试方法 | 第61-62页 |
| 5.3.2 功能系统测试 | 第62-71页 |
| 5.4 系统测试结果 | 第71页 |
| 5.5 本章小结 | 第71-72页 |
| 第6章 总结与展望 | 第72-73页 |
| 6.1 总结 | 第72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 致谢 | 第75页 |