| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-19页 |
| ·网络学习个性化的需求 | 第10-11页 |
| ·Web数掘挖掘技术现状分析 | 第11-13页 |
| ·个性化推荐系统现状分析 | 第13-15页 |
| ·网络学习个性化推荐及其原型系统 | 第15-17页 |
| ·论文研究内容与主要工作 | 第17-18页 |
| ·论文结构 | 第18-19页 |
| 第2章 网络学习个性化推荐及其原型系统设计 | 第19-30页 |
| ·个性化网络学习模型的构建 | 第19-23页 |
| ·传统的基于Web的网络学习模型 | 第19-20页 |
| ·个性化的网络学习模型 | 第20-23页 |
| ·网络学习个性化推荐原型系统框架 | 第23-24页 |
| ·网络学习个性化推荐系统组件分析 | 第24-30页 |
| ·学习者信息获取 | 第24-28页 |
| ·学习者个性化信息模型 | 第25-27页 |
| ·学习者个性化信息线性加权模型 | 第27-28页 |
| ·学习者需求识别 | 第28-29页 |
| ·学习资源／行为匹配分析 | 第29页 |
| ·学习资源／行为推荐产生 | 第29-30页 |
| 第3章 Web数据挖掘在网络学习个性化推荐中的应用 | 第30-50页 |
| ·模糊概念的定义 | 第30-31页 |
| ·用户会话的聚类分析 | 第31-37页 |
| ·竞争聚类算法 | 第33-35页 |
| ·CA算法中非欧几里得关联数据到欧氏关联数据的转换 | 第35页 |
| ·关联数据模糊竞争聚类算法 | 第35-37页 |
| ·运用Web数据挖掘技术实现个性化推荐 | 第37-40页 |
| ·运用Web内容挖掘技术实现个性化推荐 | 第40-42页 |
| ·离线处理部分--数据准备 | 第40-42页 |
| ·数据预处理 | 第40-41页 |
| ·内容特征聚类及模式抽取 | 第41-42页 |
| ·在线处理部分--确定推荐系数 | 第42页 |
| ·运用Web结构挖掘技术实现个性化推荐 | 第42-46页 |
| ·关联规则分析 | 第43-46页 |
| ·离线处理部分--数据准备 | 第46页 |
| ·在线处理部分--确定推荐系数 | 第46页 |
| ·运用Web使用挖掘技术实现个性化推荐 | 第46-49页 |
| ·Web使用数据的预处理 | 第47页 |
| ·构建学习者相似度矩阵并确定推荐系数 | 第47-49页 |
| ·网络学习个性化推荐算法 | 第49-50页 |
| 第4章 网络学习个性化推荐原型系统实现 | 第50-62页 |
| ·实现推荐系统的标记语言--XML | 第50-54页 |
| ·实现Web数据挖掘所面临的问题 | 第50-51页 |
| ·XML与Web数据挖掘技术 | 第51-54页 |
| ·XML的产生与发展 | 第51-52页 |
| ·XML在Web数据挖掘中的应用 | 第52-54页 |
| ·主要数据库表 | 第54-56页 |
| ·系统流程与关键类定义 | 第56-59页 |
| ·系统流程图 | 第56-57页 |
| ·关键类和接口定义 | 第57-59页 |
| ·关键推荐算法描述 | 第59-61页 |
| ·网络学习资源／行为推荐算法--客户端 | 第59-60页 |
| ·网络学习资源／行为推荐算法--服务器端 | 第60-61页 |
| ·项预测算法 | 第60页 |
| ·取推荐集算法 | 第60-61页 |
| ·网络学习个性化推荐举例 | 第61-62页 |
| 结论 | 第62-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 附录A(攻读学位期间所发表的学术论文目录) | 第71页 |