大规模在线学习的智能答疑系统的研究与实现
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景、目的和意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究目的 | 第13页 |
| 1.1.3 研究意义 | 第13-14页 |
| 1.2 国内外研究现状及不足 | 第14-17页 |
| 1.2.1 国内外MOOC平台现状 | 第14-15页 |
| 1.2.2 智能答疑研究现状 | 第15-17页 |
| 第二章 智能答疑系统的相关理论 | 第17-26页 |
| 2.1 在线教育的概述及影响因素 | 第17-21页 |
| 2.1.1 在线教育概述 | 第17-18页 |
| 2.1.2 在线教育教学效果影响因素 | 第18-21页 |
| 2.2 MOOC学习效果分析及其影响因素 | 第21-24页 |
| 2.2.1 MOOC学习效果分析 | 第21页 |
| 2.2.2 军内梦课学习效果影响因素分析 | 第21-24页 |
| 2.3 建构主义理论 | 第24-26页 |
| 第三章 智能答疑相关技术 | 第26-48页 |
| 3.1 数据库技术 | 第26页 |
| 3.2 中文分词技术 | 第26-29页 |
| 3.2.1 中文分词技术的算法简介 | 第26-27页 |
| 3.2.2 中文分词系统的比较 | 第27-29页 |
| 3.3 文本挖掘 | 第29-36页 |
| 3.3.1 TF-IDF算法及其改进 | 第29-33页 |
| 3.3.2 向量空间模型（VSM） | 第33-35页 |
| 3.3.3 相似性度量算法 | 第35-36页 |
| 3.4 全文检索及LUCENE | 第36-45页 |
| 3.4.1 全文检索简介 | 第36-37页 |
| 3.4.2 LUCENE介绍 | 第37-43页 |
| 3.4.3 本文对LUCENE的改进 | 第43-45页 |
| 3.5 视频定位答疑技术 | 第45-46页 |
| 3.6 大规模数据并发访问的服务器部署优化 | 第46-48页 |
| 第四章 智能答疑系统的设计 | 第48-56页 |
| 4.1 用户需求分析 | 第48-49页 |
| 4.1.1 学习者用户需求分析 | 第48页 |
| 4.1.2 教师用户需求分析 | 第48-49页 |
| 4.2 系统概要设计 | 第49页 |
| 4.3 智能答疑系统模型设计 | 第49-56页 |
| 4.3.1 主要功能模块 | 第49-52页 |
| 4.3.2 模块流程图 | 第52-54页 |
| 4.3.4 智能答疑系统模型 | 第54-56页 |
| 第五章 大规模在线学习的智能答疑的实现 | 第56-73页 |
| 5.1 开发及测试环境 | 第56页 |
| 5.2 数据库的设计 | 第56-59页 |
| 5.3 系统的各功能模块的实现 | 第59-68页 |
| 5.4 系统运行效果及评估 | 第68-73页 |
| 5.4.1 文本答疑方式评估 | 第69-70页 |
| 5.4.2 视频答疑方式评估 | 第70-73页 |
| 结束语 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 作者在学期间取得的学术成果 | 第79页 |
