Web教学资源采集中超链接可采集度评价研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-15页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-12页 |
| ·本文的主要工作和结构安排 | 第12-15页 |
| ·主要研究内容 | 第12页 |
| ·主要技术与研究方法 | 第12-14页 |
| ·论文结构 | 第14-15页 |
| 第2章 相关技术研究 | 第15-29页 |
| ·主题资源自动采集技术 | 第15-19页 |
| ·主题爬虫技术 | 第15-17页 |
| ·主题爬行与超链接评价算法 | 第17-19页 |
| ·贝叶斯网络技术 | 第19-29页 |
| ·贝叶斯网络定义 | 第20-22页 |
| ·贝叶斯网络学习 | 第22-26页 |
| ·贝叶斯网络推理 | 第26-29页 |
| 第3章 web教学资源采集中超链接评价算法设计 | 第29-58页 |
| ·web教学资源的网络分布形态研究 | 第29-41页 |
| ·web教学资源概念界定 | 第29-30页 |
| ·web主题信息资源分布形态 | 第30-34页 |
| ·超链接主题特性的影响因子 | 第34-41页 |
| ·算法设计概述 | 第41-44页 |
| ·web主题资源自动采集过程 | 第41-43页 |
| ·贝叶斯网络在超链接评价中的应用 | 第43-44页 |
| ·贝叶斯网络节点 | 第44-51页 |
| ·贝叶斯网络节点定义 | 第44-45页 |
| ·节点变量的取值范围 | 第45-51页 |
| ·贝叶斯网络学习 | 第51-55页 |
| ·贝叶斯网络结构学习 | 第51-54页 |
| ·贝叶斯网络参数学习 | 第54-55页 |
| ·贝叶斯网络推理 | 第55-58页 |
| 第4章 超链接评价系统原型实现与结果分析 | 第58-72页 |
| ·关键模块设计与算法实现 | 第58-66页 |
| ·贝叶斯网络结构学习模块 | 第58-64页 |
| ·贝叶斯网络参数学习模块 | 第64-65页 |
| ·超链接评价模块 | 第65-66页 |
| ·实验数据与结果分析 | 第66-72页 |
| ·评价指标 | 第66-67页 |
| ·实验数据准备 | 第67-68页 |
| ·实验结果分析 | 第68-72页 |
| 第5章 总结与展望 | 第72-74页 |
| ·本文研究工作总结 | 第72-73页 |
| ·工作展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79页 |
