基于学习理论和web挖掘的个性化网络学习资源推荐的研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究内容及文章组织结构 | 第11-13页 |
| 第2章 个性化网络学习资源推荐的相关学习理论 | 第13-20页 |
| 2.1 网络学习的内涵 | 第13-14页 |
| 2.2 人本主义学习理论概述 | 第14-15页 |
| 2.3 学习风格理论概述 | 第15-16页 |
| 2.4 建构主义理论概述 | 第16-20页 |
| 2.4.1 建构主义知识观 | 第16-17页 |
| 2.4.2 建构主义学生观 | 第17-18页 |
| 2.4.3 建构主义学习观 | 第18-20页 |
| 第3章 个性化网络学习资源推荐的应用技术 | 第20-39页 |
| 3.1 Web 使用挖掘概述 | 第20-23页 |
| 3.1.1 Web 使用挖掘 | 第20-21页 |
| 3.1.2 Web 使用挖掘的过程 | 第21-23页 |
| 3.2 网络爬虫技术概述 | 第23-25页 |
| 3.2.1 网络爬虫的概念和分类 | 第23-24页 |
| 3.2.2 网络爬虫的基本工作原理 | 第24-25页 |
| 3.3 中文分词技术概述 | 第25-30页 |
| 3.3.1 中文分词的概念及规范 | 第26页 |
| 3.3.2 中文分词的方法及技术 | 第26-27页 |
| 3.3.3 中文分词中需要解决的基本问题 | 第27-28页 |
| 3.3.4 分词系统介绍 | 第28-30页 |
| 3.4 Web 文本挖掘概述 | 第30-34页 |
| 3.4.1 特征表示 | 第30-31页 |
| 3.4.2 关键词提取 | 第31-34页 |
| 3.5 聚类分析概述 | 第34-36页 |
| 3.5.1 文本聚类模型 | 第34-35页 |
| 3.5.2 文本相似度计算公式 | 第35页 |
| 3.5.3 文本聚类算法 | 第35-36页 |
| 3.6 对 Web 日志的关联规则挖掘 | 第36-39页 |
| 第4章 个性化网络学习资源推荐模型构建与系统设计 | 第39-52页 |
| 4.1 系统的设计目标 | 第39-40页 |
| 4.1.1 理论层面的设计目标 | 第39-40页 |
| 4.1.2 应用层面的设计目标 | 第40页 |
| 4.2 系统的主要功能 | 第40-42页 |
| 4.2.1 学习者基本信息收集 | 第40-41页 |
| 4.2.2 学习者学习行为和学习内容分析 | 第41页 |
| 4.2.3 个性化推荐 | 第41-42页 |
| 4.3 系统的模块设计 | 第42-46页 |
| 4.3.1 系统维护模块 | 第44页 |
| 4.3.2 资源应用功能模块 | 第44页 |
| 4.3.3 个性化推荐功能模块 | 第44-46页 |
| 4.4 系统的数据库设计 | 第46-52页 |
| 第5章 个性化网络学习资源推荐系统的实现 | 第52-64页 |
| 5.1 系统的实验环境和开发工具 | 第52-53页 |
| 5.2 实验结果与分析 | 第53-56页 |
| 5.3 系统的使用 | 第56-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 本文所做的工作 | 第64页 |
| 6.2 今后的工作 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 攻读学位期间发表的学术论文和研究成果 | 第68-69页 |
| 致谢 | 第69页 |
