| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景与意义 | 第12-15页 |
| 1.1.1 云教育 | 第12-14页 |
| 1.1.2 社区教育 | 第14-15页 |
| 1.2 当前研究现状 | 第15-19页 |
| 1.2.1 用户交互式问答系统现状 | 第15-17页 |
| 1.2.2 好友推荐现状 | 第17-19页 |
| 1.3 论文主要研究工作 | 第19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 第2章 需求分析 | 第21-28页 |
| 2.1 业务需求 | 第21-22页 |
| 2.1.1 知识的需求 | 第21页 |
| 2.1.2 社交的需求 | 第21-22页 |
| 2.2 功能需求分析 | 第22-26页 |
| 2.2.1 个人信息编辑模块 | 第22-23页 |
| 2.2.2 预处理模块 | 第23页 |
| 2.2.3 提问模块 | 第23-24页 |
| 2.2.4 回答模块 | 第24页 |
| 2.2.5 实现自动回答 | 第24-25页 |
| 2.2.6 问题推荐模块 | 第25页 |
| 2.2.7 学习伙伴推荐模块 | 第25-26页 |
| 2.2.8 伙伴验证模块 | 第26页 |
| 2.2.9 实现后台数据库可视化操作 | 第26页 |
| 2.3 性能需求 | 第26-27页 |
| 2.3.1 数据精确度 | 第26-27页 |
| 2.3.2 时间特性 | 第27页 |
| 2.3.3 适应性 | 第27页 |
| 2.4 安全保密需求 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 相关理论基础 | 第28-38页 |
| 3.1 中文分词技术 | 第28-29页 |
| 3.2 《知网》介绍 | 第29-31页 |
| 3.3 词语相似度算法 | 第31-34页 |
| 3.3.1 传统的词语相似度计算方法 | 第31-32页 |
| 3.3.2 基于《知网》的词语语义相似度计算 | 第32-34页 |
| 3.4 LDA主题模型 | 第34-36页 |
| 3.5 Gibbs采样算法 | 第36页 |
| 3.6 JS距离计算 | 第36-37页 |
| 3.7 TF-IDF介绍 | 第37页 |
| 3.8 本章小结 | 第37-38页 |
| 第4章 社区教育环境下学习伙伴推荐算法 | 第38-47页 |
| 4.1 问题描述 | 第38页 |
| 4.2 推荐流程设计 | 第38-39页 |
| 4.3 社区教育环境下学习伙伴推荐算法 | 第39-44页 |
| 4.3.1 基于LDA主题模型计算问题相似度 | 第39-40页 |
| 4.3.2 基于《知网》的语义方法计算问题相似度 | 第40页 |
| 4.3.3 一种基于主题相关度的问题相似度计算模型 | 第40-43页 |
| 4.3.4 地理距离的计算 | 第43页 |
| 4.3.5 用户间亲密度的计算 | 第43页 |
| 4.3.6 活跃度计算 | 第43-44页 |
| 4.3.7 推荐列表的产生 | 第44页 |
| 4.4 实验设计与结果分析 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 原型系统的设计与实现 | 第47-54页 |
| 5.1 系统架构 | 第47-48页 |
| 5.2 详细设计及流程 | 第48-52页 |
| 5.2.1 系统整体设计及流程 | 第48页 |
| 5.2.2 预处理模块及流程 | 第48-49页 |
| 5.2.3 问题处理模块及流程 | 第49-51页 |
| 5.2.4 学习伙伴推荐模块及流程 | 第51-52页 |
| 5.3 数据库设计 | 第52-53页 |
| 5.4 系统实现及结果 | 第53页 |
| 5.5 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 全文总结 | 第54页 |
| 6.2 作展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第62页 |