| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 教育信息化 | 第9页 |
| 1.1.2 个性化学习 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文的结构 | 第12-13页 |
| 第二章 学习理论与关键技术 | 第13-17页 |
| 2.1 学习理论 | 第13-15页 |
| 2.1.1 个性化学习理论 | 第13页 |
| 2.1.2 个性化学习特征 | 第13-14页 |
| 2.1.3 学习平台 | 第14-15页 |
| 2.2 关键技术 | 第15-17页 |
| 第三章 教育资源个性化推荐模型构建 | 第17-29页 |
| 3.1 用户建模 | 第17-20页 |
| 3.1.1 用户兴趣的获取 | 第17-18页 |
| 3.1.2 用户兴趣的表示 | 第18-19页 |
| 3.1.3 用户兴趣模型的更新 | 第19-20页 |
| 3.2 教育资源建模 | 第20-23页 |
| 3.2.1 教育资源分类策略 | 第20-21页 |
| 3.2.2 教育资源分类体系的定义 | 第21页 |
| 3.2.3 教育资源分类编码规则 | 第21-23页 |
| 3.3 基于本体的知识点建模 | 第23-27页 |
| 3.3.1 本体相关理论 | 第23页 |
| 3.3.2 知识点之间的关系 | 第23-25页 |
| 3.3.3 知识点本体构建 | 第25-27页 |
| 3.4 个性化推荐模型 | 第27-29页 |
| 第四章 协同过滤算法 | 第29-41页 |
| 4.1 协同过滤算法原理及其教育应用 | 第29-33页 |
| 4.1.1 协同过滤算法原理 | 第29-32页 |
| 4.1.2 协同过滤算法在教育中的应用 | 第32-33页 |
| 4.2 协同过滤算法中相似性比较方法 | 第33-34页 |
| 4.2.1 欧式距离(Euclidean Distance) | 第33页 |
| 4.2.2 余弦相似性(Cosine) | 第33-34页 |
| 4.2.3 pearson相关系数 | 第34页 |
| 4.3 协同过滤算法的分类 | 第34-41页 |
| 4.3.1 基于用户的协同过滤算法 | 第34-38页 |
| 4.3.2 基于项目的协同过滤算法 | 第38-41页 |
| 第五章 协同过滤算法的改进 | 第41-47页 |
| 5.1 奇异值分解 | 第41-43页 |
| 5.2 隐语义模型 | 第43-44页 |
| 5.3 biasSVD | 第44-47页 |
| 第六章 支撑平台及应用 | 第47-65页 |
| 6.1 教学系统支撑平台及其需求 | 第47-48页 |
| 6.2 移动自主学堂概述 | 第48-50页 |
| 6.2.1 移动学习概念及其特点 | 第48页 |
| 6.2.2 移动学习的发展阶段 | 第48-49页 |
| 6.2.3 移动自主学堂架构 | 第49-50页 |
| 6.3 课堂教学模式 | 第50-51页 |
| 6.4 移动自主学堂与“慕课”和“翻转课堂” | 第51-54页 |
| 6.5 实验结果及分析 | 第54-61页 |
| 6.5.1 数据预处理 | 第54-56页 |
| 6.5.2 实验数据集 | 第56-57页 |
| 6.5.3 评价方式与评价指标 | 第57-61页 |
| 6.6 实验设计 | 第61页 |
| 6.7 实验结果与分析 | 第61-65页 |
| 第七章 总结与展望 | 第65-67页 |
| 7.1 总结 | 第65页 |
| 7.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间的科研成果 | 第73-74页 |