| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究内容介绍 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 基础知识和相关工作 | 第16-23页 |
| 2.1 个性化E-Learning推荐系统 | 第16页 |
| 2.2 学习风格模型 | 第16-19页 |
| 2.2.1 基于E-Learning的学习风格 | 第17-18页 |
| 2.2.2 传统Felder-Silverman学习风格模型 | 第18-19页 |
| 2.3 传统的推荐算法 | 第19-22页 |
| 2.3.1 协同过滤推荐算法简介 | 第19-20页 |
| 2.3.2 传统CF相似度计算算法 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于非监督学习的学习风格预测模型 | 第23-32页 |
| 3.1 引言 | 第23页 |
| 3.2 改进的K-means算法介绍 | 第23-27页 |
| 3.2.1 K-means算法介绍 | 第24-25页 |
| 3.2.2 改进的K-means算法介绍 | 第25-27页 |
| 3.3 基于改进的K-means的学习风格预测模型 | 第27-31页 |
| 3.3.1 学习风格特征数据模型构建 | 第27-29页 |
| 3.3.2 基于LSM方法的学习风格预测模型 | 第29-31页 |
| 3.3.3 LSM方法实现步骤 | 第31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 融合学习风格的协同过滤推荐算法 | 第32-41页 |
| 4.1 引言 | 第32页 |
| 4.2 协同过滤推荐算法介绍 | 第32-35页 |
| 4.2.1 传统的协同过滤推荐具体算法 | 第33-34页 |
| 4.2.2 基于E-Learning的协同过滤推荐算法 | 第34-35页 |
| 4.3 融合学习风格的改进的协同过滤推荐算法 | 第35-39页 |
| 4.3.1 基于隐式反馈的评分模型的构建 | 第37-38页 |
| 4.3.2 改进的Pearson相关系数 | 第38-39页 |
| 4.3.3 改进的相似度算法步骤 | 第39页 |
| 4.4 本章小结 | 第39-41页 |
| 第5章 实验结果与分析 | 第41-52页 |
| 5.1 实验环境配置 | 第41页 |
| 5.2 实验数据集 | 第41-42页 |
| 5.3 基于LSM方法的学习风格预测模型实验结果 | 第42-47页 |
| 5.3.1 实验评价指标 | 第42-43页 |
| 5.3.2 改进的K-means算法实验验证 | 第43-46页 |
| 5.3.3 基于LSM方法的学习风格预测模型的实验结果及分析 | 第46-47页 |
| 5.4 融合学习风格的改进的协同过滤算法的实验结果 | 第47-51页 |
| 5.4.1 实验评价标准 | 第48-49页 |
| 5.4.2 改进的协同过滤算法的实验结果及分析 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
