基于协同过滤及决策树的选课评教系统研究与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 本文研究内容 | 第11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第二章 相关技术综述 | 第13-24页 |
| 2.1 推荐技术 | 第13-17页 |
| 2.1.1 基于人口统计学的推荐 | 第13页 |
| 2.1.2 基于物品的推荐 | 第13-14页 |
| 2.1.3 协同过滤推荐 | 第14-17页 |
| 2.2 推荐技术在选课系统中的应用 | 第17-18页 |
| 2.2.1 基于协同过滤推荐算法 | 第17页 |
| 2.2.2 混合模型推荐算法 | 第17-18页 |
| 2.3 系统开发技术 | 第18-23页 |
| 2.3.1 混合模式App | 第18-19页 |
| 2.3.2 客户端技术 | 第19-21页 |
| 2.3.3 网络通信与iOS多线程 | 第21-22页 |
| 2.3.4 服务端技术 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于课程权重协同过滤的选课推荐 | 第24-36页 |
| 3.1 问题的提出 | 第24-25页 |
| 3.2 基于课程权重协同过滤的推荐方法 | 第25-32页 |
| 3.2.1 方法概述 | 第25-26页 |
| 3.2.2 预测选课兴趣 | 第26-27页 |
| 3.2.3 构建课程网络 | 第27-28页 |
| 3.2.4 课程权重预处理 | 第28-29页 |
| 3.2.5 基于课程权重协同过滤 | 第29-32页 |
| 3.3 实验与分析 | 第32-34页 |
| 3.3.1 实验准备 | 第32页 |
| 3.3.2 实验评价指标 | 第32-33页 |
| 3.3.3 实验结果分析 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 基于决策树的评教数据分析 | 第36-47页 |
| 4.1 学生评教数据预处理 | 第36-40页 |
| 4.1.1 评教数据 | 第36-37页 |
| 4.1.2 数据预处理 | 第37-40页 |
| 4.2 决策树分类算法 | 第40-42页 |
| 4.2.1 ID3算法 | 第40-41页 |
| 4.2.2 C4.5算法 | 第41-42页 |
| 4.3 构建评教数据决策树分类模型 | 第42-46页 |
| 4.3.1 构造决策树 | 第42-45页 |
| 4.3.2 决策树剪枝处理 | 第45页 |
| 4.3.3 结果分析 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 选课评教系统的设计与实现 | 第47-63页 |
| 5.1 Hybrid开发模式 | 第47-48页 |
| 5.2 系统需求分析 | 第48-50页 |
| 5.2.1 功能性需求分析 | 第48-49页 |
| 5.2.2 非功能性需求分析 | 第49-50页 |
| 5.3 用例分析 | 第50-51页 |
| 5.4 系统总体设计 | 第51-55页 |
| 5.4.1 设计原则 | 第51-52页 |
| 5.4.2 体系结构设计 | 第52-53页 |
| 5.4.3 功能结构设计 | 第53-55页 |
| 5.5 系统数据库设计 | 第55-59页 |
| 5.5.1 实体E-R图设计 | 第55-56页 |
| 5.5.2 数据库表结构 | 第56-59页 |
| 5.6 选课评教App实现 | 第59-62页 |
| 5.6.1 选课模块的实现 | 第59-60页 |
| 5.6.2 评教模块的实现 | 第60-61页 |
| 5.6.3 信息设置模块的实现 | 第61-62页 |
| 5.7 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 在学期间发表科研成果 | 第69页 |
