| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 一、绪论 | 第11-17页 |
| (一)研究背景与意义 | 第11-12页 |
| 1.研究背景 | 第11-12页 |
| 2.研究意义 | 第12页 |
| (二)研究现状 | 第12-15页 |
| 1.国内外研究现状 | 第12-14页 |
| 2.存在问题和发展趋势 | 第14-15页 |
| (三)研究目标和内容 | 第15-17页 |
| 1.研究目标 | 第15页 |
| 2.研究内容 | 第15-16页 |
| 3.论文组织结构 | 第16-17页 |
| 二、个性化推荐系统及相关技术 | 第17-28页 |
| (一)个性化推荐系统 | 第17-20页 |
| 1.个性化推荐系统概述 | 第17页 |
| 2.个性化推荐系统分类 | 第17-18页 |
| 3.推荐系统体系结构 | 第18-20页 |
| (二)个性化推荐相关技术 | 第20-27页 |
| 1.基于内容的推荐 | 第20-22页 |
| 2.协同过滤推荐 | 第22-27页 |
| 3.组合推荐 | 第27页 |
| (三)本章小结 | 第27-28页 |
| 三、基于项目反应理论的相似用户模型 | 第28-35页 |
| (一)项目反应理论 | 第28-29页 |
| (二)相似用户模型的构建 | 第29-33页 |
| 1.用户习题数据表的构建 | 第29-30页 |
| 2.项目反应模型 | 第30页 |
| 3.习题正答概率与用户能力参数关系表示 | 第30-32页 |
| 4.用户能力参数估计 | 第32页 |
| 5.用户能力区间划分 | 第32-33页 |
| 6.相似用户模型构建流程 | 第33页 |
| (三)模型的更新与维护 | 第33-34页 |
| (四)本章小结 | 第34-35页 |
| 四、数学习题个性化推荐策略 | 第35-40页 |
| (一)传统基于用户的协同过滤推荐 | 第35-36页 |
| 1.传统最近邻居用户集合形成方法 | 第36页 |
| (二)基于相似用户模型的协同过滤数学习题个性化推荐策略 | 第36-38页 |
| 1.改进的最近邻居用户集合形成方法 | 第36-37页 |
| 2.预测推荐 | 第37页 |
| 3.数学习题个性化推荐流程 | 第37-38页 |
| (三)改进的协同过滤推荐算法 | 第38-39页 |
| (四)本章小结 | 第39-40页 |
| 五、数学习题个性化推荐系统的设计与实现 | 第40-56页 |
| (一)系统设计 | 第40-42页 |
| 1.需求及业务流程分析 | 第40-41页 |
| 2.功能结构分析 | 第41-42页 |
| (二)系统实现 | 第42-53页 |
| 1.系统架构及开发工具技术 | 第42-45页 |
| 2.后台习题录入及管理功能实现 | 第45-49页 |
| 3.前台诊断测验功能实现 | 第49-51页 |
| 4.前台习题推荐功能实现 | 第51-53页 |
| (三)实验验证 | 第53-55页 |
| 1.实验数据 | 第53-54页 |
| 2.评价指标 | 第54-55页 |
| (四)本章小结 | 第55-56页 |
| 六、总结与展望 | 第56-58页 |
| (一)总结 | 第56页 |
| (二)展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-67页 |