大学生学习行为分析研究与应用
| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容 | 第13-16页 |
| 1.4 组织结构 | 第16-17页 |
| 第二章 相关理论和技术 | 第17-23页 |
| 2.1 数据挖掘技术 | 第17-19页 |
| 2.1.1 数据挖掘的定义 | 第17-18页 |
| 2.1.2 数据挖掘的过程 | 第18页 |
| 2.1.3 数据挖掘主要方法 | 第18-19页 |
| 2.2 网络爬虫 | 第19-21页 |
| 2.2.1 网络爬虫原理 | 第19-20页 |
| 2.2.2 网络爬虫的基本架构 | 第20-21页 |
| 2.3 自动分词技术 | 第21-22页 |
| 2.4 关键词匹配技术 | 第22页 |
| 2.5 本章总结 | 第22-23页 |
| 第三章 基于上网内容的学习行为分析 | 第23-36页 |
| 3.1 引言 | 第23页 |
| 3.2 专业词库的建立 | 第23-26页 |
| 3.2.1 基于课程体系的专业词库初步建立 | 第24-25页 |
| 3.2.2 基于语言模型算法的专业词库扩展 | 第25-26页 |
| 3.3 大学生上网内容获取与处理 | 第26-31页 |
| 3.3.1 上网数据采集 | 第26-27页 |
| 3.3.2 爬虫 | 第27-29页 |
| 3.3.3 分词 | 第29-30页 |
| 3.3.4 文本特征提取 | 第30-31页 |
| 3.4 大学生学习行为分析模型 | 第31-35页 |
| 3.4.1 基于关键词匹配的网站贡献度算法 | 第31-33页 |
| 3.4.2 实验设计与分析 | 第33-35页 |
| 3.5 本章总结 | 第35-36页 |
| 第四章 影响学习成绩的上网数据关键属性研究 | 第36-47页 |
| 4.1 引言 | 第36-37页 |
| 4.2 加权朴素贝叶斯模型 | 第37-38页 |
| 4.3 NBC-IFPA算法 | 第38-41页 |
| 4.3.1 FPA算法 | 第38-39页 |
| 4.3.2 NBC-IFPA算法 | 第39-40页 |
| 4.3.3 NBC-IFPA算法步骤 | 第40-41页 |
| 4.4 实验设计与分析 | 第41-46页 |
| 4.4.1 实验数据 | 第41-42页 |
| 4.4.2 实验结果 | 第42-45页 |
| 4.4.3 基于网站贡献度动态预警 | 第45-46页 |
| 4.5 本章总结 | 第46-47页 |
| 第五章 学业预警系统的实现 | 第47-62页 |
| 5.1 系统设计 | 第47-50页 |
| 5.1.1 系统体系结构设计 | 第47-49页 |
| 5.1.2 系统功能介绍 | 第49-50页 |
| 5.2 数据仓库的设计 | 第50-53页 |
| 5.2.1 数据源 | 第50-51页 |
| 5.2.2 数据预处理 | 第51-52页 |
| 5.2.3 建立多维数据集 | 第52-53页 |
| 5.3 特征知识库设计 | 第53-55页 |
| 5.4 基于大学生学习行为分析的动态预警 | 第55-56页 |
| 5.4.1 网站贡献度的应用 | 第55页 |
| 5.4.2 基于网站贡献度的动态预警 | 第55-56页 |
| 5.5 基于警示规则的静态预警 | 第56-61页 |
| 5.5.1 功能介绍 | 第57页 |
| 5.5.2 教师界面 | 第57-59页 |
| 5.5.3 学生界面 | 第59-61页 |
| 5.6 本章总结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 工作总结 | 第62-63页 |
| 6.2 未来展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 研究成果及参与的项目 | 第70-71页 |
| 致谢 | 第71-72页 |
