| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·问题的提出 | 第11-12页 |
| ·研究历史与现状 | 第12-13页 |
| ·本文工作及组织结构 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第2章 个性化学习理论和 web 挖掘技术介绍 | 第15-24页 |
| ·引言 | 第15-16页 |
| ·个性化学习理论 | 第16-18页 |
| ·人本主义学习理论 | 第16-17页 |
| ·建构主义学习理论 | 第17页 |
| ·多元智能理论 | 第17-18页 |
| ·Web 挖掘技术 | 第18-23页 |
| ·Web 内容挖掘 | 第18-19页 |
| ·Web 结构挖掘 | 第19-20页 |
| ·Web 日志挖掘 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于聚类和加权关联规则的学习资源推荐算法 | 第24-38页 |
| ·引言 | 第24页 |
| ·聚类分析技术 | 第24-27页 |
| ·聚类分析概念与步骤 | 第24-25页 |
| ·聚类分析方法 | 第25页 |
| ·传递闭包聚类方法 | 第25-27页 |
| ·关联规则挖掘技术 | 第27-31页 |
| ·关联规则方法概念与步骤 | 第27-28页 |
| ·Apriori 算法 | 第28-31页 |
| ·聚类和加权关联规则在个性化推荐中的应用 | 第31-37页 |
| ·引言 | 第31-32页 |
| ·学习资源聚类方法 | 第32-34页 |
| ·加权关联规则算法 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于 Web 日志挖掘的学习资源个性化推荐方法 | 第38-51页 |
| ·引言 | 第38页 |
| ·基于 web 日志挖掘的学习资源个性化推荐模型 | 第38-39页 |
| ·基于 web 日志挖掘的学习资源个性化推荐算法 | 第39-41页 |
| ·聚类方法中的推荐值 | 第40页 |
| ·当前用户会话与加权关联规则的相似性度量 | 第40-41页 |
| ·推荐值的计算 | 第41页 |
| ·实验过程和结果 | 第41-50页 |
| ·评估环境 | 第41-42页 |
| ·评估标准 | 第42页 |
| ·实验步骤 | 第42-48页 |
| ·实验结果 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 作者简介及在硕士期间取得的科研成果 | 第55-56页 |
| 致谢 | 第56页 |