| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 引言 | 第11-15页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 主要研究内容 | 第12-13页 |
| 1.3 论文组织结构 | 第13-15页 |
| 第2章 相关研究 | 第15-27页 |
| 2.1 探索式搜索与查询推荐 | 第15-17页 |
| 2.1.1 探索式搜索 | 第15-16页 |
| 2.1.2 查询推荐 | 第16-17页 |
| 2.2 探索式学习与认知负载控制 | 第17-19页 |
| 2.2.1 探索式学习 | 第17-18页 |
| 2.2.2 认知负载控制 | 第18-19页 |
| 2.3 研究基础 | 第19-25页 |
| 2.3.1 标签与大众分类法 | 第19-20页 |
| 2.3.2 PageRank算法 | 第20-21页 |
| 2.3.3 EM算法 | 第21-23页 |
| 2.3.4 扩散激活模型 | 第23-24页 |
| 2.3.5 向量空间模型 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 基于用户概念学习能力的选择性查询推荐过程 | 第27-39页 |
| 3.1 问题提出 | 第27-29页 |
| 3.2 基于用户概念学习能力的选择性查询推荐的处理过程 | 第29-32页 |
| 3.2.1 基于用户概念学习能力的选择性查询推荐的框架 | 第29-31页 |
| 3.2.2 基于用户概念学习能力的选择性查询推荐的实现过程 | 第31-32页 |
| 3.3 用户知识及概念关联表示模型 | 第32-35页 |
| 3.3.1 用户知识表示模型 | 第32-33页 |
| 3.3.2 概念关联表示模型 | 第33-35页 |
| 3.4 用户学习路径表示模型 | 第35-37页 |
| 3.4.1 学习路径模型 | 第35-37页 |
| 3.4.2 引导用户学习路径的选取方法 | 第37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 基于用户现有知识的概念理解能力计算方法 | 第39-49页 |
| 4.1 基于大众分类法的用户知识及概念关联建模方法 | 第39-42页 |
| 4.1.1 用户知识模型和概念关联模型 | 第39-40页 |
| 4.1.2 用户知识模型及概念关联模型的获取方法 | 第40-42页 |
| 4.2 基于概念关联网络的用户概念理解能力计算方法 | 第42-48页 |
| 4.2.1 基于用户现有知识的概念理解能力计算方法 | 第43-44页 |
| 4.2.2 用户概念理解能力计算的实现过程 | 第44-46页 |
| 4.2.3 实验分析 | 第46-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 引导用户学习路径的生成与选取方法 | 第49-63页 |
| 5.1 基本思路 | 第49-50页 |
| 5.2 学习路径生成方法 | 第50-57页 |
| 5.2.1 学习路径信息表示 | 第50-52页 |
| 5.2.2 数据预处理与用户聚类 | 第52-55页 |
| 5.2.3 学习路径生成方法 | 第55-57页 |
| 5.3 基于用户概念理解能力的学习路径选取方法 | 第57-61页 |
| 5.3.1 学习路径选取问题描述 | 第58-59页 |
| 5.3.2 学习路径选取算法 | 第59-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第6章 实验及结果分析 | 第63-71页 |
| 6.1 实验设定 | 第63-64页 |
| 6.1.1 实验用数据集 | 第63-64页 |
| 6.1.2 实验用评价方法 | 第64页 |
| 6.2 实验实施过程 | 第64-66页 |
| 6.3 实验结果及分析 | 第66-69页 |
| 6.3.1 客观测量分析 | 第66-67页 |
| 6.3.2 主观测量分析 | 第67-69页 |
| 6.4 本章小结 | 第69-71页 |
| 第7章 结论 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 攻读硕士期间论文发表情况 | 第81页 |
