| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题的研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 个性化推荐技术的研究现状 | 第12页 |
| 1.2.2 GPU通用并行计算的研究现状 | 第12-14页 |
| 1.3 论文的主要研究工作 | 第14页 |
| 1.4 论文章节安排 | 第14-16页 |
| 第二章 相关理论与技术基础 | 第16-29页 |
| 2.1 推荐系统概述 | 第16-17页 |
| 2.2 常用的个性化推荐技术 | 第17-20页 |
| 2.2.1 基于内容的推荐 | 第17-18页 |
| 2.2.2 协同过滤推荐 | 第18-19页 |
| 2.2.3 混合推荐 | 第19-20页 |
| 2.3 GPU与OpenCL概述 | 第20-28页 |
| 2.3.1 GPU的发展历程 | 第20-21页 |
| 2.3.2 GPU体系架构 | 第21-22页 |
| 2.3.3 通用并行计算 | 第22-24页 |
| 2.3.4 OpenCL开放计算语言 | 第24页 |
| 2.3.5 OpenCL架构模型 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 教育资源个性化推荐方案的设计 | 第29-48页 |
| 3.1 学生用户与教育资源的关系 | 第29-32页 |
| 3.2 学生用户的模型 | 第32-37页 |
| 3.2.1 与学习背景相关的人口学特征 | 第33-35页 |
| 3.2.2 与学习风格相关的特征 | 第35-36页 |
| 3.2.3 与学习能力相关的特征 | 第36-37页 |
| 3.3 教育资源的模型 | 第37-39页 |
| 3.3.1 资源背景信息 | 第38页 |
| 3.3.2 资源素材类型 | 第38页 |
| 3.3.3 资源难易度 | 第38-39页 |
| 3.4 学生用户与教育资源的匹配计算 | 第39-47页 |
| 3.4.1 基本信息匹配度计算 | 第40-43页 |
| 3.4.2 基于优势比的匹配度计算 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 教育资源个性化推荐方案的OpenCL实现 | 第48-62页 |
| 4.1 教育资源个性化推荐方案的总体流程 | 第48-50页 |
| 4.2 教育资源个性化推荐方案的OpenCL实现流程 | 第50-52页 |
| 4.3 教育资源个性化推荐并行方案的内核设计 | 第52-61页 |
| 4.3.1 优势比矩阵计算模块的内核设计 | 第53-56页 |
| 4.3.2 用户和资源基本信息匹配度计算模块的内核设计 | 第56-59页 |
| 4.3.3 基于优势比匹配度计算模块的内核设计 | 第59-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 教育资源个性化推荐系统的搭建与性能分析 | 第62-74页 |
| 5.1 教育资源个性化推荐系统的搭建 | 第62-67页 |
| 5.1.1 基于Web的教育资源个性化推荐系统 | 第62-66页 |
| 5.1.2 个性化推荐方案的总结与分析 | 第66-67页 |
| 5.2 并行加速性能测试与分析 | 第67-73页 |
| 5.2.1 OpenCL环境搭建 | 第67-69页 |
| 5.2.2 并行加速性能测试 | 第69-72页 |
| 5.2.3 并行加速结果分析 | 第72-73页 |
| 5.3 本章小结 | 第73-74页 |
| 总结与展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 附件 | 第82页 |