| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| 一、课题研究背景与意义 | 第9-10页 |
| 二、国内外研究现状 | 第10-11页 |
| （一）资源推荐系统的研究现状 | 第10页 |
| （二）学习风格的研究现状 | 第10-11页 |
| 三、研究内容 | 第11-12页 |
| 四、论文组织结构 | 第12-14页 |
| 第二章 推荐系统相关理论研究及技术介绍 | 第14-25页 |
| 一、学习风格 | 第14-16页 |
| （一）学习风格概念 | 第14页 |
| （二）经典学习风格模型简介 | 第14-16页 |
| 二、推荐系统 | 第16-21页 |
| （一）典型的推荐算法 | 第16-18页 |
| （二）推荐算法选择比较 | 第18页 |
| （三）相似度计算方法 | 第18-20页 |
| （四）推荐系统性能度量标准 | 第20-21页 |
| 三、云计算相关技术介绍 | 第21-24页 |
| （一）Hadoop分布式平台 | 第21-22页 |
| （二）分布式文件系统HDFS | 第22页 |
| （三）MapReduce简介 | 第22-23页 |
| （四）新一代MapReduce框架YARN | 第23-24页 |
| 四、本章小结 | 第24-25页 |
| 第三章 推荐系统算法的实验研究 | 第25-42页 |
| 一、基于物品的协同过滤算法 | 第25-28页 |
| （一）算法的计算流程 | 第25-28页 |
| （二）算法的实现研究 | 第28页 |
| 二、协同过滤推荐算法面临的问题及解决方案 | 第28-30页 |
| （一）推荐算法面临的问题 | 第28-29页 |
| （二）解决方案 | 第29-30页 |
| 三、基本算法的并行化研究 | 第30-34页 |
| 四、CUR分解改造推荐算法 | 第34-40页 |
| （一）CUR分解改造推荐算法计算流程 | 第35-37页 |
| （二）改进算法的可行性研究 | 第37-38页 |
| （三）改进算法并行化研究 | 第38-40页 |
| 五、算法性能比较 | 第40页 |
| （一）实验设计 | 第40页 |
| （二）实验结果分析 | 第40页 |
| 六、本章小结 | 第40-42页 |
| 第四章 教学资源推荐系统设计 | 第42-54页 |
| 一、系统设计与分析 | 第42-48页 |
| （一）WEB服务层设计与分析 | 第42-44页 |
| （二）数据过滤层设计与分析 | 第44-45页 |
| （三）日志处理层设计与分析 | 第45-47页 |
| （四）数据分析层设计与分析 | 第47-48页 |
| 二、系统工作流程介绍 | 第48-49页 |
| 三、数据库表结构 | 第49-53页 |
| 四、本章小结 | 第53-54页 |
| 第五章 教学资源推荐系统部署实现 | 第54-62页 |
| 一、WEB服务层实现 | 第54-56页 |
| （一）教学资源管理 | 第54-55页 |
| （二）学生用户信息管理 | 第55-56页 |
| （三）权限管理 | 第56页 |
| （四）资料推荐服务 | 第56页 |
| 二、数据过滤层实现 | 第56-57页 |
| 三、日志处理层的实现 | 第57-58页 |
| 四、数据分析层实现 | 第58-59页 |
| 五、系统重点部分的部署实现 | 第59-61页 |
| （一）日志收集部署 | 第59页 |
| （二）Hadoop的具体部署 | 第59-61页 |
| 六、推荐系统的结果分析 | 第61页 |
| 七、本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 一、工作的总结 | 第62页 |
| 二、未来展望 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 附录一 Felder—Silverman学习风格测量表 | 第66-68页 |
| 附录二 Felder—Silverman学习风格答题表 | 第68-69页 |
| 致谢 | 第69-70页 |
| 个人简介 | 第70页 |