| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| ·引言 | 第9-10页 |
| ·网络资源库与个性化服务 | 第10-13页 |
| ·网络资源库的发展现状 | 第10-11页 |
| ·个性化服务研究进展 | 第11-13页 |
| ·论文的研究意义与内容组织 | 第13-14页 |
| 第二章 网络教学资源库 | 第14-22页 |
| ·网络教学资源及特点 | 第14页 |
| ·网络教学资源库的系统构成及基本功能 | 第14-16页 |
| ·建设网络教学资源库的意义 | 第16-18页 |
| ·目前网络教学资源库建设的现状 | 第18-21页 |
| ·网络教学资源库的发展趋势 | 第21-22页 |
| 第三章 WEB数据挖掘技术 | 第22-38页 |
| ·Web内容挖掘 | 第22-23页 |
| ·Web结构挖掘 | 第23-24页 |
| ·Web使用挖掘 | 第24-25页 |
| ·运用Web数据挖掘技术实现个性化推荐 | 第25-28页 |
| ·运用Web内容挖掘技术实现个性化推荐 | 第28-29页 |
| ·离线处理部分——数据准备 | 第28-29页 |
| ·在线处理部分——确定推荐系数 | 第29页 |
| ·运用Web结构挖掘技术实现个性化推荐 | 第29-35页 |
| ·关联规则(Association Rule)分析 | 第30-34页 |
| ·离线处理部分—数据准备 | 第34页 |
| ·在线处理部分——确定推荐系数 | 第34-35页 |
| ·运用Web使用挖掘技术实现个性化推荐 | 第35-38页 |
| ·Web使用数据的预处理 | 第35-36页 |
| ·构建学习者相似度矩阵并确定推荐系数 | 第36-38页 |
| 第四章 个性化搜索引擎模型构建 | 第38-52页 |
| ·个性化搜索引擎的研究现状 | 第38-39页 |
| ·教学资源库个性化服务模型 | 第39-41页 |
| ·模型与功能 | 第39-40页 |
| ·用户资源使用兴趣特征转换图 | 第40-41页 |
| ·模型的工作过程 | 第41页 |
| ·ISMTR模型的构建 | 第41-44页 |
| ·模型构建原则 | 第42-43页 |
| ·教学资源的表示 | 第43-44页 |
| ·用户兴趣的提取与调整 | 第44-48页 |
| ·用户兴趣的描述 | 第44-45页 |
| ·用户兴趣的获取 | 第45-46页 |
| ·用户兴趣的动态调整 | 第46-48页 |
| ·采用用户相关反馈来实现动态跟踪用户兴趣变化 | 第48页 |
| ·建立用户模型 | 第48-50页 |
| ·个体用户模型 | 第48-49页 |
| ·小组用户兴趣模型 | 第49页 |
| ·综合用户兴趣模型 | 第49-50页 |
| ·教学资源过滤 | 第50页 |
| ·过滤技术 | 第50页 |
| ·过滤算法 | 第50页 |
| ·个性化教学资源库系统的系统结构和功能 | 第50-52页 |
| 第五章 Web资源库个性化检索关键技术 | 第52-63页 |
| ·个性化信息服务的意义 | 第52-53页 |
| ·搜索引擎对搜索结果的优化 | 第53-55页 |
| ·基于超链接的相关度排序 | 第53-54页 |
| ·检索结果的联机聚类 | 第54页 |
| ·相关度反馈 | 第54-55页 |
| ·确定用户 | 第55-57页 |
| ·用户兴趣学习 | 第57-59页 |
| ·学习的基本机制 | 第57页 |
| ·挖掘用户兴趣的方法 | 第57-59页 |
| ·用户兴趣模型的表达 | 第59-61页 |
| ·传统的矢量空间模型 | 第59-60页 |
| ·概率模型 | 第60-61页 |
| ·用户兴趣模型的更新算法 | 第61页 |
| ·个性化信息过滤 | 第61-63页 |
| ·信息过滤技术 | 第61-62页 |
| ·基于内容的过滤方法 | 第62-63页 |
| 第六章 WEB个性化应用实验系统 | 第63-69页 |
| ·拓扑结构 | 第63页 |
| ·实验结果 | 第63-66页 |
| ·用户窗口界面 | 第66-69页 |
| ·登录界面 | 第67页 |
| ·定制窗口 | 第67-68页 |
| ·个性化窗口 | 第68-69页 |
| 第七章 结束语 | 第69-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73页 |