个性化学习中的知识推送系统研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外推荐系统研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 论文结构和内容 | 第15页 |
| 1.4 本章小结 | 第15-16页 |
| 第2章 相关理论和技术基础 | 第16-26页 |
| 2.1 个性化推荐概述 | 第16-17页 |
| 2.1.1 个性化推荐的含义 | 第16-17页 |
| 2.1.2 个性化推荐的目标 | 第17页 |
| 2.1.3 个性化推荐的作用 | 第17页 |
| 2.2 个性化推荐系统概述 | 第17-21页 |
| 2.2.1 个性化推荐系统的概念 | 第17-18页 |
| 2.2.2 个性化推荐系统的研究内容 | 第18页 |
| 2.2.3 个性化推荐系统的基本框架 | 第18-21页 |
| 2.2.3.1 用户行为记录模块 | 第18-20页 |
| 2.2.3.2 用户偏好分析模块 | 第20-21页 |
| 2.2.3.3 推荐算法模块 | 第21页 |
| 2.3 常用的个性化推荐技术 | 第21-25页 |
| 2.3.1 基于内容的推荐 | 第21-22页 |
| 2.3.2 基于关联规则的推荐 | 第22页 |
| 2.3.3 协同过滤推荐 | 第22-23页 |
| 2.3.4 基于内容和协同过滤技术的推荐 | 第23-24页 |
| 2.3.5 基于知识的推荐 | 第24页 |
| 2.3.6 基于人口统计的推荐 | 第24页 |
| 2.3.7 基于效用的推荐 | 第24页 |
| 2.3.8 各种推荐技术的比较 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于组合推荐的个性化推送模型 | 第26-35页 |
| 3.1 组合推荐算法 | 第26-28页 |
| 3.2 相关个性化推荐算法 | 第28-30页 |
| 3.3 知识资源的隐式评分模型 | 第30-32页 |
| 3.4 基于协同过滤的个性化推荐模型 | 第32-34页 |
| 3.4.1 知识个性化推荐引擎 | 第32页 |
| 3.4.2 知识个性化推荐模型 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 知识推送系统设计与实现 | 第35-51页 |
| 4.1 系统概述和设计目标 | 第35-36页 |
| 4.2 知识推送系统的设计 | 第36-41页 |
| 4.2.1 系统需求分析 | 第36-37页 |
| 4.2.2 功能结构分析 | 第37-39页 |
| 4.2.3 业务流程分析 | 第39-40页 |
| 4.2.4 数据库模型 | 第40-41页 |
| 4.3 知识推送系统的实现 | 第41-47页 |
| 4.3.1 系统的架构设计 | 第41-42页 |
| 4.3.2 协同过滤推荐算法实现 | 第42-43页 |
| 4.3.3 前台部分的实现 | 第43-46页 |
| 4.3.4 后台部分的实现 | 第46-47页 |
| 4.4 系统测试 | 第47-50页 |
| 4.4.1 系统功能测试 | 第47页 |
| 4.4.2 组合推荐算法性能测试 | 第47-50页 |
| 4.5 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 附录 A 攻读学位期间发表的学术论文 | 第57页 |
