| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 英文缩略表 | 第17-18页 |
| 第一章 绪论 | 第18-31页 |
| 1.1 问题的提出 | 第18-19页 |
| 1.2 研究背景、目的和意义 | 第19-21页 |
| 1.2.1 研究背景 | 第19页 |
| 1.2.2 研究目的 | 第19-20页 |
| 1.2.3 研究意义 | 第20-21页 |
| 1.3 研究现状 | 第21-27页 |
| 1.3.1 农民现代远程教育研究现状 | 第21-23页 |
| 1.3.2 个性化服务技术研究现状 | 第23-27页 |
| 1.4 研究的主要内容和方法 | 第27-29页 |
| 1.4.1 研究的主要内容 | 第27-28页 |
| 1.4.2 研究方法和技术路线 | 第28-29页 |
| 1.5 论文组织结构 | 第29-31页 |
| 第二章 个性化学习理论和方法 | 第31-38页 |
| 2.1 领域本体构建技术 | 第31-32页 |
| 2.2 用户兴趣模型构建技术 | 第32-33页 |
| 2.3 个性化推荐技术 | 第33-34页 |
| 2.4 计算机相关技术 | 第34-37页 |
| 2.4.1 软件工程技术 | 第34-35页 |
| 2.4.2 数据库技术 | 第35-36页 |
| 2.4.3 J2EE架构 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 远程教育个性化学习系统框架研究 | 第38-44页 |
| 3.1 个性化学习服务 | 第38-41页 |
| 3.1.1 个性化学习概述 | 第38页 |
| 3.1.2 个性化学习特征 | 第38-39页 |
| 3.1.3 个性化学习技术 | 第39-41页 |
| 3.2 个性化学习总体框架 | 第41-43页 |
| 3.2.1 个性化学习层次结构 | 第41-42页 |
| 3.2.2 个性化学习的主要功能介绍 | 第42-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 农民远程教育视频教学资源领域本体研究与构建 | 第44-56页 |
| 4.1 本体概述 | 第44-45页 |
| 4.1.1 本体的基本概念 | 第44-45页 |
| 4.1.2 本体分类 | 第45页 |
| 4.2 本体的构建 | 第45-48页 |
| 4.2.1 本体描述语言 | 第45-47页 |
| 4.2.2 本体构建的一般方法 | 第47页 |
| 4.2.3 本体实现工具 | 第47-48页 |
| 4.3 农民远程教育视频教学资源领域本体构建 | 第48-55页 |
| 4.3.1 领域本体的构建过程 | 第48页 |
| 4.3.2 远程教育视频教学资源的基本情况 | 第48-49页 |
| 4.3.3 远程教育教学资源领域本体构建 | 第49-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 个性化用户兴趣模型研究与构建 | 第56-70页 |
| 5.1 用户个性化兴趣模型表示方法 | 第56-59页 |
| 5.1.1 关键词列表方法 | 第56页 |
| 5.1.2 案例表示方法 | 第56-57页 |
| 5.1.3 向量空间模型表示方法 | 第57-58页 |
| 5.1.4 基于神经网络的用户模型表示方法 | 第58页 |
| 5.1.5 基于本体的用户兴趣模型表示方法 | 第58-59页 |
| 5.2 用户兴趣建模技术 | 第59-60页 |
| 5.2.1 用户定制建模 | 第59页 |
| 5.2.2 示例建模 | 第59页 |
| 5.2.3 自动建模 | 第59-60页 |
| 5.3 用户模型的学习方法 | 第60-62页 |
| 5.3.1 朴素贝叶斯方法 | 第60页 |
| 5.3.2 Rocchio算法 | 第60-61页 |
| 5.3.3 基于遗忘函数的用户模型学习方法 | 第61-62页 |
| 5.4 农民远程教育用户兴趣模型的构建 | 第62-65页 |
| 5.4.1 基于本体用户兴趣模型的优势 | 第62页 |
| 5.4.2 农民远程教育用户兴趣模型构建 | 第62-65页 |
| 5.5 用户兴趣模型概念兴趣度计算 | 第65-69页 |
| 5.5.1 模型更新 | 第66页 |
| 5.5.2 教学资源兴趣度在用户模型层数树中的更新方式 | 第66-67页 |
| 5.5.3 用户兴趣模型的更新方式 | 第67-69页 |
| 5.6 本章小结 | 第69-70页 |
| 第六章 农民远程教育个性化学习推荐技术研究 | 第70-93页 |
| 6.1 推荐系统相关理论与技术 | 第70-73页 |
| 6.1.1 信息搜索技术 | 第70页 |
| 6.1.2 关联规则推荐 | 第70-71页 |
| 6.1.3 基于内容的推荐技术 | 第71页 |
| 6.1.4 协同过滤推荐技术 | 第71-73页 |
| 6.2 个性化推荐系统存在主要问题 | 第73-74页 |
| 6.3 主要的相似度计算方法 | 第74-75页 |
| 6.4 基于协同过滤推荐技术的远程教育个性化学习研究 | 第75-83页 |
| 6.4.1 算法设计思路 | 第75-76页 |
| 6.4.2 算法设计流程 | 第76页 |
| 6.4.3 用户基本属性信息和感兴趣主题相似度计算方法 | 第76-78页 |
| 6.4.4 基于近邻用户的协同过滤推荐方法 | 第78-79页 |
| 6.4.5 实验验证 | 第79-83页 |
| 6.5 基于序列分析的个性化推荐算法研究 | 第83-92页 |
| 6.5.1 序列分析算法 | 第83-84页 |
| 6.5.2 远程教育个性化学习序列推荐整体架构 | 第84-86页 |
| 6.5.3 基于序列分析的个性化推荐实验设计 | 第86-92页 |
| 6.6 本章小结 | 第92-93页 |
| 第七章 农民远程教育个性化学习原型系统实现 | 第93-115页 |
| 7.1 系统设计目标与原则 | 第93-94页 |
| 7.2 系统开发环境 | 第94页 |
| 7.3 系统整体架构 | 第94-96页 |
| 7.4 系统的功能设计 | 第96-97页 |
| 7.5 数据库设计 | 第97-101页 |
| 7.6 原型设计 | 第101-111页 |
| 7.6.1 个性化推荐模块 | 第101-104页 |
| 7.6.2 学习需求反馈模块 | 第104-105页 |
| 7.6.3 学习计划管理模块 | 第105-107页 |
| 7.6.4 学习档案管理模块 | 第107-109页 |
| 7.6.5 个性化专题管理模块 | 第109页 |
| 7.6.6 个性化学习后台管理模块 | 第109-110页 |
| 7.6.7 用户信息管理模块 | 第110-111页 |
| 7.7 用户使用满意度调研与测评 | 第111-114页 |
| 7.8 本章小结 | 第114-115页 |
| 第八章 总结与展望 | 第115-118页 |
| 8.1 论文研究总结 | 第115-116页 |
| 8.2 研究创新性 | 第116页 |
| 8.3 展望 | 第116-118页 |
| 参考文献 | 第118-127页 |
| 附录 | 第127-129页 |
| 致谢 | 第129-130页 |
| 作者简历 | 第130-131页 |
