MOOC环境下基于深度信念网络的个性化推荐方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 教育资源个性化推荐系统 | 第15-16页 |
| 1.2.2 基于深度学习的推荐系统 | 第16-17页 |
| 1.3 面临的问题 | 第17-18页 |
| 1.4 论文的主要工作 | 第18-20页 |
| 1.5 论文的组织结构 | 第20-21页 |
| 1.6 本章小结 | 第21-22页 |
| 第二章 相关研究与关键技术 | 第22-38页 |
| 2.1 个性化推荐系统相关理论 | 第22-30页 |
| 2.1.1 推荐系统定义 | 第22页 |
| 2.1.2 个性化推荐系统模型 | 第22-24页 |
| 2.1.3 个性化推荐算法 | 第24-30页 |
| 2.2 深度网络模型 | 第30-36页 |
| 2.2.1 深度信念网络 | 第30-32页 |
| 2.2.2 受限玻尔兹曼机 | 第32-34页 |
| 2.2.3 反向传播神经网络 | 第34-36页 |
| 2.3 个性化推荐评估 | 第36-37页 |
| 2.3.1 评测实验方法 | 第36-37页 |
| 2.3.2 评价指标 | 第37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 基于DBN的学习者兴趣模型构建 | 第38-46页 |
| 3.1 多元化的学习者兴趣特征 | 第38-40页 |
| 3.1.1 人口统计学特征 | 第38-39页 |
| 3.1.2 学习者行为特征 | 第39页 |
| 3.1.3 课程资源内容属性特征 | 第39-40页 |
| 3.2 基于XAPI的学习者行为数据规范 | 第40-43页 |
| 3.2.1 XAPI规范描述 | 第40-41页 |
| 3.2.2 基于XAPI的学习者行为数据存储 | 第41-43页 |
| 3.3 基于DBN的学习者兴趣模型构建 | 第43-44页 |
| 3.3.1 学习者兴趣模型的表示与更新 | 第43页 |
| 3.3.2 学习者兴趣模型的构建 | 第43-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 基于DBN分类的个性化推荐方法 | 第46-61页 |
| 4.1 DBN-MCPR组成 | 第46-54页 |
| 4.1.1 数据收集 | 第48-53页 |
| 4.1.2 数据预处理 | 第53页 |
| 4.1.3 特征学习 | 第53-54页 |
| 4.1.4 评分预测 | 第54页 |
| 4.2 DBN-MCPR训练 | 第54-59页 |
| 4.2.1 训练参数初始化 | 第57-58页 |
| 4.2.2 影响因子 | 第58-59页 |
| 4.3 DBN-MCPR课程资源推荐 | 第59-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 DBN-MCPR实验分析 | 第61-77页 |
| 5.1 实验环境 | 第61-62页 |
| 5.2 DBN-MCPR实现 | 第62-67页 |
| 5.2.1 基于CUDA的GPU加速 | 第62页 |
| 5.2.2 DBN-MCPR算法实现 | 第62-67页 |
| 5.3 个性化推荐效率检测 | 第67-70页 |
| 5.3.1 公开数据集准备 | 第67-68页 |
| 5.3.2 推荐结果分析 | 第68-70页 |
| 5.4 DBN-MCPR实验结果与分析 | 第70-76页 |
| 5.4.1 数据来源及准备 | 第70-72页 |
| 5.4.2 DBN分类模型结构及参数 | 第72-73页 |
| 5.4.3 结果分析 | 第73-76页 |
| 5.5 本章小结 | 第76-77页 |
| 第六章 结论与展望 | 第77-80页 |
| 6.1 论文总结 | 第77-78页 |
| 6.2 工作展望 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 攻读硕士期间发表的论文 | 第86-87页 |
| 致谢 | 第87-88页 |
