应用导向的高校计算机课程数据挖掘
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10页 |
| 1.3 课题研究意义 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 基于信息融合的网页文本聚类距离选择方法 | 第13-26页 |
| 2.1 文本聚类距离选择方法介绍 | 第13-14页 |
| 2.2 数据预处理 | 第14-18页 |
| 2.2.1 网页抓取 | 第14页 |
| 2.2.2 分词处理 | 第14-15页 |
| 2.2.3 去除停用词 | 第15页 |
| 2.2.4 计算TF-IDF | 第15-16页 |
| 2.2.5 特征选择方法 | 第16-18页 |
| 2.3 基于一致近似性的聚类自适应评价指标选择 | 第18-22页 |
| 2.3.1 传统的聚类分析方法 | 第18页 |
| 2.3.2 文本相似度衡量 | 第18-19页 |
| 2.3.3 自适应选择方法文本相似度衡量 | 第19-22页 |
| 2.4 AMS算法的实验开展 | 第22-25页 |
| 2.4.1 实验前期准备工作 | 第22-23页 |
| 2.4.2 实验结果及分析 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 课程关注度因素的数据挖掘与分析 | 第26-40页 |
| 3.1 课程相关因素关注度介绍 | 第26-27页 |
| 3.2 数据采集 | 第27-29页 |
| 3.3 数据库设计 | 第29-32页 |
| 3.3.1 数据仓库层次 | 第29-30页 |
| 3.3.2 表与表结构 | 第30-32页 |
| 3.4 数据处理 | 第32-33页 |
| 3.5 相关性分析 | 第33-38页 |
| 3.5.1 构建共识 | 第33页 |
| 3.5.2 评分排序 | 第33-35页 |
| 3.5.3 实验结果 | 第35-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 招聘信息数据挖掘及课程应用导向分析 | 第40-53页 |
| 4.1 就业形势 | 第40页 |
| 4.2 就业现状 | 第40-43页 |
| 4.3 数据采集 | 第43-44页 |
| 4.3.1 数据采集方式 | 第43-44页 |
| 4.3.2 数据预处理 | 第44页 |
| 4.4 数据处理 | 第44-46页 |
| 4.5 数据分析 | 第46-49页 |
| 4.6 计算机课程应用技能培养数据分析 | 第49-51页 |
| 4.7 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 全文总结 | 第53页 |
| 5.2 后续研究工作展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读学位期间的研究成果 | 第60-61页 |
| 致谢 | 第61页 |
