面向学生行为理解的数据挖掘方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第15-23页 |
| 1.1 用户行为挖掘 | 第15-17页 |
| 1.1.1 主要影响因子 | 第15-16页 |
| 1.1.2 相关建模方法 | 第16-17页 |
| 1.2 学生行为模式研究 | 第17-19页 |
| 1.2.1 主要研究方向 | 第17-18页 |
| 1.2.2 学生行为数据的分类 | 第18页 |
| 1.2.3 研究中的隐私保护 | 第18-19页 |
| 1.3 研究内容 | 第19-20页 |
| 1.4 组织结构 | 第20-23页 |
| 第2章 技术背景 | 第23-33页 |
| 2.1 马尔科夫链与隐马模型 | 第23-24页 |
| 2.1.1 马尔科夫链 | 第23页 |
| 2.1.2 隐马模型 | 第23-24页 |
| 2.2 常用分类算法 | 第24-27页 |
| 2.2.1 单任务学习 | 第24-25页 |
| 2.2.2 多任务学习 | 第25-27页 |
| 2.3 协同过滤算法 | 第27-30页 |
| 2.3.1 基于内存的协同过滤 | 第27-29页 |
| 2.3.2 基于模型的协同过滤 | 第29-30页 |
| 2.3.3 混合推荐算法 | 第30页 |
| 2.4 评价指标 | 第30-33页 |
| 第3章 学生行为识别与行为建模 | 第33-41页 |
| 3.1 引言 | 第33页 |
| 3.2 学生行为识别 | 第33-35页 |
| 3.2.1 数据规范化与相关定义 | 第33-35页 |
| 3.2.2 行为序列识别算法 | 第35页 |
| 3.3 行为序列上的行为建模 | 第35-38页 |
| 3.3.1 模型定义 | 第35-37页 |
| 3.3.2 模型参数学习 | 第37-38页 |
| 3.4 实验与分析 | 第38-40页 |
| 3.4.1 数据描述与实验设置 | 第38页 |
| 3.4.2 实验结果 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于校园行为模式的学习表现预测 | 第41-55页 |
| 4.1 引言 | 第41页 |
| 4.2 相关工作 | 第41-42页 |
| 4.3 预测框架 | 第42-43页 |
| 4.4 学生行为特征 | 第43-45页 |
| 4.4.1 行为统计特征 | 第43-44页 |
| 4.4.2 行为关联特征 | 第44-45页 |
| 4.4.3 学生行为特征与奖学金群体分析 | 第45页 |
| 4.5 问题定义 | 第45-46页 |
| 4.6 学习表现预测模型 | 第46-48页 |
| 4.6.1 单任务解决方案 | 第46页 |
| 4.6.2 正则化的多任务模型 | 第46-48页 |
| 4.7 实验与分析 | 第48-53页 |
| 4.7.1 数据描述与实验设置 | 第48-49页 |
| 4.7.2 基准模型 | 第49页 |
| 4.7.3 评价指标 | 第49-50页 |
| 4.7.4 预测结果 | 第50-52页 |
| 4.7.5 特征分析 | 第52-53页 |
| 4.8 本章小结 | 第53-55页 |
| 第5章 基于在线学习行为的掌握度预测 | 第55-67页 |
| 5.1 引言 | 第55页 |
| 5.2 相关工作 | 第55-57页 |
| 5.3 预测框架 | 第57-58页 |
| 5.4 学习路径建模 | 第58-59页 |
| 5.5 问题定义 | 第59-60页 |
| 5.6 掌握度预测模型 | 第60页 |
| 5.7 实验与分析 | 第60-65页 |
| 5.7.1 数据描述与实验设置 | 第60-61页 |
| 5.7.2 基准模型 | 第61-62页 |
| 5.7.3 评价指标 | 第62页 |
| 5.7.4 实验结果 | 第62-64页 |
| 5.7.5 其他问题 | 第64-65页 |
| 5.8 本章小结 | 第65-67页 |
| 第6章 总结与展望 | 第67-71页 |
| 6.1 工作总结 | 第67-68页 |
| 6.2 未来工作 | 第68-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-79页 |
| 在读期间发表的学术论文与取得的研究成果 | 第79页 |
