| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 推荐系统的研究现状 | 第12页 |
| 1.2.2 教育云平台的研究现状 | 第12-13页 |
| 1.3 本论文的主要工作 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 关键理论和相关技术 | 第15-25页 |
| 2.1 Hadoop MapReduce分布式计算模型 | 第15-18页 |
| 2.1.1 Hadoop MapReduce基本特性 | 第15页 |
| 2.1.2 Hadoop MapReduce架构 | 第15-17页 |
| 2.1.3 MapReduce编程模型简介 | 第17-18页 |
| 2.2 聚类原理及相关技术 | 第18-20页 |
| 2.2.1 聚类原理 | 第18-19页 |
| 2.2.2 聚类算法 | 第19-20页 |
| 2.3 推荐系统及相关技术 | 第20-24页 |
| 2.3.1 推荐系统简介 | 第20页 |
| 2.3.2 用户兴趣建模 | 第20-22页 |
| 2.3.3 推荐对象建模 | 第22页 |
| 2.3.4 推荐算法 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于教育云平台的个性化推荐系统需求分析 | 第25-30页 |
| 3.1 系统基本功能需求 | 第25-28页 |
| 3.1.1 课件对象建模需求 | 第26页 |
| 3.1.2 用户兴趣建模需求 | 第26-27页 |
| 3.1.3 推荐系统建模需求 | 第27页 |
| 3.1.4 用户功能需求 | 第27-28页 |
| 3.2 性能需求 | 第28-29页 |
| 3.2.1 推荐性能需求 | 第28页 |
| 3.2.2 系统可靠性和可用性需求 | 第28-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 基于教育云平台的个性化推荐系统的设计 | 第30-55页 |
| 4.1 系统总体设计 | 第30-33页 |
| 4.1.1 系统总体架构设计 | 第30-31页 |
| 4.1.2 系统功能模块总体设计 | 第31-33页 |
| 4.2 课件对象模型的分布式设计 | 第33-43页 |
| 4.2.1 课件文本内容的提取与存储设计 | 第33-34页 |
| 4.2.2 课件文档表示 | 第34-35页 |
| 4.2.3 课件对象模型算法设计 | 第35-43页 |
| 4.2.3.1 Canopy算法的分布式设计 | 第36-38页 |
| 4.2.3.2 Fuzzy k-means算法的分布式设计 | 第38-43页 |
| 4.3 用户兴趣模型的分布式设计 | 第43-49页 |
| 4.3.1 用户行为数据收集设计 | 第43-45页 |
| 4.3.2 基于BFIUF的用户兴趣模型设计 | 第45-49页 |
| 4.3.2.1 用户兴趣模型算法设计 | 第45-46页 |
| 4.3.2.2 基于BFIUF用户兴趣模型的分布式设计 | 第46-49页 |
| 4.4 推荐模型设计 | 第49-54页 |
| 4.4.1 基于课件主题的隐语义推荐模型设计 | 第50-53页 |
| 4.4.1.1 基于课件主题的隐语义推荐算法设计 | 第50-51页 |
| 4.4.1.2 预测评分的分布式设计 | 第51-52页 |
| 4.4.1.3 排序和Top-K推荐设计 | 第52-53页 |
| 4.4.2 基于课件内容的推荐模型设计 | 第53-54页 |
| 4.4.3 基于课件流行度的推荐模型设计 | 第54页 |
| 4.4.4 推荐结果的组合设计 | 第54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 基于教育云平台的个性化推荐系统的实现 | 第55-77页 |
| 5.1 基于J2EE的用户端应用的实现 | 第55-56页 |
| 5.2 课件对象模型的分布式实现 | 第56-67页 |
| 5.2.1 课件文本内容的提取与存储实现 | 第56-58页 |
| 5.2.2 基于MapReduce的课件文档向量化实现 | 第58-62页 |
| 5.2.2.1 文本内容分词的实现 | 第58-59页 |
| 5.2.2.2 文档向量化的实现 | 第59-62页 |
| 5.2.3 课件对象模型实现 | 第62-67页 |
| 5.2.3.1 Canopy算法的分布式实现 | 第62-64页 |
| 5.2.3.2 Fuzzy k-means算法的分布式实现 | 第64-67页 |
| 5.3 基于BFIUF用户兴趣模型的分布式实现 | 第67-71页 |
| 5.4 推荐模型实现 | 第71-76页 |
| 5.4.1 基于课件主题的隐语义推荐模型的实现 | 第71-74页 |
| 5.4.1.1 课件预测评分计算 | 第71-72页 |
| 5.4.1.2 排序和Top-K推荐 | 第72-74页 |
| 5.4.2 基于课件内容的推荐模型的实现 | 第74-75页 |
| 5.4.3 基于课件流行度的推荐模型实现 | 第75-76页 |
| 5.4.4 组合推荐结果的实现 | 第76页 |
| 5.5 本章小结 | 第76-77页 |
| 第六章 系统测试与分析 | 第77-83页 |
| 6.1 测试环境部署 | 第77页 |
| 6.2 功能测试与界面展示 | 第77-81页 |
| 6.3 性能测试与分析 | 第81页 |
| 6.4 本章小结 | 第81-83页 |
| 第七章 总结及展望 | 第83-85页 |
| 7.1 论文工作总结 | 第83-84页 |
| 7.2 进一步展望 | 第84-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-89页 |
