首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

MOOC资源的个性化推荐研究

摘要第3-4页
Abstract第4页
第1章 引言第7-16页
    1.1 研究背景第7-10页
        1.1.1 MOOC第7-9页
        1.1.2 个性化推荐服务系统第9-10页
    1.2 研究现状第10-13页
        1.2.1 MOOC研究现状第10-11页
        1.2.2 学习资源个性化推荐研究现状第11-13页
        1.2.3 MOOC资源的个性化推荐研究现状第13页
    1.3 研究意义第13-14页
    1.4 研究内容第14页
    1.5 论文的组织结构及内容安排第14-16页
第2章 相关理论与方法介绍第16-26页
    2.1 语义Web简介第16-18页
        2.1.1 语义Web概述第16页
        2.1.2 语义Web的体系结构第16-18页
    2.2 本体简介第18-21页
        2.2.1 本体的概念与分类第18-19页
        2.2.2 本体的构成第19-20页
        2.2.3 本体的查询第20页
        2.2.4 本体的构建方法第20-21页
        2.2.5 本体的建模优势第21页
    2.3 本体的推理技术第21-23页
        2.3.1 本体推理机的系统结构第21-22页
        2.3.2 Jena本体推理机第22页
        2.3.3 Jena推理规则格式第22-23页
    2.4 语义相似度计算方法第23-26页
        2.4.1 基于距离的语义相似度计算模型第23-24页
        2.4.2 基于属性的相似度计算模型第24-26页
第3章 课程资源本体与学习者本体的构建第26-36页
    3.1 本体构建相关介绍第26-27页
        3.1.1 课程资源本体与学习者本体的构建方法第26-27页
        3.1.2 课程资源本体与学习者本体的开发平台第27页
    3.2 课程资源本体的构建第27-32页
        3.2.1 课程资源本体的构建步骤第27-29页
        3.2.2 课程资源本体的实现第29-32页
    3.3 学习者本体的构建第32-36页
        3.3.1 学习者模型规范第32页
        3.3.2 学习者本体第32-34页
        3.3.3 学习者个性化特征的获取第34-36页
第4章 MOOC资源的个性化推荐第36-46页
    4.1 推理规则定义第36页
    4.2 个性化推荐运行机制第36-38页
    4.3 改进的语义相似度算法第38-46页
        4.3.1 相似度计算的原则第38-39页
        4.3.2 基于语义Web的知识点个性化搜索算法第39-42页
        4.3.3 基于语义Web的个性化课程推荐算法第42-44页
        4.3.4 与传统语义相似度算法比较分析第44-46页
第5章 系统设计与实验第46-54页
    5.1 系统概述第46页
    5.2 系统开发工具第46-47页
    5.3 系统的总体设计第47-49页
    5.4 系统主要相关操作演示第49-54页
第6章 总结与展望第54-56页
    6.1 总结第54-55页
    6.2 展望第55-56页
参考文献第56-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:基于视频图像的课堂签到系统设计与实现
下一篇:高校学生课程学习与能力关系挖掘系统的设计与实现