| 第一章 远程教学系统现状概述 | 第1-12页 |
| ·网络学习环境的特点 | 第7-8页 |
| ·当前网络学习系统的不足 | 第8-9页 |
| ·如何构建良好的网络学习环境 | 第9-11页 |
| ·利用数据挖掘技术提高网络学习系统的智能性 | 第11-12页 |
| 第二章 数据挖掘技术综述 | 第12-27页 |
| ·数据挖掘的定义 | 第12页 |
| ·数据挖掘和知识发现 | 第12-14页 |
| ·数据仓库的结构 | 第14-21页 |
| ·数据挖掘的分类 | 第21-22页 |
| ·数据挖掘的方法 | 第22-24页 |
| ·数据挖掘面临的挑战及要求 | 第24-26页 |
| ·数据挖掘的应用 | 第26-27页 |
| 第三章 OLAP在对学生学习状况诊断与评价中的应用 | 第27-44页 |
| ·基于代理(AGENT)的系统架构 | 第27-28页 |
| ·远程教学系统中的诊断与评价 | 第28-29页 |
| ·基于OLAP技术的数据挖掘方法 | 第29-31页 |
| ·针对学习评价的多维数据模型 | 第31-35页 |
| ·MS SQL SERVER ANALYSIS SERVICES简介 | 第35-40页 |
| ·利用MS SQL SERVER ANALYSIS SERVICES实现学生评价模型 | 第40-44页 |
| 第四章 利用WEB挖掘技术解决“信息迷航”现象 | 第44-53页 |
| ·网上学习中的“信息迷航”现象 | 第44-45页 |
| ·WEB挖掘概述 | 第45-46页 |
| ·WEB挖掘的分类 | 第46-47页 |
| ·为什么在远程教学系统中应用WEB挖掘技术 | 第47页 |
| ·如何实现对学生学习路径的挖掘 | 第47-49页 |
| ·类APRIORI算法 | 第49-52页 |
| ·挖掘结果的运用 | 第52-53页 |
| 第五章 基于决策树的语料库挖掘 | 第53-61页 |
| ·远程教学系统中的中文信息处理 | 第53页 |
| ·语料库语言学的研究方法 | 第53-54页 |
| ·基于统计的语言分析模型 | 第54-56页 |
| ·N元语法(N-GRAM)及其实现方法 | 第56-57页 |
| ·基于决策树的分析方法 | 第57-58页 |
| ·结果分析 | 第58-61页 |
| 第六章 结束语 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64页 |
