基于关联分析的智能在线培训系统设计
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 引言 | 第6-12页 |
| 1.1 智能在线培训系统发展现状 | 第6-9页 |
| 1.2 海策智能在线培训系统存在的问题 | 第9-10页 |
| 1.3 本文的主要内容 | 第10-11页 |
| 1.4 本文的篇章结构 | 第11-12页 |
| 第二章 关联分析技术基础 | 第12-17页 |
| 2.1 数据挖掘的过程 | 第12-13页 |
| 2.2 关联规则 | 第13-15页 |
| 2.3 Apriori算法简介 | 第15-17页 |
| 第三章 海策智能在线培训系统需求分析 | 第17-29页 |
| 3.1 智能在线培训系统主要功能 | 第17-23页 |
| 3.1.1 教程管理模块 | 第18-20页 |
| 3.1.2 智能答疑模块 | 第20-22页 |
| 3.1.3 互动社区模块 | 第22-23页 |
| 3.2 智能在线培训系统核心流程 | 第23-28页 |
| 3.2.1 教程学习流程 | 第24-25页 |
| 3.2.2 在线答疑流程 | 第25-26页 |
| 3.2.3 社交关系管理流程 | 第26-28页 |
| 3.3 智能在线培训系统的安全需求 | 第28-29页 |
| 第四章 海策智能在线培训系统设计 | 第29-54页 |
| 4.1 智能在线培训系统总体架构设计 | 第29-31页 |
| 4.2 用户行为数据采集子系统设计 | 第31-38页 |
| 4.2.1 用户学习轨迹数据采集 | 第32-34页 |
| 4.2.2 问答匹配结果数据采集 | 第34-36页 |
| 4.2.3 社交行为数据采集 | 第36-38页 |
| 4.3 用户偏好分析子系统设计 | 第38-47页 |
| 4.3.1 用户行为数据预处理 | 第38-42页 |
| 4.3.2 用户偏好关联规则分析 | 第42-46页 |
| 4.3.3 用户偏好规则的存储和发布 | 第46-47页 |
| 4.4 智能助教子系统设计 | 第47-52页 |
| 4.4.1 相关教程主动推送 | 第47-49页 |
| 4.4.2 在线提问智能答复 | 第49-51页 |
| 4.4.3 社交关系智能推荐 | 第51-52页 |
| 4.5 与同类系统比较 | 第52-53页 |
| 4.6 海策智能在线培训系统应用效果 | 第53-54页 |
| 第五章 结论 | 第54-56页 |
| 5.1 海策智能在线培训系统的特点 | 第54-55页 |
| 5.2 不足与展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-59页 |
