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

网络学习资源个性化推荐系统的设计与开发

摘要第1-5页
Abstract第5-10页
第1章 绪论第10-18页
   ·选题背景第10-12页
     ·海量的学习资源与“信息过载”第10-11页
     ·网络学习中的个性化需求第11页
     ·网络学习资源个性化推荐第11-12页
   ·国内外研究现状第12-15页
     ·国外研究现状第12-14页
     ·国内研究现状第14-15页
   ·研究目的和研究内容第15-16页
     ·研究目标第15页
     ·研究内容第15-16页
   ·研究方法第16页
   ·论文组织结构第16-18页
第2章 相关理论与技术基础第18-30页
   ·个性化相关概念和理论第18-20页
     ·个性化第18页
     ·个性化需求第18-20页
   ·个性化推荐第20-23页
     ·个性化推荐的含义第20-21页
     ·个性化推荐的目标第21-22页
     ·个性化推荐的作用第22-23页
   ·个性化推荐系统的一般组成第23-26页
     ·用户建模第23-25页
     ·项目匹配第25页
     ·推荐输出第25-26页
   ·常用的个性化推荐技术第26-30页
     ·基于内容的推荐第26页
     ·协同过滤推荐第26-27页
     ·基于人口统计信息的推荐第27页
     ·基于关联规则的推荐第27-28页
     ·常见几种推荐技术比较第28-30页
第3章 学习资源个性化推荐系统关键技术与推荐思路第30-42页
   ·协同过滤推荐第30-35页
     ·传统协同过滤推荐方法基本步骤第30-34页
     ·协同过滤推荐存在的问题及对策第34-35页
   ·新用户推荐问题解决对策——基于人口统计信息的推荐第35-39页
     ·人口统计信息的应用价值第35页
     ·人口统计信息的选择和获取第35页
     ·人口统计信息的预处理第35-37页
     ·人口统计信息相似度计算第37-38页
     ·产生推荐数据集第38-39页
   ·数据稀疏问题解决对策——Slope One算法第39-42页
     ·Slope one算法的提出第39页
     ·Slope One算法的实用价值第39页
     ·Slope One算法分析第39-40页
     ·Slope One算法举例说明第40-42页
第4章 实验设计与结果分析第42-50页
   ·实验目的和内容第42页
   ·实验环境和工具第42页
   ·实验数据介绍第42-44页
     ·MovieLens数据集第43页
     ·数据集的稀疏度第43-44页
   ·实验评价标准第44-46页
     ·平均绝对误差MAE第44-45页
     ·查准率和查全率第45页
     ·查准率和查全率综合评价指标F1第45-46页
   ·实验方法和设计第46-47页
     ·训练集和测试集切割方法第46-47页
     ·实验具体设计第47页
   ·实验结果分析第47-50页
     ·实验一结果分析第47-48页
     ·实验二结果分析第48-50页
第5章 网络学习资源性化推荐系统的设计与实现第50-64页
   ·系统概述和设计目标第50页
   ·系统功能模块设计第50-52页
     ·系统功能需求第50-52页
     ·系统功能架构第52页
   ·学习资源个性化推荐模型的设计第52-54页
     ·个性化推荐思路第52-53页
     ·模型的体系结构第53-54页
   ·系统的工作流程第54-55页
   ·主要数据表设计第55-57页
     ·用户信息表第55-56页
     ·学习资源信息表第56-57页
     ·用户-资源评分表第57页
     ·注册用户资源下载信息表第57页
   ·系统开发环境第57-58页
   ·系统运行主要页面第58-64页
第6章 总结与展望第64-66页
   ·论文总结和主要成果第64-65页
   ·进一步的研究和展望第65-66页
参考文献第66-72页
附录第72-76页
致谢第76-78页
攻读硕士学位期间科研成果第78页

论文共78页,点击 下载论文
上一篇:两种不同定义下的可逆模糊自动机
下一篇:基于业务流程的信息安全风险评估方法研究