基于聚类方法的用户学习偏好分析
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外偏好分析的研究现状 | 第10-14页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.2.3 论文结构 | 第13页 |
| 1.2.4 本文的工作 | 第13-14页 |
| 1.3 小结 | 第14-15页 |
| 第二章 用户学习行为偏好指标选取研究 | 第15-23页 |
| 2.1 网络学习行为 | 第15-17页 |
| 2.1.1 学习的概念 | 第15页 |
| 2.1.2 学习的分类 | 第15-16页 |
| 2.1.3 网络学习行为的概念 | 第16-17页 |
| 2.2 影响网络学习的因素 | 第17-18页 |
| 2.2.1 学习者个体特征的影响 | 第17-18页 |
| 2.2.2 外界环境的影响 | 第18页 |
| 2.3 行为科学与学习理论 | 第18-19页 |
| 2.4 学习偏好分析指标的选取 | 第19-21页 |
| 2.4.1 用户请求的URL | 第20页 |
| 2.4.2 访问量 | 第20页 |
| 2.4.3 频率 | 第20页 |
| 2.4.4 时间 | 第20-21页 |
| 2.4.5 内容类别 | 第21页 |
| 2.4.6 引用页 | 第21页 |
| 2.5 小结 | 第21-23页 |
| 第三章 用户学习行为偏好指标数据研究 | 第23-41页 |
| 3.1 学习者数据采集分析 | 第23-27页 |
| 3.1.1 网络环境下学习者产生的数据类型 | 第23页 |
| 3.1.2 数据预处理 | 第23-25页 |
| 3.1.3 用户偏好数据的采集方式 | 第25-27页 |
| 3.2 数据编目分析 | 第27-36页 |
| 3.2.1 首页编目 | 第28-29页 |
| 3.2.2 教学素材库编目 | 第29-31页 |
| 3.2.3 其他一级标签编目 | 第31-36页 |
| 3.3 数据建模分析 | 第36-40页 |
| 3.3.1 URL | 第36-39页 |
| 3.3.2 访问量 | 第39-40页 |
| 3.4 小结 | 第40-41页 |
| 第四章 用户学习行为偏好量化表示研究 | 第41-51页 |
| 4.1 聚类分析 | 第41页 |
| 4.2 基于密度的聚类 | 第41-43页 |
| 4.3 密度可达与密度相连 | 第43-44页 |
| 4.4 DBSCAN算法描述 | 第44-47页 |
| 4.4.1 算法参数的选取 | 第44-45页 |
| 4.4.2 算法流程及伪代码 | 第45-47页 |
| 4.5 XML与偏好表达 | 第47-49页 |
| 4.5.1 XML的特点 | 第47页 |
| 4.5.2 XML内容结构 | 第47-48页 |
| 4.5.3 XML的解析 | 第48-49页 |
| 4.6 小结 | 第49-51页 |
| 第五章 实验数据分析 | 第51-69页 |
| 5.1 环境描述 | 第51页 |
| 5.2 单因素分析 | 第51-54页 |
| 5.2.1 URL数据 | 第51-53页 |
| 5.2.2 访问量 | 第53-54页 |
| 5.3 多因素聚类分析 | 第54-62页 |
| 5.3.1 URL数据 | 第54-57页 |
| 5.3.2 ε和MinPts参数值选取 | 第57-62页 |
| 5.4 聚类结果表示 | 第62-67页 |
| 5.5 小结 | 第67-69页 |
| 总结与展望 | 第69-71页 |
| 参考文献 | 第71-73页 |
| 攻读硕士学位期间取得的科研成果 | 第73-75页 |
| 致谢 | 第75-77页 |
| 作者简介 | 第77页 |
