基于装备维修的自适应学习系统的研究和实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 本文研究的主要内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第二章 相关研究工作 | 第15-21页 |
| 2.1 自适应学习系统 | 第15-20页 |
| 2.1.1 学员模型 | 第16-17页 |
| 2.1.2 领域知识模型 | 第17-18页 |
| 2.1.3 知识推荐策略 | 第18-19页 |
| 2.1.4 自适应测试模块 | 第19-20页 |
| 2.2 深度态势感知 | 第20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 领域知识模型的构建 | 第21-37页 |
| 3.1 引言 | 第21页 |
| 3.2 领域知识模型构建 | 第21-22页 |
| 3.3 基于随机森林的术语提取算法 | 第22-28页 |
| 3.3.1 获取数据集 | 第23页 |
| 3.3.2 预处理 | 第23-24页 |
| 3.3.3 特征提取 | 第24-27页 |
| 3.3.4 随机森林模型 | 第27-28页 |
| 3.4 基于数据挖掘的关系提取算法 | 第28-32页 |
| 3.4.1 依赖关系提取 | 第29-30页 |
| 3.4.2 关联关系提取 | 第30-32页 |
| 3.4.3 同类关系提取 | 第32页 |
| 3.5 实验结果 | 第32-36页 |
| 3.5.1 术语提取 | 第32-34页 |
| 3.5.2 术语关系提取 | 第34页 |
| 3.5.3 系统实现及展示 | 第34-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于知识图和机器学习的内容导航算法 | 第37-47页 |
| 4.1 引言 | 第37页 |
| 4.2 内容导航算法架构设计 | 第37-38页 |
| 4.3 基于知识图的规则内容推荐算法 | 第38-42页 |
| 4.3.1 后继术语推荐 | 第38-40页 |
| 4.3.2 关联术语推荐 | 第40-41页 |
| 4.3.3 同类术语推荐 | 第41页 |
| 4.3.4 内容推荐融合 | 第41-42页 |
| 4.4 基于机器学习的内容导航算法 | 第42-45页 |
| 4.4.1 基于人口统计学的推荐 | 第42-44页 |
| 4.4.2 基于协同过滤的推荐 | 第44-45页 |
| 4.5 实验结果 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 基于认知诊断模型的自适应测试 | 第47-56页 |
| 5.1 引言 | 第47页 |
| 5.2 题库建设 | 第47-49页 |
| 5.3 基于认知诊断模型的自适应测试 | 第49-54页 |
| 5.3.1 能力初探阶段 | 第50-51页 |
| 5.3.2 能力精确估计阶段 | 第51-54页 |
| 5.4 实验结果 | 第54页 |
| 5.5 本章小结 | 第54-56页 |
| 第六章 总结展望 | 第56-58页 |
| 6.1 工作总结 | 第56-57页 |
| 6.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 作者攻读学位期间发表的学术论文目录 | 第62页 |
