基于标签的学习资源推荐系统
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 论文的研究目的和内容 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-14页 |
| 第2章 标签系统和推荐算法基础 | 第14-30页 |
| 2.1 标签系统 | 第14-18页 |
| 2.1.1 标签的作用 | 第14-16页 |
| 2.1.2 标签系统模型 | 第16-17页 |
| 2.1.3 标签系统分类 | 第17-18页 |
| 2.2 推荐算法 | 第18-25页 |
| 2.2.1 基于内容的推荐 | 第19-20页 |
| 2.2.2 协同过滤推荐 | 第20-23页 |
| 2.2.3 基于规则的推荐 | 第23-24页 |
| 2.2.4 混合推荐 | 第24-25页 |
| 2.4 基于标签的推荐 | 第25-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 基于词典的协同标签推荐算法 | 第30-40页 |
| 3.1 算法思想描述 | 第30-33页 |
| 3.2 标签清理方法 | 第33-36页 |
| 3.2.1 中文标签处理方法 | 第34-35页 |
| 3.2.2 英文标签处理方法 | 第35-36页 |
| 3.3 用户兴趣模型 | 第36-38页 |
| 3.4 推荐结果的产生 | 第38-39页 |
| 3.4.1 相似性计算 | 第38-39页 |
| 3.4.2 兴趣度预测 | 第39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于标签的学习资源推荐系统原型 | 第40-50页 |
| 4.1 引言 | 第40页 |
| 4.2 系统总体结构 | 第40-41页 |
| 4.3 推荐算法处理流程 | 第41-44页 |
| 4.3.1 生成用户特征向量 | 第42-43页 |
| 4.3.2 特征-资源相关推荐 | 第43-44页 |
| 4.3.3 过滤模块 | 第44页 |
| 4.3.4 排名模块 | 第44页 |
| 4.4 平台技术架构 | 第44-45页 |
| 4.5 冷启动问题解决方法 | 第45-48页 |
| 4.5.1 利用用户注册信息 | 第46-47页 |
| 4.5.2 标签云收集用户兴趣 | 第47-48页 |
| 4.6 本章小结 | 第48-50页 |
| 第5章 实验设计与原型系统展示 | 第50-64页 |
| 5.1 实验数据 | 第50-57页 |
| 5.1.1 标签数据的获取 | 第50-54页 |
| 5.1.2 数据预处理 | 第54-57页 |
| 5.2 实验设计 | 第57页 |
| 5.3 结果分析 | 第57-59页 |
| 5.4 原型系统效果展示 | 第59-62页 |
| 5.5 本章小结 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 本文工作总结 | 第64-65页 |
| 6.2 后续工作展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间科研成果 | 第74页 |
