基于关联规则的个性化教育推荐系统关键技术研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题的目的和意义 | 第9-10页 |
| 1.2 研究背景 | 第10页 |
| 1.3 国内外发展状况 | 第10-11页 |
| 1.4 论文研究内容 | 第11页 |
| 1.5 论文组织结构 | 第11-13页 |
| 第2章 个性化推荐系统及相关技术 | 第13-24页 |
| 2.1 推荐系统简介 | 第13-14页 |
| 2.2 相关推荐技术 | 第14-20页 |
| 2.2.1 基于知识的推荐 | 第14-15页 |
| 2.2.2 基于内容的推荐 | 第15-16页 |
| 2.2.3 协同过滤推荐 | 第16-18页 |
| 2.2.4 基于社会网络分析的推荐 | 第18-20页 |
| 2.2.5 基于关联规则的推荐 | 第20页 |
| 2.2.6 混合推荐 | 第20页 |
| 2.3 各种推荐技术的比较 | 第20-21页 |
| 2.4 推荐系统评价标准 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 关联规则算法分析 | 第24-33页 |
| 3.1 关联规则概述 | 第24页 |
| 3.2 关联规则的基本概念 | 第24-25页 |
| 3.3 关联规则的挖掘过程 | 第25-26页 |
| 3.4 关联规则的分类 | 第26-27页 |
| 3.5 两种经典的关联规则算法 | 第27-32页 |
| 3.5.1 Apriori算法 | 第27-30页 |
| 3.5.2 FP-growth算法 | 第30-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第4章 K12教育平台个性化推荐方案设计 | 第33-45页 |
| 4.1 K12教育资源特征分析 | 第33-34页 |
| 4.2 K12用户特征分析 | 第34页 |
| 4.3 K12教育平台数据收集 | 第34-35页 |
| 4.3.1 显性数据收集 | 第34-35页 |
| 4.3.2 隐性数据收集 | 第35页 |
| 4.4 模型设计 | 第35-38页 |
| 4.4.1 教育资源模型 | 第35-37页 |
| 4.4.2 用户兴趣偏好模型 | 第37-38页 |
| 4.4.3 用户知识点兴趣偏好转移 | 第38页 |
| 4.5 推荐方法设计 | 第38-40页 |
| 4.5.1 规则库的建立 | 第39-40页 |
| 4.5.2 推荐预测值 | 第40页 |
| 4.6 实验及结果分析 | 第40-44页 |
| 4.6.1 实验环境 | 第41页 |
| 4.6.2 实验步骤及结果分析 | 第41-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第5章 K12教育平台个性化推荐系统的实现 | 第45-52页 |
| 5.1 系统架构设计 | 第45-46页 |
| 5.2 系统推荐流程设计 | 第46-47页 |
| 5.3 系统功能模块设计 | 第47-52页 |
| 5.3.1 用户模块 | 第47-49页 |
| 5.3.2 资源模块 | 第49-50页 |
| 5.3.3 知识点兴趣偏好模块 | 第50-51页 |
| 5.3.4 用户推荐模块 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 论文主要工作 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 在校科研情况 | 第60页 |
