基于知识图谱的学习路径推荐策略研究
| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景和意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 学习对象识别研究现状 | 第12-13页 |
| 1.2.2 贝叶斯分类研究现状 | 第13-14页 |
| 1.2.3 学习路径推荐研究现状 | 第14-16页 |
| 1.3 本文的组织架构 | 第16-17页 |
| 第2章 相关理论概念与技术介绍 | 第17-27页 |
| 2.1 知识关联的结构和领域知识模型构建 | 第17-18页 |
| 2.2 贝叶斯理论概论 | 第18-19页 |
| 2.2.1 条件概率和乘法定理 | 第18页 |
| 2.2.2 全概率公式和贝叶斯定理 | 第18-19页 |
| 2.2.3 极大后验概率假设 | 第19页 |
| 2.3 学习者模型相关研究 | 第19-21页 |
| 2.4 学习路径推荐算法研究 | 第21-26页 |
| 2.4.1 遗传算法 | 第21-22页 |
| 2.4.2 蚁群算法 | 第22-23页 |
| 2.4.3 粒子群算法 | 第23-24页 |
| 2.4.4 协调过滤推荐算法 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 初等数学领域知识模型的构建研究 | 第27-36页 |
| 3.1 初中数学知识层次结构特点 | 第27-28页 |
| 3.2 知识模型构建的要求 | 第28-29页 |
| 3.3 前期研究 | 第29-31页 |
| 3.4 数学领域知识模型扩展 | 第31-32页 |
| 3.5 初中数学知识图谱构建 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 基于朴素贝叶斯的目标知识点追踪机制 | 第36-46页 |
| 4.1 概述 | 第36-37页 |
| 4.2 分类文本数据获取和预处理 | 第37-39页 |
| 4.3 特征向量生成 | 第39-41页 |
| 4.3.1 TF-IDF特征抽取 | 第39-40页 |
| 4.3.2 特征权重确定 | 第40-41页 |
| 4.4 基于朴素贝叶斯的分类 | 第41-43页 |
| 4.5 目标知识点获取 | 第43-45页 |
| 4.6 实验结果 | 第45页 |
| 4.7 本章小结 | 第45-46页 |
| 第5章 学习路径推荐策略研究 | 第46-60页 |
| 5.1 学习者模型构建 | 第46-48页 |
| 5.2 学习路径分析 | 第48-49页 |
| 5.3 知识连通状态模型 | 第49-52页 |
| 5.4 基于知识图谱包含关系的纵向联合策略 | 第52-58页 |
| 5.5 基于知识图谱前驱关系的回溯寻找策略 | 第58-59页 |
| 5.6 本章小结 | 第59-60页 |
| 第6章 实验分析与系统实现 | 第60-65页 |
| 6.1 实验环境 | 第60页 |
| 6.2 学习路径生成合理性分析 | 第60-61页 |
| 6.3 路径推荐性能测试 | 第61-62页 |
| 6.4 系统运行效果 | 第62-64页 |
| 6.5 本章小结 | 第64-65页 |
| 第7章 结论与展望 | 第65-67页 |
| 7.1 结论 | 第65页 |
| 7.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
