基于混合差分进化算法的个性化学习资源推荐研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1. 研究背景与意义 | 第9-11页 |
| 1.2. 研究现状 | 第11-14页 |
| 1.2.1. 演化算法 | 第12-13页 |
| 1.2.2. 协同过滤推荐算法 | 第13-14页 |
| 1.2.3. 混合推荐算法 | 第14页 |
| 1.3. 研究问题的提出 | 第14-15页 |
| 1.4. 本文主要工作 | 第15-16页 |
| 1.5. 研究方法 | 第16-17页 |
| 1.6. 本文组织结构 | 第17-18页 |
| 第2章 个性化资源推荐研究综述 | 第18-36页 |
| 2.1. 推荐系统简介 | 第18-21页 |
| 2.2. 画像技术 | 第21-22页 |
| 2.3. 基于内容的推荐算法 | 第22-25页 |
| 2.3.1. 资源画像 | 第23-24页 |
| 2.3.2. 用户画像 | 第24页 |
| 2.3.3. 资源推荐列表 | 第24-25页 |
| 2.3.4. 基于内容推荐算法应用场景 | 第25页 |
| 2.4. 协同过滤推荐算法 | 第25-31页 |
| 2.4.1. 基于用户的协同过滤推荐算法 | 第26-29页 |
| 2.4.2. 基于物品的协同过滤推荐算法 | 第29-30页 |
| 2.4.3. 协同过滤算法应用领域 | 第30-31页 |
| 2.5. 基于演化算法的推荐算法 | 第31-34页 |
| 2.5.1. 基于差分进化算法的推荐算法 | 第31-32页 |
| 2.5.2. 基于二进制粒子群的推荐算法 | 第32-34页 |
| 2.6. 混合推荐算法 | 第34-35页 |
| 2.6.1. 加权混合推荐推荐技术 | 第34-35页 |
| 2.6.2. 瀑布混合推荐技术 | 第35页 |
| 2.7. 基于深度学习的推荐算法 | 第35-36页 |
| 第3章 个性化学习资源推荐模型 | 第36-41页 |
| 3.1. 问题定义 | 第36-37页 |
| 3.2. 画像定义 | 第37-38页 |
| 3.2.1. 学习者画像 | 第37页 |
| 3.2.2. 学习资源画像 | 第37-38页 |
| 3.3. 学习资源推荐模型构建 | 第38-41页 |
| 第4章 个性化学习资源混合推荐算法 | 第41-46页 |
| 4.1. 算法设计 | 第41页 |
| 4.2. 参数估计 | 第41-43页 |
| 4.3. 算法流程 | 第43-46页 |
| 第5章 算法实验 | 第46-54页 |
| 5.1. 实验设计 | 第46页 |
| 5.2. 评价标准 | 第46页 |
| 5.3. 实验环境 | 第46-47页 |
| 5.4. 参数设置 | 第47页 |
| 5.5. 收敛性测试 | 第47-48页 |
| 5.6. 算法分析 | 第48-52页 |
| 5.6.1. 稳定性与准确性分析 | 第49-50页 |
| 5.6.2. 执行过程分析 | 第50-51页 |
| 5.6.3. 时间效率分析 | 第51-52页 |
| 5.7. 算法实例 | 第52-54页 |
| 第6章 总结与展望 | 第54-57页 |
| 6.1. 研究总结 | 第54-55页 |
| 6.2. 研究创新点 | 第55页 |
| 6.3. 研究展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文目录 | 第61页 |
