声明
摘要
第1章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 网络学习的研究现状
1.2.2 学习风格的研究现状
1.2.3 自适应学习平台的应用
1.3 本文研究思路
第2章 基于学习风格的学习内容自适应系统总体设计
2.1 学习内容自适应系统存在的问题
2.2 系统需求分析与设计
2.2.1 业务需求分析
2.2.2 性能需求分析
2.3 系统体系框架
2.4 功能模块设计
2.5 数据库设计
2.6 本章小结
第3章 关键技术研究
3.1 学习者兴趣模型
3.1.1 用户兴趣模型构建
3.1.2 在线行为的模型定义
3.1.3 学习风格模型构建
3.1.4 学习风格类型和在线行为匹配
3.1.5 用户兴趣模型更新
3.2 自适应系统学习路径构建模型
3.2.1 基于协同过滤算法的混合遗传粒子群算法模型
3.2.2 自适应系统资源路径推荐算法模型
3.3 基于卷积神经网络的风格识别模型
3.4 自适应系统中学习风格匹配模型
3.5 推荐算法的有效性分析
3.5.1 评测指标
3.5.2 评测结果
3.6 本章小结
第4章 系统相关技术实现
4.1 系统环境配置
4.1.1 开发的环境选择
4.1.2 搭建SVN版本控制协议及集成Maven仓库
4.1.3 构建基于Hadoop的Mahout机器学习算法库
4.1.4 Hadoop集成MySQL数据库部署
4.2 混合推荐引擎
4.3 系统相关算法实现
4.3.1 学习风格识别
4.3.2 混合推荐算法技术
4.3.3 自适应系统资源学习风格匹配
4.4 本章小结
第5章 功能测试模块
5.1 系统测试环境
5.2 主要功能模块测试
5.2.1 学习风格获取模块
5.2.2 推荐模块差异性对比
5.3 特色模块
5.3.1 默认模块
5.3.2 在线学习模块
5.3.3 课程记录模块
5.3.4 话题广场模块
5.3.5 实时课程评论模块
5.3.6 数据中心模块
5.4 本章小结
6.1 工作总结
6.2 研究展望
参考文献
攻读学位期间的科研成果
致谢