声明
第1章 绪 论
1.1.1研究背景
1.1.2研究意义
1.2国内外研究现状
1.2.1推荐系统的国内外研究现状
1.2.2深度学习在个性化推荐方面的国内外研究现状
1.2.3在线学习的国内外研究现状
1.3本文主要研究内容
1.4本文章节安排
1.5本章小结
第2章 相关模型与算法
2.1.1矩阵分解
2.1.2广义矩阵分解算法
2.2.1多层感知器算法
2.2.2注意力机制网络
2.3.1深度神经网络
2.3.2神经协同过滤推荐模型
2.4本章小结
第3章 基于注意力的深度协同在线学习资源推荐新模型
3.1概述
3.1.1研究动机
3.1.2问题的提出
3.2.1拓展广义矩阵的数学模型
3.2.2拓展广义矩阵的伪代码
3.3.1基于深度学习的协同过滤在线学习资源推荐模型(DCF)
3.3.2基于注意力的深度协同过滤在线学习资源推荐模型(ADCF)
3.4.1 ADCF算法的数学模型
3.4.2 DCF和ADCF伪代码描述
3.4.3算法的时间和空间复杂度分析
3.5.1网络爬虫
3.5.2爬取过程
3.5.3数据预处理
3.6.1数据集构造
3.6.2评估指标
3.6.3损失函数
3.6.4模型性能分析
3.7本章小结
第4章 在线学习资源推荐系统的分析与设计
4.1系统需求分析
4.1.1目标需求
4.1.2功能需求
4.1.3用户群体分析
4.1.4课程推荐需求
4.1.5后台管理需求
4.2.1系统架构设计
4.2.2系统模块结构设计
4.2.3课程推荐设计
4.3.1数据库概念设计
4.3.2数据库逻辑设计
4.4本章小结
第5章 在线学习资源推荐系统的实现
5.1.1系统开发环境
5.1.2 Django框架
5.1.3系统开发前准备
5.1.4 Django app分层设计
5.1.5 项目部署
5.2用户管理模块的实现
5.2.1用户注册登录模块
5.2.2个人中心模块
5.3基础数据模块的实现
5.3.1课程资源模块
5.3.2授课机构模块
5.3.3授课讲师模块
5.4.1课程推荐模块基础功能
5.4.2不同的课程资源推荐方式
5.5后台管理模块的实现
1. Xadmin后台管理配置
2. 基本功能设置和日志管理
3. 权限分配
5.6本章小结
结论和展望
结论
进一步工作
致谢
参考文献
攻读硕士学位期间发表的论文及科研成果
西南交通大学;