声明
致谢
摘要
1 引言
1.1 研究背景及选题意义
1.2 国内外研究现状
1.2.1 泛在学习研究现状
1.2.2 学习资源研究现状
1.2.3 推荐系统研究现状
1.2.4 研究现状小结
1.3 论文主要内容
1.4 论文内容组织结构
2 相关理论研究
2.1 泛在学习介绍
2.1.1 泛在学习的概念
2.1.2 泛在学习的理论基础
2.1.3 泛在学习的特点
2.2 泛在学习资源新型组织形式——学习元
2.2.1 “学习元”的概念及特性
2.2.2 “学习元”的构成要素
2.2.3 “学习元”的资源信息模型
2.3 个性化推荐
2.3.1 个性化推荐系统简介
2.3.2 基于关联规则的推荐
2.3.3 基于聚类的推荐
2.3.4 基于内容的推荐
2.3.5 基于协同过滤的推荐
2.3.6 推荐技术小结
3 泛在学习环境下学习资源模型设计
3.1 泛在学习环境下学习资源建设现状分析
3.1.1 开放的学习资源平台与学习资源管理水平低下的矛盾
3.1.2 海量的学习资源与学习者很难获得需要的学习资源的矛盾
3.1.3 丰富的学习内容与学习者学习效率低的矛盾
3.1.4 学习资源众多与资源无法关联的矛盾
3.2 泛在学习资源模型设计
3.2.1 学习资源信息模块
3.2.2 学习资源进化模块
3.2.3 学习活动模块
3.2.4 泛在学习资源模型小结
4 泛在学习环境下学习资源个性化推荐研究
4.1 学习资源个性化推荐现状分析
4.2 协同过滤推荐算法
4.2.1 基于用户的(User-based)协同过滤推荐算法
4.2.2 基于项目的(Item-based)协同过滤推荐算法
4.2.3 UserCF与ItemCF算法比较及问题分析
4.2.4 优化的协同过滤推荐算法
4.3 学习者兴趣建模
4.3.1 学习者兴趣建模的相关理论及方法
4.3.2 学习者兴趣模型的建立
4.4 向学习者推荐泛在学习资源
4.4.1 相似度计算
4.4.2 产生推荐
5 泛在学习资源推荐系统的具体设计
5.1 需求分析
5.1.1 系统功能性需求
5.1.2 系统非功能性需求
5.1.3 系统的体系结构
5.1.4 系统的使用流程
5.2 数据库的设计
5.3 系统的主要功能详细设计
5.3.1 系统界面的设计
5.3.2 推荐部分的设计
5.4 测试与结果
5.4.1 测试数据集及测试环境
5.4.2 测试评价指标
5.4.3 测试结果分析
6 总结与展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集