基于Web挖掘的个性化学习系统

论文摘要

随着Internet的深入发展和不断的普及,Web已经成为人们获取信息,进行学习的最重要的手段之一。但是目前Web系统为所有用户提供相同的服务,其典型的服务方式是通过建立一个Web站点来向所有用户发布相同的信息,Web站点是被动的,然而Web用户的需求却千差万别,用户希望Web系统能够根据他们特性的不同提供个性化的服务,并且WWW上信息的不断增加也使得信息服务的个性化成为必要。一个学校的学生千差万别,普通的学习系统已经不能适应他们的学习,不能体现他们的个性化,因此,根据他们的不同特性开发个性化的学习系统已变得相当重要。本文首先介绍论文研究的目的及意义、研究现状、主要的内容及论文的组织结构;其次介绍本论文中所需要的相关知识,特别是数据挖掘的方法和Web挖掘的分类等相关知识;然后针对本单位的学生,进行数据源的收集,并对于这些学生的数据进行预处理,给出了相应的算法;利用建造网站的形式来设计个性化的学习系统,对经典的Apriori算法进行改进,用于发现个性化学习系统中上网学生的频繁访问路径,基于关联规则的个性化页面推荐,利用模糊聚类方法对个性相似的学生进行模糊聚类;利用页面的形式给出应用实例;最后对所做的工作进行总结。

论文目录

• 中文摘要
• 英文摘要
• 第1章 前言
• 1.1 论文研究的目的及意义
• 1.2 国内外研究现状
• 1.3 论文研究的内容
• 1.4 论文的组织
• 第2章 理论基础
• 2.1 数据挖掘
• 2.1.1 数据挖掘
• 2.1.2 数据挖掘的过程
• 2.1.3 数据挖掘的方法
• 2.2 Web 挖掘
• 2.2.1 Web 挖掘的基本概念
• 2.2.2 Web 挖掘的分类
• 2.2.3 Web 挖掘的数据源
• 2.2.4 Web 个性化服务的意义
• 第3章 个性化学习系统相关数据的收集和预处理
• 3.1 个性化学习系统相关数据的收集
• 3.2 数据预处理
• 3.2.1 数据清洗
• 3.2.2 用户识别
• 3.2.3 会话识别
• 3.2.4 路径修补
• 3.2.5 事务识别
• 3.3 针对学习评价的多维数据模型
• 3.3.1 事实表
• 3.3.2 综合评价维表
• 3.3.3 知识维表
• 3.3.4 时间维表
• 3.3.5 学生维表
• 第4章 个性化学习系统的设计与实现
• 4.1 设计思想
• 4.2 个性化学习系统的主要功能
• 4.3 个性化学习系统的结构组成
• 4.4 教学策略设计
• 4.5 基于关联规则的个性化推荐
• 4.5.1 学生的访问路径
• 4.5.2 最大向前引用事务
• 4.5.3 学生频繁访问路径的发现
• 4.5.4 算法示例
• 4.6 对个性相似的学生进行模糊聚类
• 第5章 滨州职业学院个性化教学网站实例
• 5.1 用户注册模块
• 5.2 个性化定制模块
• 5.3 个性化编辑模块
• 5.4 个性化推荐模块
• 第6章 总结
• 参考文献
• 致谢
• 个人简历、在学期间的研究成果