數(shù)據(jù)挖掘及其在學習資源推薦中的應用研究

目錄
前言
第1章緒論1
1.1數(shù)據(jù)挖掘基本理論1
1.2數(shù)據(jù)挖掘研究進展8
1.3推薦系統(tǒng)基本理論14
1.4研究思路20
第2章特征提取方法22
2.1背景知識22
2.2流形判別分析24
2.3融合數(shù)據(jù)分布特征的多視角分析方法31
2.4基于圖的人臉特征提取方法36
2.5基于Fisher準則的半監(jiān)督特征提取方法41
2.6融合全局和局部特征的特征提取方法46
第3章智能分類方法52
3.1背景知識52
3.2融合數(shù)據(jù)分布特征的保序分類方法56
3.3模糊雙超球分類方法64
3.4基于邊界的*大間隔模糊分類器69
3.5具有N-S磁極效應的*大間隔模糊分類方法77
3.6面向大規(guī)模數(shù)據(jù)的非線性集成分類方法86
第4章學習者興趣建模方法92
4.1學習者模型與學習者建模93
4.2學習者興趣建模研究進展94
4.3學習者建模面臨的挑戰(zhàn)99
4.4基于本體的學習者建模103
4.5基于主題模型的學習者建模108
4.6基于社交網(wǎng)絡的學習者建模112
第5章學習資源推薦方法116
5.1學習資源推薦方法研究進展116
5.2基于興趣圖譜的學習資源推薦方法125
5.3基于二部圖的學習資源混合推薦方法132
5.4基于本體的學習資源推薦方法139
第6章大數(shù)據(jù)環(huán)境下的學習資源推薦方法149
6.1大數(shù)據(jù)與推薦系統(tǒng)149
6.2大數(shù)據(jù)環(huán)境下推薦系統(tǒng)的研究進展157
6.3大數(shù)據(jù)環(huán)境下推薦系統(tǒng)的典型應用166
6.4大數(shù)據(jù)環(huán)境下的學習資源推薦系統(tǒng)170
6.5挑戰(zhàn)與展望173
參考文獻174