web网络学习系统设计

自学考试

毕业论文（设计）

题目（中文）：基于Web挖掘的个性化网络学习系统设计（外文）：Design and Realization of Personalized Learning System Based on WEB Mining 院（系）：

专业：

学生姓名：

准考证号：

指导教师：

2015年 5 月 9 日

毕业论文诚信声明

本人郑重声明：

所呈交的毕业论文《》是本人在指导老师的指导下，独立研究、写作的成果。论文中所引用是他人的无论以何种方式的文字、研究成果，均在论文中以明确方式表明。

本声明的法律结果由本人独自承担。

毕业论文作者签名：

年月日

目录

1．引言 (4)

1.1 研究背景及意义 (4)

1.2国内外研究现状 (2)

1.3主要研究内容 (3)

1.4论文结构 (3)

2.基于Web挖掘的个性化网络学习系统及相关技术 (4)

2.1体系结构 (4)

2.2 Web个性化技术 (5)

2.2.1 Web挖掘的定义 (5)

2.2.2 Web挖掘的分类 (5)

2.3 Web挖掘中常用的技术 (6)

2.3.1 Web内容挖掘中常用的技术 (6)

2.3.2 Web结构挖掘中常用的技术 (6)

2.3.3 Web使用挖掘中常用的技术 (7)

2.4 个性化 (8)

2.4.1 改进系统性能和结构 (8)

2.4.2 页面推荐 (8)

2.4.3 个性化学习系统 (8)

2.4.4个性化服务系统的关键技术 (9)

2.5 基于Web挖掘的个性化学习系统模型构架 (9)

3. Web挖掘的预处理 (9)

3.1 Web挖掘的基本流程 (9)

3.1.1数据采集 (10)

3.1.2数据预处理 (10)

3.1.3 模式识别 (11)

3.1.4 模式分析 (11)

4.个性化网络学习系统的设计与实现 (11)

4.1传统的网络学习系统 (11)

4.2 基于Web挖掘的个性化网络学习系统模型设计 (11)

4.2.1系统的运行环境和主要开发环境 (11)

4.2.2构建个性化的网络学习模型 (11)

4.2.3网络学习个性化推荐原型系统框架 (12)

4.2.4网络学习个性化推荐原型系统结构分析 (12)

5.总结 (12)

参考文献 (13)

基于Web挖掘的个性化网络学习系统设计

摘要：文章分析网上每个学习者的个性化需求，提出基于Web挖掘技术的个性化系统框架。对Web使用挖掘关键算法进行了研究，设计了一种基于Web挖掘的个性化网络学习系统，该系统给出了Web内容挖掘、Web使用挖掘和Web结构挖掘的结果并结合其推荐结果为学习者提供了个性化的服务，并给出了推荐算法。

关键词：Web挖掘；个性化；学习；系统模型

1．引言

1.1 研究背景及意义

目前我国采用的是传统的教育制度，教育模式主要是老师讲，学生听。为了应试，学校在授课过程中过分强调以知识的传授为中心，只重视教师在课堂中的作用，遏制了学生的创造性，忽视了学生学习的主动性和学习潜力的开发。学生往往都是为考试听课，为考试学习，毕业后仍然茫然，例如计算机专业的学生所学知识已经或正在被淘汰，即使没有被淘汰，因为实践能力太弱所学知识不能很好的应用于工作中。因此现代大学生需要一个开阔视野的平台，如可以进行专业学习的网站的出现(这就是下面为大家讲解基于Web挖掘的个性化学习网络)。

作为计算机专业的学生因为计算机时代的来临，其发展需求使计算机专业学生对就业很自信，但计算机技术发展速度飞快，专业迫使计算机专业学生必须走在时代前端，但所学知识越多到最后被淘汰的就越多，在这样的教育体制下，学生不得不自己寻找新的学习模式，例如看计算机专业的新书或刊物，但昂贵的费用不是一个普通大学生所能承担的。因此学生的学习因经济能力而闭塞，使学生十分焦急，求知心不能得到满足更何况实践能力的培养。所以大学生需要借助网络，通过网上的各渠道来扩展知识面，学习新知识，知道最新的科技动向。

1.2国内外研究现状

目前Web挖掘技术的应用侧重于商业领域的大数据量应用，在教学领域应用的起步相对较晚，并且数据挖掘技术在教学领域的应用与在商业领域中的应用既有相同点也有不同点。国际学术研究领域中，如何充分有效地队Web数据进行存储和

查询，分析提取用户特性并向用户提供个性化学习的网络学习平台已经成为Web 技术的一个研究热点，并且已有一些研究着获得了研究性和实践性的成果。1.3主要研究内容

Web挖掘的处理模型主要是由数据采集、数据预处理、模式识别(数据挖掘算法实施)、模式分析四部分组成

在本文的研究中，以目前国内外的Web挖掘已有的学术以及应用成果为基础，以Web挖掘技术为出发点，结合世家的应用对Web挖掘的数据预处理和模式识别进行研究分析，设计了一个基于Web挖掘的个性化学习系统。论文主要展开了以下几个方面的研究工作：

(1)研究Web特征提取中所有涉及的数据特征，对数据来源、数据类型进行分析，对Web日志进行数据预处理。

(2)分析现有的用户访问兴趣的度量方法，基于注册信息建立初始的拥有—资源兴趣评分矩阵，根据用户对页面的访问时间进行用户兴趣度得度量，以此为基础实时更行用户—资源评分矩阵，全局和近期局部相结合，体现用户—资源兴趣度。

(3)基于Web站点的拓扑结构，分析教学资源的组织结构，并通过和测试工具分析用户的学习情况，以这些作为数据源，进行基于内容的过滤处理，产生基于内容的信息推荐集。

(4)针对现有的协同过滤算法的可扩展性问题，系统采用了离线与在线两部分处理方式，首先在离线状态下，基于用户——资源评分矩阵采用K-means算法对用户进行聚类，有效缩小协同过滤同过滤的相关性计算空间，以聚类结果为基础，在线时对目标用火在同一簇内进行基于用户的协同过滤处理，产生目标用户的最近邻居序列，通过最近邻居对资源的评分来预测目标用户对目标资源的预评分，以此为依据形成基于用户端额协同过滤信息推荐集合。

1.4论文结构

本文共分为六段。

第一段引言，对论文的研究背景、意义、现状、挑战以及研究的内容和目的进行阐述。

第二段基于Web挖掘的个性化网络学习系统及相关技术介绍。首先给出了