导语

  

内容提要

  

    本书为国家社会科学基金项目成果。针对个性化学习资源推荐面临的主要问题，围绕数据挖掘优化方法、学习者建模、个性化学习资源推荐等方面的内容展开研究。本书采用定性与定量研究、理论与实证研究相结合的研究方式，融合多个学科的技术成果，在研究方法和手段上有所创新。本书既包括翔实的理论阐述。又有系列的公式演示，严谨可信，具有一定的理论研究价值，并且提出的一些新型模型和理论框架具有较高的应用价值。
    本书适合于作为从事数据挖掘、教育信息技术等领域的专家、学者以及研究生的参考用书。

    刘忠宝，1981年生，博士，教授，博士生导师。研究方向包括数据挖掘、人工智能、知识发现等。近年来，主持3项国家级项目和10余项省部级科研项目。发表学术论文80余篇，出版学术著作3部，主编教材1部。获得省级科研奖励3项，授权国家发明专利10项。先后入选山西省高等学校优秀青年学术带头人、山西省“三晋英才”青年优秀人才、福建省“闽江学者”。

前言
第1章  绪论
  1.1  数据挖掘基本理论
  1.2  数据挖掘研究进展
  1.3  推荐系统基本理论
  1.4  研究思路
第2章  特征提取方法
  2.1  背景知识
  2.2  流形判别分析
  2.3  融合数据分布特征的多视角分析方法
  2.4  基于图的人脸特征提取方法
  2.5  基于Fisher准则的半监督特征提取方法
  2.6  融合全局和局部特征的特征提取方法
第3章  智能分类方法
  3.1  背景知识
  3.2  融合数据分布特征的保序分类方法
  3.3  模糊双超球分类方法
  3.4  基于边界的最大间隔模糊分类器
  3.5  具有N-S磁极效应的最大间隔模糊分类方法
  3.6  面向大规模数据的非线性集成分类方法
第4章  学习者兴趣建模方法
  4.1  学习者模型与学习者建模
  4.2  学习者兴趣建模研究进展
  4.3  学习者建模面临的挑战
  4.4  基于本体的学习者建模
  4.5  基于主题模型的学习者建模
  4.6  基于社交网络的学习者建模
第5章  学习资源推荐方法
  5.1  学习资源推荐方法研究进展
  5.2  基于兴趣图谱的学习资源推荐方法
  5.3  基于二部图的学习资源混合推荐方法
  5.4  基于本体的学习资源推荐方法
第6章  大数据环境下的学习资源推荐方法
  6.1  大数据与推荐系统
  6.2  大数据环境下推荐系统的研究进展
  6.3  大数据环境下推荐系统的典型应用
  6.4  大数据环境下的学习资源推荐系统
  6.5  挑战与展望
参考文献