论文Web数据挖掘在智能网络课程系统和应用是关于数据挖掘方面的的相关大学硕士和相关本科毕业论文以及相关数据挖掘论文开题报告范文和职称论文写作参考文献资料下载。
摘 要：提出一个智能网络课程系统模型,采用B/S结构,系统的智能核心是智能预测推荐系统.该模型采用了离线部分挖掘与在线部分挖掘相分离思路,重点论述了基于Web挖掘的智能网络课程系统模型的体系结构,并对算法进行了验证分析.
关键词：Web挖掘；Web日志；关联规则；数据预处理
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）30-0027-02
Research and Application of Web Data Mining on Intelligent Network Course System
ZONG Xiao-zhong
（Shazhou Polytechnical Institute of Technology, Zhangjiagang 215600, China）
Abstract：Based on web mining theory and technology,introduced the process of the web mining.the article proposed a module of intelligent network course system, adopts B/S model, mainly includes two problems：the first, is intelligent forecast of students visited the curriculum resources； secondly, is dig out the hot course； Finally in the form of visualization relayed to the students. System of intelligent core is intelligent forecast recommend system. This model used offline part of mining and the on-line partial mining phase separation mentality, discusses the intelligent network Based on Web mining system structure of curriculum system model, and verified algorithm by analysis.
Key words： web mining；web usage；association rule；data preprocessing
1 概述
随着信息技术的日益发展,信息逐步数字化,人们正面临“数据丰富而知识贫乏”的问题.八十年代末兴起的数据挖掘（ data mining ）技术为解决此问题提供了方法.数据挖掘是在大量的看似无序的数据中发现潜在的、有价值的模式和数据间关系（知识）的过程.随着Internet和计算机技术的快速发展,基于Web的网络教育已经成为现代教育的一种重要方式.利用网络,可以进行在线学习、辅导、答疑、交流等,为师生提供丰富的教学资源,创造了一个无障碍交流互动平台.
数据挖掘是从大量数据中提取或“挖掘”知识[1].从Web文档和访问数据中发现并抽取信息,可以从海量的Web访问数据中发现学生的学习兴趣、方向、访问习惯等,并可以给同学推荐合适的课程内容和学习资料.数据挖掘为网络课程系统的智能化、个性化提供了重要的手段.挖掘用户访问行为的潜在模式,预测用户可能访问的结果,智能地选择、推荐与用户兴趣接近的网络信息.
2 Web挖掘
2.1 基本概念
Web挖掘的概念：Web挖掘是在大量的文档收集C中识别潜在的模式p的一种活动,其中C和p的关系可以用映射：[ξ：C→p表示][3].
Web信息的具体结构如图1所示：
2.2 Web数据挖掘的过程
与传统数据库和数据仓库相比,Web上的信息是非结构化或半结构化的、动态的、并且是容易造成混淆的,所有很难直接对Web网页上的数据进行挖掘,而必须经过必要的数据处理.典型Web挖掘的处理流程如图2所示[4].
3 基于Web挖掘的智能课程系统模型设计
3.1 体系结构功能
智能课程系统主要想实现两个方面的问题：一是对学生访问课程资源的智能预测；二是挖掘出热点课程；最后以可视化的形式传递给学生.本系统采用B/S模型,系统的智能核心是智能预测推荐系统.其模型结构如图3所示：
本智能课程系统课程类型主要有两类：视频和HTML格式.课程大约有3000门.在校学生人数大約为8000千人.
在图3中,数据挖掘的主要数据来源有课程基本信息、学生的基本信息和学生访问记录等.通过图3可以看出,离线模块进行特征抽取和规则生成,预测推荐系统在线把推荐结果反馈给学生,达到个性化教学的目的.采用挖掘技术,可以提高系统的智能化,使系统具有自主性、自适应性和合作性等特点[4].
3.2 实现思路
1） 先测算某人访问某一个课程的访问率
如果以[fi]表示第[i]访问该课程的访问度,即：第一次访问[f1等于1],第二次访问[f2等于2]等,以[xi]表示第[i]次访问这个课程时间长度,则可以通过加权平均法计算一个课程的访问率,即：
[x等于f1x1+f2x2+等+fkxkf1+f2+等+fk等于i等于1kfixii等于1kfi等于fxf]
2） 在本月若有N个人访问过该课程,按照上述公式,则可以分别计算出这N个人对该课程的访问率,然后计算出这个课程的平均访问率,即：
总结:本文是一篇关于数据挖掘论文范文，可作为相关选题参考,和写作参考文献。
参考文献：
1、 基于概念聚类的Web数据挖掘搜索引擎的设计和实现 摘 要：针对Web数据挖掘的搜索过程，其准确度很大程度取决于用户输入的关键词的数量，以及搜索引擎对关键词的语义的解析与用户原意的吻合度，而搜索引。
2、 网络信息安全防范和Web数据挖掘系统的设计和实现 摘 要： 傳统的信息挖掘方法挖掘面窄，扩展性差，无法有效挖掘出网络中的不安全信息。因此，设计并实现了网络信息安全防范与Web数据挖掘系统，其由W。
3、 基于数据挖掘的网络教育学习成绩细分预测和实现 [摘要]当前，各类网络教育管理和学习系统日渐完善，网络学习形成性评价系统正在促使网上学习行为的真实发生。学生通过网上学习，在各类管理和学习系统。
4、 数据挖掘技术在高职专业基础课程改革中应用 【摘 要】本文对高职专业基础课程的改革进行了论述，针对目前专业基础课程实施中的困难，将数据挖掘技术引入课程的教育教学改革中，分析专业基础课程与专。
5、 高速公路收费系统中数据挖掘应用 [摘要]运输业随着社会经济的进步不断的提速，2014年底贵州高速公路总里程达到4000km，2015年建设里程突破5000km，路网有序而繁杂，。
6、 数据挖掘技术在电网资产管理系统中应用 [摘 要] 电网资产管理贯穿了供电企业的诸多生产业务范围，其覆盖范围广、体系种类庞杂、数量庞大等特点。在电网资产信息化管理建设进程中，针对电网“。