基于微信的网课平台的研究与应用

发布时间：2021-07-08 23:40

　　随着互联网的快速发展,互联网技术与教育教学的融合逐渐成为一种新的教育手段,这种在线学习的教育方式充分发挥了互联网的优势,使教育不再受制于时间、地点、身份的限制,与传统教育实现了良好的互补。为此,本文设计并实现了一款基于微信的在线教育网课平台。论文主要从以下三个方面展开工作。首先,深度调研在线教育领域。针对在线教育当前的国内外发展情况做了详细的调查研究,阅读了大量的相关文献,了解在线教育的发展背景和趋势,并通过网络等多种在线手段对现有的在线教育平台做了详细的分析、探究和比较;其次,分析平台需求与功能。根据市场调研结果分析网课平台的市场发展情况,并在此基础上进行产品的需求分析,从业务角度和功能角度对平台进行应用层设计,提出“学习-创作”循环生态。主要功能包括:用户登录与注册、课程学习、社区作品分享、后台管理等;最后,技术设计与实现。根据功能需求对平台进行总体技术框架设计,利用成熟的互联网服务搭建轻量级的微企业平台架构;使用Java语言、Spring等平台开源框架开发基于微信的网课平台服务器。经过详细的研究与设计,本课题得到了以下成果。第一,完成了产品需求分析和原型设计,通过Axure完成原... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图２－１?Ｂ／Ｓ结构层次结构图??Ｂ／Ｓ点：??

图３－１概率矩阵分解模型概念图??预测矩阵的差值（即观测噪声）服从高斯分布，均征矩阵Ｖ均服从均值为０、方差为〇的高斯分布，艮ＰＲｉｒＮ｛ＵｊＶｊ，ｏ２）ｔ／广綠命）Ｖ广｝设，根据贝叶斯公式，我们可以得到：??ｍｖ｜Ｒ）?＝?ｐｍｐ＾ｍ解的Ｕ、７矩阵与并无实质性关系，因此为了更关系：??Ｐ（Ｕ，Ｖ｜Ｒ）？得损失函数：??ｏｇＰ（Ｕ，Ｖ｜Ｒ）?＝?ｌｏｇＰ（Ｕ）?＋?ｌｏｇＰ（Ｖ）?＋?ｌｏｇＰ（ＲｌＵ，Ｖ）?＋

?ａ??图３－１概率矩阵分解模型概念图??假设结果矩阵和预测矩阵的差值（即观测噪声）服从高斯分布，均值为用户??特征矩阵Ｕ、物品特征矩阵Ｖ均服从均值为０、方差为〇的高斯分布，艮Ｐ：??ＲｉｒＮ｛ＵｊＶｊ，ｏ２）?（３－３）??ｔ／广綠命）?（３－４）??Ｖ广｝（３－５）??基于以上分布假设，根据贝叶斯公式，我们可以得到：??ｍｖ｜Ｒ）?＝?ｐｍｐ＾ｍ?（３－６）??由于模型最终求解的Ｕ、７矩阵与并无实质性关系，因此为了更清楚表示，可以??将其忽略得后验概率关系：??Ｐ（Ｕ，Ｖ｜Ｒ）？（３－７）??对上式取对数求得损失函数：??ｌｏｇＰ（Ｕ，Ｖ｜Ｒ）?＝?ｌｏｇＰ（Ｕ）?＋?ｌｏｇＰ（Ｖ）?＋?ｌｏｇＰ（ＲｌＵ，Ｖ）?＋?Ｃ?（３－８）??对于损失函数


本文编号：3272563