1.高校大數(shù)據(jù)概況 1.1 高校大數(shù)據(jù)發(fā)展 1.2 高校大數(shù)據(jù)基本問題 1.3 高校大數(shù)據(jù)應(yīng)用 1.4 高校大數(shù)據(jù)治理與監(jiān)測 1.5 高校大數(shù)據(jù)服務(wù)內(nèi)容與研究框架 2.高校大數(shù)據(jù)技術(shù)進展 2.1 高校大數(shù)據(jù)產(chǎn)業(yè)發(fā)展政策 2.2 高校大數(shù)據(jù)多源異構(gòu)數(shù)據(jù)融合 2.3 高校大數(shù)據(jù)挖掘、稀疏與畫像技術(shù)進展 2.4 高校大數(shù)據(jù)整合與抽取推薦技術(shù)進展 3.高校數(shù)據(jù)精簡整合系統(tǒng)范式管理 3.1 高校數(shù)據(jù)精簡范式的建立 3.2 不含有主鍵的數(shù)據(jù)庫記錄精簡范式 3.3 含有主鍵的數(shù)據(jù)庫記錄精簡范式 3.4 存儲子系統(tǒng)的冗余數(shù)據(jù)精簡 3.5 實驗與結(jié)果分析 4.高校碎片化信息整合構(gòu)建 4.1 高校碎片化信息整合概述 4.2 基于隨機森林的整合特征選擇模型 4.3 實驗與結(jié)果分析 5.高校課程評價對象與評價詞抽取 5.1 評價對象和評價詞基本概況 5.2 MOOC課程評論采集及預(yù)處理 5.3 MOOC課程評論的評價對象與評價詞抽取模型 5.4 實驗與結(jié)果分析 6.高校大數(shù)據(jù)的資源推薦方法 6.1 高校在線學(xué)習(xí)資源推薦概況 6.2 基于深度距離分解的在線學(xué)習(xí)資源推薦方法 6.3 融合評論情感分值的評分改進策略 6.4 實驗與結(jié)果分析 7.高校大數(shù)據(jù)的圖卷積神經(jīng)網(wǎng)絡(luò)慕課推薦方法 7.1 基于圖卷積神經(jīng)網(wǎng)絡(luò)的慕課推薦 7.2 考慮用戶畫像的圖卷積神經(jīng)網(wǎng)絡(luò)慕課推薦 7.3 實驗與結(jié)果分析 8.高校大數(shù)據(jù)的慕課群組推薦方法 8.1 基于BERT-wwm-ext的課程評論情感分析 8.2 基于NeuMF的慕課群組推薦 8.3 實驗與結(jié)果分析 9.高校大數(shù)據(jù)整合與抽取推薦總結(jié)與展望 9.1 高校大數(shù)據(jù)整合與抽取推薦總結(jié) 9.2 高校大數(shù)據(jù)整合與抽取推薦展望 主要參考文獻