面向e-Learning的學習者情感建模及應用研究.pdf

1、近年來，隨著多媒體技術和網(wǎng)絡技術的發(fā)展，e-Learning已成為人們學習的另一種主要方式。e-Learning打破了傳統(tǒng)教學在時間和空間上的限制，給學習者提供了一個寬松、自由、開放的學習環(huán)境。然而，在e-Learning中，學習者以自主學習為主，長時間處于孤立的學習狀態(tài)而缺乏情感支持，這已經(jīng)成為制約e-Learning學習效果的一個關鍵因素。
　　構建一個具有情感能力的智能學習系統(tǒng)，在學習過程中為學習者提供一定的情感幫助和支持服

2、務，是解決e-Learning中情感缺失的一種有效方法。學習者模型是學習者的個體特征在計算機系統(tǒng)中的一種抽象表示，代表了智能學習系統(tǒng)所理解和認識的學習者。因此，學習者情感建模是實現(xiàn)智能學習系統(tǒng)具有情感能力的關鍵，具有重要的研究意義。
　　微博是當前最流行的一種社交網(wǎng)絡平臺，具有簡單性、便利性和實時性，受到了青少年學生的廣泛青睞。它不僅為學習者提供了一種簡單、即時的溝通方式，而且為他們提供了一個自由抒發(fā)個人情感的空間，為實現(xiàn)學習者情

3、感建模提供了一條新途徑。但是，微博信息噪音較多、內(nèi)容簡短、語法松散，這也給學習者微博的情感分析帶來了很多挑戰(zhàn)。
　　本文圍繞著學習者情感模型的構建，重點研究了基于微博分析的學習者情感建模技術，具體研究內(nèi)容包括五個方面:(1)融合情感特征的學習者模型;(2)學習者情感型微博的識別;(3)學習者微博的情感語義描述;(4)學習者微博的情感類別判定;(5)學習者情感建模的實現(xiàn)及其在適應性學習系統(tǒng)的應用。在以上研究的基礎上，本文取得的研究成

4、果主要體現(xiàn)在以下幾個方面:
　　(1)針對現(xiàn)有的學習者模型在特征選擇上沒有考慮學習者的情感，論文提出了一個融合情感特征的學習者模型，并給出了一個基于微博分析的學習者情感建?？蚣?。該學習者模型包括了學習者五個方面的個體特征，并詳細給出了每個特征的形式化描述方法;對于情感狀態(tài)的形式化描述，基于心理學中的分類表示模型和空間表示模型，提出了一種以基本情感為維度的空間表示方法;通過分析微博在學習者情感建模中的可行性和優(yōu)越性，提出了一個以微博

5、情感分類為基本思路的學習者情感建?？蚣?。
　　(2)針對學習者微博中包含較多沒有表達情感的噪音數(shù)據(jù)，且難以形成具有代表性的樣本數(shù)據(jù)集，論文提出了一種基于單類分類的情感型微博識別方法，以解決一般的二元分類算法無法有效識別出情感型微博的問題。首先，通過對大量的實例進行分析與總結，提煉出了五條非情感型微博過濾規(guī)則，以過濾掉那些易于識別的非情感型微博，縮小情感型微博識別的范圍;然后，在現(xiàn)有研究的基礎上，定義了26個區(qū)分情感型微博和非情感型

6、微博的分類特征，并使用單類學習算法來進一步識別出情感型微博，提高了情感型微博識別的準確性。
　　(3)針對學習者微博的內(nèi)容簡短，使用以關鍵詞作為特征的向量空間模型來描述微博的情感語義會導致嚴重的數(shù)據(jù)稀疏問題，論文提出了一種基于情感特征詞聚類的微博情感語義描述方法，從特征約簡和權重計算兩個方面來緩解數(shù)據(jù)稀疏問題。首先，通過停用詞過濾、低頻詞過濾和基于信息增益的過濾三種策略，從微博情感分類語料庫中選擇出情感特征詞;然后，基于詞語的上下

7、文計算詞語間的語義相似度，采用層次聚類算法將語義相似的情感特征詞聚為一簇，使用詞簇作為微博情感語義描述的特征;最后，提出了一種詞簇特征的權重計算方法，以組成詞語的權重之和為基礎，并考慮詞語的詞簇代表能力和詞簇的類別區(qū)分能力。
　　(4)針對學習者微博中情感表達具有模糊性，一種分類算法往往不能有效區(qū)分所有的情感類別，論文提出了一種基于元學習的微博情感類別判定算法，以充分利用分類算法之間的互補性，從整體上提高學習者微博情感分類的準確性