對話流所隱含的信息包括了學(xué)習者對所學(xué)課程內(nèi)容的掌握程度和關(guān)注點,分析這些對話流對預(yù)測學(xué)習者的成績,以支持教師提前對潛在成績不良的學(xué)生進行及時干預(yù)有著重要意義.提出了一種基于對話流的學(xué)習者成績等級預(yù)測算法ARPDF(Achievement Rank Prediction based on Dialogue Flow),首先采集對話流,通過對話流劃分、對話狀態(tài)矩陣生成實現(xiàn)了對該對話流的分析以獲取到學(xué)習小組的對話狀態(tài)矩陣;在此基礎(chǔ)上,通過基于LSTM的預(yù)測模型獲得學(xué)習小組學(xué)習者的成績等級.在本文所提方法的基礎(chǔ)上進行了實驗,其結(jié)果表明了該算法是有效的.

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 研究基礎(chǔ)
    2.1 LDA模型
    2.2 LSTM模型
3 問題定義與求解框架
    3.1 問題定義
    3.2 問題求解框架
4 基于ARPDF的預(yù)測方法
    4.1 對話流的預(yù)處理方法
    4.2 對話流劃分算法
    4.3 對話狀態(tài)矩陣生成算法
    4.4 成績等級預(yù)測模型生成算法
5 實證研究
    5.1 數(shù)據(jù)集
    5.2 評測指標
    5.3 參數(shù)選取的啟發(fā)式準則
    5.4 對話流劃分
    5.5 對話狀態(tài)矩陣生成
    5.6 預(yù)測結(jié)果分析
    5.7 與相關(guān)方法比較
6 結(jié)語



本文編號：3872379