在線學(xué)習(xí)社區(qū)中的學(xué)習(xí)分析研究對(duì)于了解學(xué)習(xí)者的學(xué)習(xí)情況,輔助教師進(jìn)行教學(xué)決策有著重要的意義。該領(lǐng)域研究早期主要基于統(tǒng)計(jì)和行為數(shù)據(jù)進(jìn)行學(xué)習(xí)行為分析,近年來(lái)研究者越來(lái)越關(guān)注到短文本等非結(jié)構(gòu)化數(shù)據(jù)對(duì)學(xué)習(xí)過(guò)程的影響。隨著在線學(xué)習(xí)社區(qū)中短文本數(shù)據(jù)的不斷積累,如何有效地利用這些短文本數(shù)據(jù)中的隱含信息,已成為增強(qiáng)學(xué)習(xí)分析效果的關(guān)鍵問(wèn)題�；诙涛谋镜膶W(xué)習(xí)分析研究受到文本本身的質(zhì)量、語(yǔ)義理解的準(zhǔn)確性和行為分析的方法等多個(gè)因素的影響,還值得進(jìn)一步研究。因此,本文利用深度學(xué)習(xí)和自然語(yǔ)言處理技術(shù),提出了短文本增強(qiáng)在線學(xué)習(xí)社區(qū)學(xué)習(xí)分析研究方法。在此方法中,本文基于大型預(yù)訓(xùn)練語(yǔ)言模型設(shè)計(jì)了基于層次化修正框架的文本糾錯(cuò)模型,以提高學(xué)習(xí)社區(qū)中文本數(shù)據(jù)的質(zhì)量;同時(shí),本文提出了短文本增強(qiáng)的學(xué)習(xí)行為分析框架。在此框架中,首先利用改進(jìn)的文本特征提取器以提取文本隱含信息;其次,通過(guò)深度學(xué)習(xí)融合多種信息構(gòu)建了端到端的學(xué)習(xí)行為分析模型,進(jìn)行短文本增強(qiáng)的學(xué)習(xí)分析�；诖�,本文的主要工作如下:1)為了修復(fù)原始文本中的錯(cuò)誤,得到更高質(zhì)量的文本數(shù)據(jù),本文結(jié)合大型預(yù)訓(xùn)練模型設(shè)計(jì)了基于層次化修正框架的文本糾錯(cuò)模型。首先,該模型基于BERT對(duì)源文... 

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 文本糾錯(cuò)研究現(xiàn)狀
        1.2.2 學(xué)習(xí)分析研究現(xiàn)狀
    1.3 研究?jī)?nèi)容及章節(jié)安排
        1.3.1 研究?jī)?nèi)容
        1.3.2 章節(jié)安排
第二章 研究基礎(chǔ)
    2.1 語(yǔ)義建模
        2.1.1 詞嵌入模型
        2.1.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.1.3 注意力機(jī)制
    2.2 預(yù)訓(xùn)練模型
        2.2.1 Transformer
        2.2.2 Bert
        2.2.3 XLNET
第三章 問(wèn)題定義與解決框架
    3.1 數(shù)據(jù)收集與存儲(chǔ)
    3.2 數(shù)據(jù)預(yù)處理
    3.3 學(xué)習(xí)行為分析與結(jié)果呈現(xiàn)
    3.4 總結(jié)
第四章 基于層次化修正框架的文本糾錯(cuò)模型
    4.1 問(wèn)題定義
    4.2 模型結(jié)構(gòu)
        4.2.1 多語(yǔ)義建模
        4.2.2 文本錯(cuò)誤檢測(cè)
        4.2.3 文本錯(cuò)誤修正
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)和測(cè)評(píng)指標(biāo)
        4.3.2 預(yù)處理
        4.3.3 實(shí)驗(yàn)設(shè)置及超參選擇實(shí)驗(yàn)
        4.3.4 對(duì)比實(shí)驗(yàn)結(jié)果
    4.4 本章小結(jié)
第五章 短文本增強(qiáng)的在線學(xué)習(xí)行為分析框架
    5.1 問(wèn)題定義
    5.2 短文本情感增強(qiáng)的學(xué)習(xí)成績(jī)預(yù)測(cè)
        5.2.1 基于學(xué)習(xí)者特征的分層情感特征提取器
        5.2.2 基于LSTM的成績(jī)預(yù)測(cè)模型
    5.3 實(shí)驗(yàn)分析
        5.3.1 數(shù)據(jù)集描述
        5.3.2 預(yù)處理步驟
        5.3.3 情感特征提取實(shí)驗(yàn)
        5.3.4 成績(jī)預(yù)測(cè)實(shí)驗(yàn)
        5.3.5 實(shí)證分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 未來(lái)工作展望
參考文獻(xiàn)
攻讀碩士期間參加的科研項(xiàng)目與取得的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]神經(jīng)自然語(yǔ)言處理最新進(jìn)展——模型、訓(xùn)練和推理[J]. 周明,段楠,劉樹(shù)杰,沈向洋.  Engineering. 2020(03)
[2]專遞課堂教學(xué)點(diǎn)規(guī)模與學(xué)習(xí)行為有效性相關(guān)分析——以湖北省咸寧市崇陽(yáng)縣小學(xué)音樂(lè)專遞課堂為例[J]. 陳實(shí),茍杰婷,鐘麗娜,王艷嬋,張婉琪,郭偉偉,王繼新.  中國(guó)電化教育. 2019(12)
[3]機(jī)器學(xué)習(xí)方法在MOOC學(xué)習(xí)者學(xué)業(yè)完成率預(yù)測(cè)中的應(yīng)用研究[J]. 郝思源,謝太峰.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2019(21)
[4]基于SPOC平臺(tái)學(xué)生在線行為的學(xué)習(xí)分析要素研究[J]. 林秀瑜.  教育信息技術(shù). 2019(09)
[5]基于學(xué)習(xí)分析的虛擬學(xué)習(xí)社區(qū)深度交互研究[J]. 戴心來(lái),劉聰聰.  現(xiàn)代遠(yuǎn)距離教育. 2019(05)
[6]2018慕課發(fā)展概要與未來(lái)趨勢(shì)——以Coursera、edX、學(xué)堂在線、Udacity和FutureLearn為例[J]. 紀(jì)九梅,王宇,歐陽(yáng)嘉煜,汪瓊.  中國(guó)遠(yuǎn)程教育. 2019(09)
[7]知識(shí)生產(chǎn)與進(jìn)化:“互聯(lián)網(wǎng)+”時(shí)代在線課程形態(tài)表征與演化研究[J]. 逯行,陳麗.  中國(guó)遠(yuǎn)程教育. 2019(09)
[8]感知價(jià)值、認(rèn)知過(guò)程和行為意向:MOOC學(xué)習(xí)行為的構(gòu)型分析[J]. 張寶建,張曉空,裴博,孫國(guó)強(qiáng).  中國(guó)遠(yuǎn)程教育. 2019(09)
[9]垂直領(lǐng)域視頻教學(xué)平臺(tái)用戶在線學(xué)習(xí)規(guī)律分析[J]. 嚴(yán)煒煒,溫馨.  情報(bào)探索. 2019(08)
[10]基于教育大數(shù)據(jù)的在線學(xué)習(xí)分析系統(tǒng)構(gòu)建研究[J]. 王煥民.  中國(guó)現(xiàn)代教育裝備. 2019(15)



本文編號(hào)：3685302