您现的位置:首页 > 数据库检索 > 中文期刊 

基于深度神经网络的在线协作学习交互文本分类方法*

加收藏
  • 【题名】:基于深度神经网络的在线协作学习交互文本分类方法*
  • 【年份】:2020
  • 【作者】:甄园宜,郑兰琴
  • 【关键词】:在线协作学习  深度学习  深度神经网络  交互文本  文本分类
  • 【摘要】:有效的在线协作学习可显著改善在线教学质量,而对在线协作学习过程的实时分析、监控和干预是促进协作学习行为有效发生的关键,这有赖于对在线协作学习交互文本的精准分类。为避免人工编码和传统机器学习方法分类效果欠佳的不足,采用基于深度神经网络的卷积神经网络(CNN)、长短时记忆(LSTM)、双向长短时记忆(Bi-LSTM)等模型构建面向在线协作学习交互文本的分类模型,以Word2Vec作为词向量,提出了包含数据收集整理、文本标签标注、数据预处理、词嵌入、数据采样、模型训练、模型调参和模型评价等步骤的在线协作学习交互文本自动分类方法。以知识语义类、调节类、情感类、问题类和无关信息类等作为交互文本的类别划分,对51组大学生所产生的16047条在线协作学习交互文本进行分类后发现:Bi-LSTM模型的分类效果最好,其整体准确率为77.42%;各文本分类模型在问题类、无关信息类交互文本上的准确率较低;CNN模型和LSTM模型在问题类交互文本上的分类效果更佳。该方法在面向在线协作学习的知识掌握度评估、学习活动维持、消极学习情绪干预、学习预警与提示等方面具有较高的应用价值。
  • 【期刊名】:现代远程教育研究
  • 【分类号】:G434
  • 【期号】:第3期
  • 【资金项目】:国家自然科学基金青年项目“基于教育知识图谱的在线协作学习交互分析关键技术研究”(61907003);北京师范大学教育学部2019年度学科建设综合专项资金资助(2019QNJS010)
  • 【作者简介】:甄园宜,硕士研究生,北京师范大学教育学部教育技术学院(北京 100875);郑兰琴(通讯作者),博士,副教授,硕士生导师,北京师范大学教育学部教育技术学院(北京 100875)。
  • 【作者单位】:北京师范大学教育学部教育技术学院
  • 【页码】:104-112
相关文献
基于标签语义注意力多标签文本分类<sup>*sup>
基于带噪观测远监督神经网络关系抽取<sup>*sup>
基于异构社交网络信息和内容信息事件推荐<sup>*sup>
基于相似度驱动线性哈希模型参数再优化方法<sup>*sup>
非经典条件下机器学习方法专题前言<sup>*sup>
面向流数据分类在线学习综述<sup>*sup>
基于在线性能测试概念漂移检测方法<sup>*sup>
基于动静态表征众筹协同预测方法<sup>*sup>
基于自回归预测模型深度注意力强化学习方法<sup>*sup>
面向GPU 平台复杂网络core 分解方法研究<sup>*sup>
获取此文方式
CNKI期刊
下载请求:
   

说明:点击”存到网盘“按钮即收取费用,重复点击不收费,如果下载失败,我们会自动转为文献传递方式处理,稍侯请关注您网盘上该文献的信息,从网盘上下载该文献不用重新付费。