基于短文本情感增强的在线学习者成绩预测方法

• 作者: 叶俊民 罗达雄 陈曙
• 来源期刊: 自动化学报
• 关键词: 在线学习社区 短文本情感 学习状态 成绩预测 深度学习
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 论文与报告
• 页码范围: 1927-1940
• 页数: 14页
• 语种: 中文
• DOI: 10.16383/j.aas.c190008

摘要

当前利用短文本情感信息进行在线学习成绩预测的研究存在以下问题:1)当前情感分类模型无法有效适应在线学习社区的短文本特征,分类效果较差;2)利用短文本情感信息定量预测在线学习成绩的研究在准确性上还有较大的提升空间.针对以上问题,本文提出了一种短文本情感增强的成绩预测方法.首先,从单词和句子层面建模短文本语义,并提出基于学习者特征的注意力机制以识别不同学习者的语言表达特点,得到情感概率分布向量;其次,将情感信息与统计、学习行为信息相融合,并基于长短时记忆网络建模学习者的学习状态;最后,基于学习状态预测学习者成绩.在三种不同类别课程组成的真实数据集上进行了实验,结果表明本文方法能有效对学习社区短文本进行情感分类,且能够提升在线学习者成绩预测的准确性.同时,结合实例分析说明了情感信息、学习状态与成绩之间的关联.