版权说明 操作指南
首页 > 成果 > 详情

基于深度学习的MOOC论坛探索型对话识别方法研究

认领
导出
Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
作者:
董庆兴;李华阳;曹高辉;夏立新(夏立新
作者机构:
华中师范大学信息管理学院 武汉430079
武汉大学信息资源研究中心 武汉430079
[李华阳] 腾讯 AI Lab 深圳518057
[夏立新; 曹高辉; 董庆兴] 华中师范大学
语种:
中文
关键词:
MOOC论坛;探索型对话;卷积神经网络
关键词(英文):
GloVe
期刊:
图书情报工作
ISSN:
0252-3116
年:
2019
卷:
62
期:
5
页码:
92-99
基金类别:
国家自然科学基金项目"面向群智感知大数据的群体评价模型与方法研究"(项目编号:71871102) 华中师范大学中央高校基本科研业务费项目"在线医疗服务环境下用户信息感知及其线下行为变化机制研究"(项目编号:CCNU17TS0009)研究成果之一.
机构署名:
本校为第一机构
院系归属:
信息管理学院
摘要:
[目的/意义]大规模在线开放课程论坛具有丰富的用户评论数据。从大量未区分的评论数据中,自动识别出知识密度较高的探索型对话并挖掘其潜在价值,对于改善教师教学质量以及提高学生知识水平具有重要影响。[方法/过程]首先利用GloVe方法训练词向量,加强对文本语义的理解,然后利用卷积神经网络自动学习文本特征,提出一种基于深度学习的探索型对话自动识别模型,并在学堂在线平台《心理学概论》课程论坛标注数据集上进行实证与对比研究。[结果/结论]实验结果显示,利用GloVe方法预训练词向量以及在训练过程中不断对词向量进行学习修正能够提高模型效果。该模型识别探索型对话的F1值为0.94,相较于传统的...
摘要(英文):
[Purpose/significance] Massive Open Online Course (MOOC) forum is an important source to acquire user review data.Automatically detecting exploratory dialogues with high knowledge density from large amounts of unlabeled data and mining its potential value has a significant impact on the improvement of teaching quality and students' mastery of knowledge.[Method/process] We proposed a new auto-detecting model based on deep learning,which firstly uses GloVe algorithm to train word embedding to reinforce semantic understanding for texts and then adopts Convolutional Neural Network (CNN) to automat...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com