對(duì)話流所隱含的信息包括了學(xué)習(xí)者對(duì)所學(xué)課程內(nèi)容的掌握程度和關(guān)注點(diǎn),分析這些對(duì)話流對(duì)預(yù)測(cè)學(xué)習(xí)者的成績(jī),以支持教師提前對(duì)潛在成績(jī)不良的學(xué)生進(jìn)行及時(shí)干預(yù)有著重要意義.提出了一種基于對(duì)話流的學(xué)習(xí)者成績(jī)等級(jí)預(yù)測(cè)算法ARPDF(Achievement Rank Prediction based on Dialogue Flow),首先采集對(duì)話流,通過(guò)對(duì)話流劃分、對(duì)話狀態(tài)矩陣生成實(shí)現(xiàn)了對(duì)該對(duì)話流的分析以獲取到學(xué)習(xí)小組的對(duì)話狀態(tài)矩陣;在此基礎(chǔ)上,通過(guò)基于LSTM的預(yù)測(cè)模型獲得學(xué)習(xí)小組學(xué)習(xí)者的成績(jī)等級(jí).在本文所提方法的基礎(chǔ)上進(jìn)行了實(shí)驗(yàn),其結(jié)果表明了該算法是有效的.

【文章頁(yè)數(shù)】：8 頁(yè)

【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(wèn)題定義與求解框架
    3.1 問(wèn)題定義
    3.2 問(wèn)題求解框架
4 基于ARPDF的預(yù)測(cè)方法
    4.1 對(duì)話流的預(yù)處理方法
    4.2 對(duì)話流劃分算法
    4.3 對(duì)話狀態(tài)矩陣生成算法
    4.4 成績(jī)等級(jí)預(yù)測(cè)模型生成算法
5 實(shí)證研究
    5.1 數(shù)據(jù)集
    5.2 評(píng)測(cè)指標(biāo)
    5.3 參數(shù)選取的啟發(fā)式準(zhǔn)則
    5.4 對(duì)話流劃分
    5.5 對(duì)話狀態(tài)矩陣生成
    5.6 預(yù)測(cè)結(jié)果分析
    5.7 與相關(guān)方法比較
6 結(jié)語(yǔ)



本文編號(hào)：3872379