隨著現(xiàn)代信息技術(shù)的迅猛發(fā)展,Web2.0時代開啟了人類史上真正有意義的互聯(lián)網(wǎng)在線學(xué)習(xí)之旅。信息運(yùn)行載體和傳播形態(tài)的改變導(dǎo)致學(xué)習(xí)內(nèi)容碎片化,快節(jié)奏生活和多任務(wù)處理導(dǎo)致學(xué)習(xí)時間碎片化。此外,信息更新周期縮短帶動了終身學(xué)習(xí)時代的到來。在碎片化學(xué)習(xí)和終身學(xué)習(xí)的大數(shù)據(jù)背景的推動下,構(gòu)建主義學(xué)習(xí)觀催生了一種新型學(xué)習(xí)范式——微學(xué)習(xí)。微學(xué)習(xí)的學(xué)習(xí)單元松散鏈接、動態(tài)重組,有利于拓展學(xué)習(xí)者的發(fā)散思維。微學(xué)習(xí)資源可按需提供,學(xué)習(xí)時間可控且靈活,學(xué)習(xí)興趣易維持,學(xué)習(xí)效率更高等優(yōu)勢,因此微學(xué)習(xí)這種新型學(xué)習(xí)范式得以迅猛發(fā)展。Web2.0改變早期網(wǎng)絡(luò)的“單行道”架構(gòu),讓大眾可以向網(wǎng)絡(luò)發(fā)送并分享信息,微學(xué)習(xí)利用這一功能,推開“微”時代的大門。隨著微學(xué)習(xí)的興起,越來越多的微學(xué)習(xí)平臺不斷建立和發(fā)展,大規(guī)模開放式在線課程MOOC（Massive Open Online Courses）作為代表性的微學(xué)習(xí)平臺之一,通過MOOC進(jìn)行學(xué)習(xí)逐漸成為一種趨勢。然而,微學(xué)習(xí)平臺的發(fā)布者不是唯一的,大量學(xué)習(xí)資源的發(fā)布使得學(xué)習(xí)內(nèi)容多源,即重復(fù)問題,學(xué)習(xí)者浪費(fèi)大多時間在資源選擇上,導(dǎo)致學(xué)習(xí)效率低下。因此,合理地組織和管理微學(xué)習(xí)資源是微學(xué)習(xí)研... 

【文章來源】：太原理工大學(xué)山西省 211工程院校

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 微學(xué)習(xí)研究現(xiàn)狀
        1.2.1 微學(xué)習(xí)研究現(xiàn)狀
        1.2.2 微學(xué)習(xí)資源研究現(xiàn)狀
    1.3 研究內(nèi)容和方法
        1.3.1 主要研究內(nèi)容
        1.3.2 主要研究方法
    1.4 論文的組織結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 相關(guān)理論與技術(shù)
    2.1 微學(xué)習(xí)
        2.1.1 微學(xué)習(xí)概念
        2.1.2 微學(xué)習(xí)特點(diǎn)
        2.1.3 微學(xué)習(xí)單元
        2.1.4 微學(xué)習(xí)理論基礎(chǔ)
    2.2 文本聚類的相關(guān)技術(shù)
        2.2.1 預(yù)處理過程
        2.2.2 特征提取與降維
        2.2.3 文本表示模型
        2.2.4 文本相似度計算
        2.2.5 文本聚類算法
    2.3 凝聚層次聚類算法研究
    2.4 AP算法研究
        2.4.1 AP算法原理
        2.4.2 CFSFDP算法原理
    2.5 本章小結(jié)
第三章 微學(xué)習(xí)單元主題中心發(fā)現(xiàn)
    3.1 凝聚層次聚類算法優(yōu)缺點(diǎn)
    3.2 AP聚類優(yōu)缺點(diǎn)
    3.3 微學(xué)習(xí)單元主題中心發(fā)現(xiàn)模型
    3.4 微學(xué)習(xí)單元主題中心發(fā)現(xiàn)步驟
    3.5 本章小結(jié)
第四章 微學(xué)習(xí)單元文本聚類
    4.1 微學(xué)習(xí)單元聚類框架
    4.2 微學(xué)習(xí)單元前期預(yù)處理
        4.2.1 分詞處理
        4.2.2 停用詞處理
        4.2.3 詞干提取
    4.3 微學(xué)習(xí)單元文本表示
        4.3.1 主題模型比較
        4.3.2 LDA主題模型
        4.3.3 LDA模型訓(xùn)練
    4.4 微學(xué)習(xí)單元聚類
        4.4.1 相似度計算
        4.4.2 聚類中心算法實(shí)現(xiàn)
    4.5 本章小結(jié)
第五章 實(shí)驗(yàn)與結(jié)果分析
    5.1 實(shí)驗(yàn)數(shù)據(jù)
        5.1.1 微學(xué)習(xí)單元數(shù)據(jù)獲取
        5.1.2 微學(xué)習(xí)單元人工標(biāo)注
        5.1.3 實(shí)驗(yàn)環(huán)境及工具
    5.2 算法評價指標(biāo)
    5.3 實(shí)驗(yàn)結(jié)果分析
        5.3.1 微學(xué)習(xí)單元文本數(shù)據(jù)對比分析
        5.3.2 微學(xué)習(xí)單元文本表示模型對比分析
        5.3.3 微學(xué)習(xí)單元聚類中心選擇
        5.3.4 微學(xué)習(xí)單元文本聚類對比分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士研究生期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]基于文本挖掘的互聯(lián)網(wǎng)教育課程主題發(fā)現(xiàn)與聚類研究[J]. 李夢杰,劉建國,郭強(qiáng),李仁德,湯曉雷.  上海理工大學(xué)學(xué)報. 2018(03)
[2]一種基于簇中心點(diǎn)自動選擇策略的密度峰值聚類算法[J]. 馬春來,單洪,馬濤.  計算機(jī)科學(xué). 2016(07)
[3]基于層次與密度的任意形狀聚類算法[J]. 許合利,牛麗君.  計算機(jī)工程. 2016(07)
[4]基于LDA模型的文本相似度研究[J]. 陳攀,楊浩,呂品,王海暉.  計算機(jī)技術(shù)與發(fā)展. 2016(04)
[5]大數(shù)據(jù)時代碎片化學(xué)習(xí)研究[J]. 王承博,李小平,趙豐年,張琳.  電化教育研究. 2015(10)
[6]微信在高校教學(xué)中的應(yīng)用研究[J]. 吳曉冰.  電子商務(wù). 2015(09)
[7]一種近鄰傳播的層次優(yōu)化算法[J]. 倪志偉,荊婷婷,倪麗萍.  計算機(jī)科學(xué). 2015(03)
[8]面向e-Learning的教育資源聚類系統(tǒng)的設(shè)計與實(shí)現(xiàn)[J]. 吳林靜,劉清堂,黃煥,劉嫚,黃景修.  中國電化教育. 2014(10)
[9]微學(xué)習(xí)研究:現(xiàn)狀與未來[J]. 張振虹,楊慶英,韓智.  中國電化教育. 2013(11)
[10]Stemming和Lemmatization對英文文本聚類的影響研究[J]. 韓普,王東波,路高飛.  情報理論與實(shí)踐. 2012(07)

碩士論文
[1]基于蟻群信息素優(yōu)化算法的微學(xué)習(xí)路徑推薦研究[D]. 趙琴.太原理工大學(xué) 2017
[2]基于MOOC的高等教育知識圖譜的構(gòu)建[D]. 侯俊萌.北京郵電大學(xué) 2017
[3]Affinity Propagation聚類算法的改進(jìn)及其應(yīng)用研究[D]. 李萍.浙江大學(xué) 2017
[4]互聯(lián)網(wǎng)新聞分類中特征選擇和特征提取方法研究[D]. 王甜甜.中國科學(xué)技術(shù)大學(xué) 2016
[5]面向教育大數(shù)據(jù)的關(guān)鍵算法研究與實(shí)現(xiàn)[D]. 吳敏.電子科技大學(xué) 2016
[6]微課學(xué)習(xí)在企業(yè)培訓(xùn)中的應(yīng)用研究[D]. 石李麗.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2016
[7]文本聚類中特征選擇方法研究[D]. 華珍.湖北工業(yè)大學(xué) 2016
[8]基于密度的改進(jìn)型層次聚類算法研究[D]. 李彩云.蘭州大學(xué) 2016
[9]基于密度的層次聚類算法研究[D]. 張文開.中國科學(xué)技術(shù)大學(xué) 2015
[10]基于LDA多模型中文短文本主題分類體系構(gòu)建與分類[D]. 郭劍飛.哈爾濱工業(yè)大學(xué) 2014



本文編號：3231247