基于深度学习的在线学习成绩预测研究

郑安琪 王宇琪 郝川艳

摘  要： 通过分析在线学习平台中的教育文本，能挖掘其所蕴含的情感、认知等信息进行学业预测。然而目前在线学习成绩预测大多基于结构化数据，难以深入、精准地挖掘学习者的状态、情感等信息，影响到预测的准确性。采用深度学习技术，其中CNN模型能够有效提取局部特征，而LSTM模型能够考虑全局文本顺序的优势，能对教育短文本数据进行分类和细粒度情感倾向分析，挖掘其包含的影响学 ……此处隐藏7992个字…… J].Neural Computation，2006.18（7）.

[8] 陈先昌.基于卷积神经网络的深度学习算法与应用研究[D].浙江工商大学，2014.

[9] 宋严.社交媒体文本信息多层次细粒度属性挖掘方法研究[J].情报科学，2020.38（11）：98-103

[10] 王婷，杨文忠.文本情感分析方法研究综述[J].计算机工程与应用，2021.57（12）：11-24

[11] Steven Tang，Joshua C. Peterson，Zachary A. Pardos.Deep Neural Networks and How They Apply to Sequential Education Data[P]. Learning @ Scale，2016.

[12] 焦李成，杨淑媛，刘芳，王士刚，冯志玺.神经网络七十年：回顾与展望[J].计算机学报，2016.39（8）：1697-1716

[13] ATTARDI G，SARTIANO D.Unipi at semeval-2016 task 4：convolutional neural networks for sentiment classification[C] //Proceedings of the 10th International Workshop on Semantic Evaluation （SemEval-2016）.San Diego： Association for Computational Linguistics，2016：220224.