简介:短文本情感分类是一种面向主观信息分类的文本分类任务,具有重要的研究价值和广泛的应用前景,如旅游景区口碑评价、舆情跟踪、产品声誉分析等。为了提高短文本情感分类准确率,文章提出了一种基于Stacking融合深度学习模型和传统机器学习模型的短文本情感分类方法。该方法从短文本数据集分别提取TFIDF和Word2Vec特征,并作为传统机器学习模型和深度学习模型的输入,再基于Stacking技术将多个基分类器(包括Logistic,PassiveAggressive,Ridge,SVC,SVR等传统机器学习模型和深度学习文本分类模型TextRCNN)的分类结果进行融合处理,得到短文本情感分类的最终结果。该方法采用LightGBM作为Stacking最后一层的分类器,基于旅游景区网络评论数据集进行了验证。实验结果表明,该方法能够获得比最好基分类方法更好的分类效果,而且对积极、中性和消极三类情感文本的平均分类准确率达到了71.02%。
简介:中文摘要:本文通过对历年来的学习能力构成因素和组成成分相关研究的文献进行整理,总结出了组成学习能力的四大系统,分别是动力系统,行为系统,调节系统,环境支持系统。研究通过指标体系的构建设计分发层次分析法专家问卷来确定各个指标的权数。问卷的数据处理后均通过一致性检验,成功构建大学生学习能力综合评价体系,为大学生智能学习规划平台的搭建提供了模型依据。
简介:人类社会已经进入"数据驱动学校,分析变革教育"的大数据时代,大数据的推广与使用必将变革传统教育的面貌,而学习分析则是助推这场变革中的核心力量。目前,学习分析技术在教育领域的应用正处于起步阶段,许多研究者从不同的角度为学习分析技术在教育领域应用提供新思路,并尝试构建了不同的学习分析模型。由于现有学习分析模型的侧重点不同,且未能呈现出明确的分析目标,为此该文构建目标导向的学习分析系统模型,旨在通过从诊断评估、学习预测、教育研究三种应用目标的确立,为学习分析技术在教育领域中的应用提供新的明确思路。目标导向学习分析模型可以概括为"一个目标、两类约束、三种受众、四个环节"。目标的确定是学习分析得以开展的关键前提;两类约束包含影响学生学习效果的内在约束和外在环境约束;教师、学生、教育管理者是学习分析系统中的主要受益者;数据收集与存储、数据处理与分析、分析结果与呈现以及结果的应用与服务是学习分析的主要流程。
简介:摘要:模型思想是指能够有意识地运用数学的概念、原理和方法,理解、描述以及解决现实世界中一类问题的思想。在情境学习中,情境的数学解读为模型思想的理解铺路;知识的展示,在潜移默化中浸润模型思想;应用情境的再现,在数学的社会价值中加深对模型思想中“模型”的理解;回首情境中知识的生成,让模型思想再点睛。这样学生会逐渐养成用数学的“眼睛”观察现实世界,用数学的“思维”思考现实世界,用数学的“语言”描述现实世界的数学素养。
简介:语音类别学习是人类重要的认知机制之一,其能降低认知负荷、加快学习速度,以使人更好适应环境。双系统模型是当前语音类别学习的主要理论模型,它假设语音类别学习存在着相互竞争的两个系统,即外显学习系统和内隐学习系统;语音类别学习的研究主要针对人工语音材料和自然性的普通话材料,采用延迟反馈和及时反馈、丰富反馈和简单反馈、组合式发音和随机混合式发音等方式来探讨语音类别学习外显和内隐系统的特点。已有研究主要探究语音类别学习中工作记忆的作用,普通话分类习得和不同人群的语音类别学习特点,未来研究应注意谨慎借鉴知觉类别学习的研究成果,并可在认知研究、老年人视听问题等方面进一步加强。
简介:摘要:背景问题基于问题的学习(PBL)已在医学课程中广泛用于早期培训,但尚未广泛探索其在临床依恋中的应用。目的本研究旨在评估一种新的模型“基于临床问题的学习”(CPBL),以促进临床基础过程中的学习技能,态度和知识。CPBL模型采用PBL原理,并将其应用于临床基础过程中的学习。真实的患者遭遇会以一系列广泛定义的病例类型为指导,以确保课程覆盖。通过在差异诊断和问题列表中讨论历史记录和检查,学生可以建立与临床技能,疾病机制和临床管理有关的学习目标。在临床实习中,基于临床问题的学习受到了好评。关键要素是学习频率。
简介:摘要:随着舞蹈网站中用户数量以及舞蹈视频数量的增多,用户交互数据变得极其稀疏,本文在主流的推荐模型DeepFM的基础上,融合Bert模型进行文本语义特征向量的提取。通过此模型预测用户对舞蹈视频的点击概率,从而形成推荐列表。实验结果表明,在精确率的评价指标上,高达83.10%,取得不错的推荐效果。