基于DT-BM的学习者主题行为模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 教育大数据相关研究概述 | 第11-12页 |
| 1.3.2 学习行为相关研究概述 | 第12-13页 |
| 1.3.3 主题模型相关研究概述 | 第13-14页 |
| 1.4 论文研究内容 | 第14页 |
| 1.5 论文结构概览 | 第14-16页 |
| 第二章 相关研究工作概述 | 第16-27页 |
| 2.1 学习行为研究 | 第16-18页 |
| 2.1.1 基于统计的的方法 | 第16页 |
| 2.1.2 基于机器学习的方法 | 第16-17页 |
| 2.1.3 基于序列分析的方法 | 第17-18页 |
| 2.2 主题模型简介 | 第18-19页 |
| 2.3 主题模型技术 | 第19-22页 |
| 2.3.1 pLSA | 第19-20页 |
| 2.3.2 LDA | 第20-22页 |
| 2.4 数据的采集 | 第22-23页 |
| 2.5 实验的环境与搭建 | 第23-27页 |
| 2.5.1 Hadoop简介 | 第23-24页 |
| 2.5.2 实验的集群环境 | 第24-27页 |
| 第三章 学习者主题行为模型构建研究 | 第27-42页 |
| 3.1 引言 | 第27页 |
| 3.2 DT-BM模型 | 第27-29页 |
| 3.3 联合分布和Gibbs Sampling | 第29-31页 |
| 3.4 数据预处理 | 第31-32页 |
| 3.5 单机环境中的实现 | 第32-33页 |
| 3.6 Hadoop集群环境中的实现 | 第33-38页 |
| 3.6.1 集群中的文本向量化 | 第34-35页 |
| 3.6.2 并行算法建模与实现 | 第35-38页 |
| 3.7 实验结果和分析 | 第38-41页 |
| 3.7.1 Perplexity曲线 | 第38-40页 |
| 3.7.2 运行时间 | 第40-41页 |
| 3.8 本章小结 | 第41-42页 |
| 第四章 基于DT-BM模型的学习成效应用研究 | 第42-53页 |
| 4.1 引言 | 第42页 |
| 4.2 讨论主题与行为关系概述 | 第42-45页 |
| 4.3 讨论主题和行为与学习成效的关联 | 第45-48页 |
| 4.3.1 数据集的选择与处理 | 第45-46页 |
| 4.3.2 主题与成效关联 | 第46-48页 |
| 4.3.3 行为与成效关联 | 第48页 |
| 4.4 基于DT-BM模型的学习成效预测 | 第48-51页 |
| 4.4.1 问题藐视与预测方法 | 第48-49页 |
| 4.4.2 模型评价标准 | 第49-50页 |
| 4.4.3 实验结果分析 | 第50-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 总结和展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士期间发表的论文 | 第59-60页 |
| 致谢 | 第60页 |
