| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题背景及研究意义 | 第11-13页 |
| 1.1.1 课题背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第2章 相关理论基础及关键技术介绍 | 第19-29页 |
| 2.1 E-learning相关基础理论 | 第19-21页 |
| 2.1.1 E-learning的基本概念 | 第19页 |
| 2.1.2 E-learning的学习行为内涵 | 第19-20页 |
| 2.1.3 E-learning的学习行为特点 | 第20-21页 |
| 2.2 情感分析技术 | 第21-26页 |
| 2.2.1 基于情感词典的情感分析方法 | 第21-24页 |
| 2.2.2 基于机器学习的情感分析方法 | 第24-26页 |
| 2.3 个性化推荐技术 | 第26-28页 |
| 2.3.1 基于协同过滤的推荐算法 | 第26-27页 |
| 2.3.2 基于内容的推荐算法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于细粒度情绪分析的多极化情感评估模型 | 第29-43页 |
| 3.1 词典资源构建 | 第29-32页 |
| 3.1.1 同义词词林描述 | 第30页 |
| 3.1.2 同义词匹配与赋权 | 第30-32页 |
| 3.2 FGMSAM模型设计 | 第32-39页 |
| 3.2.1 文本预处理 | 第33-34页 |
| 3.2.2 情感量化规则 | 第34-36页 |
| 3.2.3 阶段性多极化情感强度量化 | 第36-38页 |
| 3.2.4 多极化情感状态评估 | 第38-39页 |
| 3.3 实验分析 | 第39-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 基于情感变化趋势的行为预测与课程推荐算法 | 第43-55页 |
| 4.1 基于情感变化趋势的学习行为预测模型设计 | 第44-47页 |
| 4.1.1 SBPM模型建立 | 第44-45页 |
| 4.1.2 SBPM模型求解 | 第45-47页 |
| 4.2 基于学习行为预测结果的课程推荐算法设计 | 第47-51页 |
| 4.2.1 推荐课程相关性计算 | 第48-49页 |
| 4.2.2 学习兴趣衰减效应 | 第49-51页 |
| 4.3 实验分析 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第5章 基于情感分析的E-learning学习行为评估与预测 | 第55-61页 |
| 5.1 学习行为评估与预测 | 第55-57页 |
| 5.1.1 学习者退课行为层次分析 | 第55-56页 |
| 5.1.2 学习行为评估与预测的流程 | 第56-57页 |
| 5.2 实验验证与分析 | 第57-60页 |
| 5.2.1 毕业概率准确性实验与分析 | 第57-58页 |
| 5.2.2 学习者情感倾向性分析 | 第58-60页 |
| 5.3 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第69-71页 |
| 致谢 | 第71页 |