| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究目的与意义 | 第9-10页 |
| 1.2.1 研究目的 | 第9-10页 |
| 1.2.2 研究意义 | 第10页 |
| 1.3 研究方法与研究路线 | 第10-12页 |
| 1.3.1 研究方法 | 第10-11页 |
| 1.3.2 研究路线 | 第11-12页 |
| 1.4 研究内容与组织结构 | 第12-15页 |
| 1.4.1 研究内容 | 第12-13页 |
| 1.4.2 论文结构 | 第13-15页 |
| 第二章 课堂教学分析研究综述 | 第15-28页 |
| 2.1 综述意义 | 第15-17页 |
| 2.2 文献来源 | 第17-18页 |
| 2.3 研究基本概况 | 第18-22页 |
| 2.3.1 文献互引网络分析 | 第18-19页 |
| 2.3.2 关键词共现网络分析 | 第19-21页 |
| 2.3.3 作者共现网络分析 | 第21-22页 |
| 2.4 课堂教学分析量化比较 | 第22-27页 |
| 2.4.1 分析维度的提出 | 第22-24页 |
| 2.4.2 数据统计结果 | 第24-27页 |
| 2.5 综述总结 | 第27-28页 |
| 第三章 基于深度学习的文本分类关键技术 | 第28-40页 |
| 3.1 深度学习技术概要 | 第28页 |
| 3.2 文本表示方法 | 第28-31页 |
| 3.2.1 One-Hot表示法 | 第29页 |
| 3.2.2 Word2Vec方法 | 第29-31页 |
| 3.3 文本分类技术 | 第31-36页 |
| 3.3.1 朴素贝叶斯算法 | 第31-32页 |
| 3.3.2 卷积神经网络(CNN) | 第32-34页 |
| 3.3.3 循环神经网络(RNN) | 第34-36页 |
| 3.4 深度学习平台简介与对比 | 第36-40页 |
| 3.4.1 TensorFlow | 第37页 |
| 3.4.2 Caffe | 第37-38页 |
| 3.4.3 Keras | 第38页 |
| 3.4.4 Theano | 第38-40页 |
| 第四章 课堂教学行为识别系统的设计与实现 | 第40-53页 |
| 4.1 课堂教学行为识别系统的设计 | 第40-44页 |
| 4.1.1 视频音轨提取 | 第40-41页 |
| 4.1.2 基于声纹识别的师生角色辨析 | 第41-42页 |
| 4.1.3 基于语音识别的课堂教学音频处理 | 第42页 |
| 4.1.4 文本分类 | 第42-44页 |
| 4.2 课堂教学行为识别系统的实现 | 第44-53页 |
| 4.2.1 基于深度学习的课堂教学行为编码标准的制定 | 第44-45页 |
| 4.2.2 基于TensorFlow的CNN实现 | 第45-47页 |
| 4.2.3 基于TensorFlow的RNN实现 | 第47-50页 |
| 4.2.4 基于Python的朴素贝叶斯实现 | 第50-53页 |
| 第五章 实验与分析 | 第53-63页 |
| 5.1 实验设计 | 第53-56页 |
| 5.1.1 实验目的 | 第53页 |
| 5.1.2 实验材料 | 第53-56页 |
| 5.1.3 实验环境 | 第56页 |
| 5.2 实验过程 | 第56-61页 |
| 5.2.1 人工分类 | 第57-58页 |
| 5.2.2 朴素贝叶斯模型分类 | 第58-59页 |
| 5.2.3 深度学习模型分类 | 第59-61页 |
| 5.3 实验结果 | 第61-63页 |
| 第六章 总结与展望 | 第63-66页 |
| 6.1 主要工作与创新点 | 第63-64页 |
| 6.1.1 本研究的主要工作 | 第63页 |
| 6.1.2 主要创新点 | 第63-64页 |
| 6.1.3 本研究的应用价值 | 第64页 |
| 6.2 后续研究展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |