基于机器学习和大数据技术的高校学生行为分析
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究目的 | 第11-12页 |
| 1.1.3 研究意义 | 第12页 |
| 1.2 国内外对学生数据进行分析的相关研究 | 第12-16页 |
| 1.2.1 高校信息系统中的大数据 | 第12-13页 |
| 1.2.2 大数据技术在高校中的应用 | 第13-15页 |
| 1.2.3 大数据实际应用 | 第15-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-19页 |
| 第二章 实验基本架构和关键技术 | 第19-24页 |
| 2.1 实验基本架构 | 第19-20页 |
| 2.2 学生行为分析的关键技术 | 第20-23页 |
| 2.2.1 机器学习 | 第20页 |
| 2.2.2 大数据技术 | 第20-21页 |
| 2.2.3 社区发现及聚类分析 | 第21-23页 |
| 2.2.4 网络评论情感极性分类技术 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 学生群体的行为模式分析 | 第24-36页 |
| 3.1 各领域用户行为模式分析相关研究 | 第24-26页 |
| 3.1.1 网络营销中的用户行为分析 | 第24-25页 |
| 3.1.2 移动互联网用户行为分析 | 第25-26页 |
| 3.2 研究方法 | 第26-29页 |
| 3.2.1 K-means算法 | 第26-27页 |
| 3.2.2 NMF算法 | 第27-29页 |
| 3.3 数据准备 | 第29页 |
| 3.4 替代数据可行性分析 | 第29-30页 |
| 3.5 聚类分析实现 | 第30-34页 |
| 3.5.1 数据预处理 | 第30页 |
| 3.5.2 数据分析 | 第30-34页 |
| 3.6 聚类分析结论 | 第34页 |
| 3.7 本章小结 | 第34-36页 |
| 第四章 学生评论情感极性分类研究 | 第36-45页 |
| 4.1 情感极性分类及相关研究 | 第36-37页 |
| 4.1.1 词语级 | 第36-37页 |
| 4.1.2 句子级 | 第37页 |
| 4.1.3 篇章级 | 第37页 |
| 4.2 极性分类流程简介 | 第37-38页 |
| 4.3 语料来源 | 第38页 |
| 4.4 某论坛评论极性分类 | 第38-43页 |
| 4.4.1 评论分句,分词 | 第38-39页 |
| 4.4.2 依存关系分析 | 第39-41页 |
| 4.4.3 计算提取词语的极性和强度 | 第41-42页 |
| 4.4.4 评论的极性分类 | 第42-43页 |
| 4.5 极性分类结论 | 第43页 |
| 4.6 本章小结 | 第43-45页 |
| 第五章 高校学生特殊群体及异常行为判定 | 第45-58页 |
| 5.1 支持向量机(SVM)理论 | 第45-48页 |
| 5.1.1 SVM基本原理 | 第45-47页 |
| 5.1.2 SVM核函数 | 第47-48页 |
| 5.2 高校经济困难生群体判定 | 第48-50页 |
| 5.3 异常行为判定相关研究 | 第50-51页 |
| 5.3.1 在互联网方面的应用 | 第50-51页 |
| 5.3.2 在现实生活中的应用 | 第51页 |
| 5.4 数据准备及特征提取 | 第51-52页 |
| 5.5 学业异常行为判定 | 第52-53页 |
| 5.6 实验结果及分析 | 第53-56页 |
| 5.7 Spark平台实现及分析 | 第56-57页 |
| 5.8 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 论文工作总结 | 第58-59页 |
| 6.2 进一步研究工作 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
