基于深度学习的MOOC论坛探索型对话识别方法研究-图书情报工作.PDF

第６３卷 第５期　２０１９年３月 基于深度学习的ＭＯＯＣ论坛探索型对话识别方法研究 １，２ ３ １ １ ■ 董庆兴 　李华阳　曹高辉 　夏立新 １ ２ 华中师范大学信息管理学院　武汉４３００７９　 武汉大学信息资源研究中心　武汉４３００７９ ３腾讯ＡＩＬａｂ　深圳５１８０５７ 摘要：［目的／意义］大规模在线开放课程论坛具有丰富的用户评论数据。从大量未区分的评论数据中，自 动识别出知识密度较高的探索型对话并挖掘其潜在价值，对于改善教师教学质量以及提高学生知识水平具有 重要影响。［方法／过程］首先利用ＧｌｏＶｅ方法训练词向量，加强对文本语义的理解，然后利用卷积神经网络自 动学习文本特征，提出一种基于深度学习的探索型对话自动识别模型，并在学堂在线平台《心理学概论》课程论 坛标注数据集上进行实证与对比研究。［结果／结论］实验结果显示，利用ＧｌｏＶｅ方法预训练词向量以及在训练 过程中不断对词向量进行学习修正能够提高模型效果。该模型识别探索型对话的Ｆ１值为０．９４，相较于传统的 朴素贝叶斯方法（０．８８）、逻辑斯谛回归方法（０．８９）、决策树方法（０．８８）以及随机森林方法（０．８８）取得较大提 升，具有较高的实用性和较低的学习成本。 关键词：ＭＯＯＣ论坛　探索型对话　ＧｌｏＶｅ　卷积神经网络 分类号：Ｇ２５１ 　　ＤＯＩ：１０．１３２６６／ｊ．ｉｓｓｎ．０２５２－３１１６．２０１９．０５．０１１ １　引言 方式，探索型对话是一种参与者利用语言进行共同推 理，以合理平等的方式分享知识、挑战观点、评估证据、 　　在当前教育大数据背景下，大规模在线开放课 考察备选方案并最终达成共识的对话形式。在ＭＯＯＣ ［１］ 程 （Ｍａｓｓｉｖｅｏｐｅｎｏｎｌｉｎｅｃｏｕｒｓｅ，ＭＯＯＣ）论坛中知识 论坛中，能够帮助用户将大脑中的隐性知识编码为显 ［２－３］ 密度较高的探索型对话 是改善ＭＯＯＣ教育质量的 性知识的探索型对话对于构建良好的虚拟社区生态环 重要着力点。随着大数据时代的来临，教育大数据正 ［１０］ 境、推动知识共享 等具有重要作用，因此以探索型 ［４］ 在成为一种变革教育管理的战略资产和科学力量 。 对话为依托来改善ＭＯＯＣ的教育质量具有现实意义。 利用人工智能和数据挖掘等技术对教育数据进行分 　　当前在参与者进行信息交流的过程中，ＭＯＯＣ论 析，可以帮助教育工作者确定教育资源分配政策、识别 坛积累了大量内容相对集中的文本对话，但是其中大 有辍学倾向的学生、加强教学过程干预等［５］。近年 部分是以结交朋友、询问考试时间、询问作业能否延期 来，ＭＯＯＣ在教学过程中产生了大量用户参与、学习与 提交等为主要内容的课程知识密度含量较低的非探索 ［６－７］ 反馈的数据，是一类重要的数据来源 。ＭＯＯＣ以 型对话，对于提高教育质量影响较小。主流ＭＯＯＣ平 互联网为基础，学生参与学习可以不受时空上的限制， 台普遍未对探索型对话和非探索型对话加以区分，从 但这也使得参与者无法像传统课堂一样进行面对面