现代远程教育中情感缺失现象的分析与对策研究

相对于一些理论性的对策,在现代远程教育中利用现代网络和通信技术与人相配合对情感缺失进行弥补,可以使这一现象的缓解更具有实时性和实践性,教学过程中存在情感缺失的主体是教师和学生双方,教学中的交流也主要发生在教师和学习者、学习者和学习者之间。因此,对现代远程教育中情感缺失现状的对策的研究也可分教师和学习者以及学习者和学习者两方面去看。     

面向老人迟滞性特征的可信情感计算

根据老人认知心理特征中的迟滞性特征,结合基于Gross认知重评的情感计算模型,考虑迟滞性特征对个体情感状态转移的影响,在认知重评参数的基础上,建立迟滞性因子,对当前情感状态下的认知重评能力进行修正,从而对情感计算模型进行有效的修正,使人机交互更加自然和谐.为了实现情感计算模型的可信,结合现场可编程门阵列硬件平台和高级加密标准密码算法对情感计算模型中的老人情感信息进行加密处理,实现情感计算过程中的数据可信.采用可编程片上系统技术在现场可编程门阵列芯片EP4CE115F29C7中搭建功能实现所需的所有硬件组件,结合硬件组件编写逻辑程序并实现高级加密标准密码算法,在情感计算过程中实现数据的实时传输和安全处理,实现可信的情感计算.最后实验结果表明受到迟滞性特征影响下的情感计算模型与老人的真实情感具有高度一致性,且可信计算有助于提升老人的正向情感状态.     

基于远程教育情感交流的教学设计

在远程教育中,通过整合各方面因素,进行了情感教学设计,促进了各交往主体之间的情感交流,形成情感信息交流系统,在情感互动的氛围里,让学生获得积极的情感体验,陶冶了情操,学习积极性也得到增强,使学生在学习过程中实现认知与情感的和谐发展。     

情感隐喻计算及其应用研究

隐喻的普遍性以及在情感表达中的重要作用决定了情感隐喻计算在自然语言处理以及人工智能研究中的重要地位．人工智能不仅要让计算机具有超越人类感知计算的能力,而且要让计算机与人进行情感的交流,而情感隐喻在情感交流中发挥着重要的作用．首先对情感隐喻计算研究的历史加以回顾,阐述各个发展阶段的主要特点和主要成果;然后从情感隐喻的理论基础出发,对情感隐喻资源建设、情感隐喻识别与理解相关研究进行深入的分析和总结,并探讨情感隐喻计算的应用途径,最后提出面临的挑战和对未来的展望．     

远程教育系统的网络安全策略研究

在对远程教育系统安全要求进行分析的基础上,对远程教育系统的网络安全问题进行研究,提出了面向远程教育系统的入侵检测和数字签名技术,并给出了入侵检测系统的体系结构和数字签名技术的安全模型。该技术的应用将有效地解决远程教育网络安全问题。     

E－Learning中一种基于气质类型的情感计算算法

根据在学习中可能产生的情感提取了5个情感特征,引入心理学理论生成情绪感受性矩阵,通过学习者不同的气质类型向量得出个性化的情感向量,更真实地体现了学习者的情感状态,根据学习者不同的情感及情感强度推荐学习不同难度的知识,使得学习更人性化.气质类型是基于希波克拉底的体液理论发展而来的气质学说,气质类型可以良好的表达人的人格基础.将气质类型引入E-Learning中的情感计算,可以更好地对学习者的性格、学习状态进行分类,切实做到因材施教.     

语音情感信息可视化建模研究与探析

语音情感识别是情感计算领域的一个重要分支,研究者们尝试从多种角度对其展开不懈研究。本文从可视化的角度出发,提出了基于信息可视化的情感识别方法,原始语音情感特征经过图表示映射为包含内部数据结构信息的新型情感图特征,在一定程度上促进了语音情感识别系统的性能提高。另外,还将信息可视化技术应用到情感识别结果的表达上,实现情感信息的生动描述和高效表达。在信息可视化技术和语音情感识别研究充分融合的基础上,构建了一个完整的语音情感信息可视化模型,作为系统实现的基础。     

基于MFCC的语音情感识别

情感语音中携带着丰富的信息,在人机交互领域有着广阔的应用.Mel频率是基于人耳听觉特性提出来的.它与Hz频率成非线性对应关系.Mel频率倒谱系数(MFCC)则是利用它们之间的这种关系,计算得到的Hz频谱特征,MFCC已经广泛地应用在语音识别领域.由于Mel频率与Hz频率之间非线性的对应关系,使得MFCC随着频率的提高,其计算精度随之下降.因此,在应用中常常只使用低频MFCC,而丢弃中高频MFCC.针对该问题进行了研究,修正了Hz-Mel非线性对应关系,提升了中高频系数的计算精度,并将其作为低频MFCC的补充,应用到语音情感识别中.实验证明,改进之后的算法与经典算法比较,在不同的特征组合上识别率都有不同程度的提高,从而证明了Mid MFCC特征计算方法的有效性.     

基于维度情感计算的E-Learning模型研究

以维度情感模型为基础划分学习者学习情感,采用情感计算方法,定量表示学习情感和学习者性格,在学习过程中结合情感计算值和知识体系难度划分来动态进行知识点推荐和交互。提出了基于维度情感模型的情感计算方案,用以建设现有E-Learning系统,增加系统的个性化推荐策略,提高系统交互性,从而达到增加系统效用,为学习者服务的最终目的。     

Web挖掘在远程教育系统中的应用

阐述了在远程教育系统的研究和应用中，利用Web挖掘技术，有效地将学生学习过程中的数据记录到日志文件中，并对日志文件进行有效地分析和挖掘；利用Apriori改进算法FT-树增长算法，找出对远程教育系统及基于Web的其他教学和管理工作有指导作用的关联规律。     

一种结合文章信息的新闻评论情感分析方法

新闻评论表达了人们对新闻事件的看法与态度, 因此对新闻评论进行分析具有潜在的应用价值. 传统的情感分析方法仅对评论文本进行分析, 忽略了新闻文章主题及语义信息对评论的影响. 针对这个问题, 提出了一种基于支持向量机和 $K$ 均值聚类的情感分析方法, 将新闻文章信息对评论情感的影响因素引入到新闻评论的情感分类中. 实验结果证明了该方法在新闻评论情感分析任务中的有效性.     

虚拟仪器及技术在远程教育中的应用前景

虚拟仪器技术的发展使之在多个领域得到应用.在计算机技术和网络技术迅猛发展的情况下,虚拟仪器技术将会成为未来实验教学、科研的重要方法和手段,特别是在远程教育中有着较广阔的应用前景.本文试图从分析虚拟仪器的本质和发展趋向入手,结合远程教育发展中实验教学的难题,粗略探讨虚拟仪器技术在远程教育中的应用前景.     

基于情感语义的个性化推荐研究

把情感语义引入了推荐系统,设计了基于情感语义的推荐系统模型.通过发现商品潜在的情感因素并对顾客情绪进行识别,提出了由情感匹配程度计算情感支持度的方法,给出了情感与关联规则挖掘结合的个性化推荐算法.实验验证了研究的可行性和有效性.     

大数据背景下的学生情感词典构建方法?

学生的情感教育一直是教育界的研究热点和难点,由于学生个人情感的隐秘性,教师很难获取学生的情感状况.研究通过学生大量使用的社会交互网站中的文本信息分析学生的情感状态,核心是针对学生常用情感词构建情感词典,根据学生大量使用新词、伪词的特点,结合新浪微博提供的情感符号,以现有情感词典为基础,在动态更新的新浪微博大数据中应用文本相似度计算方法,扩充情感词典,构建符合学生语言特点和新浪微博风格的学生情感词典.词典包括情感极性和强度,为基于学生微博文本的情感感知和进一步的情感教育奠定基础.     

基于扩展的情感词典和卡方模型的中文情感特征选择方法

根据经典的特征选择方法在中文情感评论文本中应用的缺陷和不足,提出了一种改进的中文情感特征选择方法.目前,现有的情感特征选择方法普遍只利用了特征项在褒贬类中的统计信息,忽略了情感极性值对特征选择的影响;同时情感文本中否定词会带来特征项情感极性反转的情况,为特征选择带来较大的负面影响.针对这些问题,首先对情感文本中的否定词进行了检测和判定,对否定词界定范围内的情感特征词进行反义变换处理,有效的解决了情感文本中极性反转的问题.同时还将特征项的情感极性值和其在类中的频率特点两个因素融入到卡方特征选择模型(CHI)中,从而提升了卡方模型在文本情感特征选择的效果.实验结果表明,本文算法较其他算法在多个领域数据集上的情感分类准确率提高了1.5%左右.     

现代教育技术对优化远程教育教学过程的促进作用

从应用现代教育技术有助于促进远程教育教学管理的优化.有助于促进远程教育教学传播的优化、有助于促进远程教育学习支助服务的优化等方面,阐述了现代教育技术对优化远程教育教学过程的促进作用.提出了加强现代教育技术在远程教育教学过程中的应用,是充分发挥现代信息技术在远程教育中的教学优势,有效地提高远程教育的教学效率与教学质量,促进远程教育教学过程优化的有效途径.     

利用关系抽取技术联合识别文本中的方面-极性对

方面级情感分析旨在识别出句子中显式提及的方面及其情感极性,是细粒度情感分析中的重要任务.现有使用序列标注进行方面级情感分析的方法存在当方面(aspect)由多个单词构成时,每个单词的情感极性可能不一致,而基于跨度(span)的方法存在因方面标签和情感标签混合而导致的标签异质问题,同时现有的研究忽略了文本中方面-情感极性对之间的相互关联.为了解决上述问题,受关系抽取技术的启发,本文将方面-情感极性对抽取视作一元关系抽取问题,其中方面看成论元,其对应的情感极性作为关系,通过序列解码捕捉方面-情感极性对之间的关联.本文在3个数据集上进行了一系列实验来验证模型的有效性,实验结果表明,其性能超过了现有的最佳模型.     

基于微博情感分析的电影票房预测研究

微博作为电子口碑的重要载体,极大影响了消费者的购买决策和商家的产品销售.为此,以新浪微博为平台,研究从微博中挖掘情感信息并利用这些信息对产品销售进行预测的方法.分析影响微博评论的因素,基于已构建的情感本体,建立微博中情感计算方法.然后在传统自回归模型的基础上融入情感因素,提出自回归情感预测模型用于产品销量的预测.对电影数据集进行了广泛地实验,分析参数选择,并与其它预测模型进行比较,实验证实我们提出的方法的有效性.     

基于量化情感的网店垃圾评论检测

提出量化情感的概念（评论中的情感值）,从用户评论的自然语言文本中得到用户表达的情感值。为了计算评论的量化情感,对评论中的情感词的依存关系进行了研究。给出了情感句的量化情感算法。对量化情感与垃圾评论的关系进行分析,通过直观观察,确定了一系列判别方法。最后本文以量化情感值为指标,建立时间序列对网店的评论选行分析,有效地检测了垃圾评论。实验结果证明在检测网店垃圾评论工作中,所提出的方法有良好的检测结果,优于已有的方法.     

基于双粒度模型的中文情感特征词提取研究

为了能够快速准确地提取出海量文本信息中的情感特征词,提出从情感词语集中通过人工筛选得到种子词并对其情感强度赋值,同时,以这些种子词为基准计算出情感词语集中其他词语的情感强度值,从而得到各特征词在词语级及句子级的倾向性贡献度值。然后,将特征词在词语级、句子级这2种不同粒度情况下计算出的情感倾向性贡献度值有机结合起来,构造出基于双粒度模型的中文情感特征词提取模型。该提取方法考虑了特征词在词语级和句子级2个方面的情感倾向,使最终提取出的情感词的准确率得到了提高。实验表明,只要有一个全面的情感词典系统和一组准确恰当的种子词,提出的方法可以获得良好的准确率和召回率。