声明
摘要
第1章 绪论
1.1 研究背景
1.1.1 MOOC的产生与发展
1.1.2 MOOC面临的问题
1.2 MOOC研究现状
1.2.1 国外MOOC研究现状
1.2.2 国内MOOC研究现状
1.3 主要局限及解决思路
1.4 本文的组织结构
第2章 文本数据挖掘相关研究
2.1 文本数据挖掘
2.2 文本数据挖掘相关技术
2.2.1 文本分词技术
2.2.2 文本特征表示
2.2.3 文本特征抽取
2.2.4 文本分类
2.2.5 文本聚类
2.3 本章小结
第3章 MOOC讨论区主题语义特征建模
3.1 讨论区特征分析
3.1.1 参与讨论的主要对象
3.1.2 讨论区话题结构特点
3.1.3 讨论区话题内容类型
3.1.4 讨论区话题文本特点
3.2 主题语义的构建
3.2.1 主题语义成分表示
3.2.2 主题义原关系定义
3.2.2 基于关系的相似度计算
3.3 讨论区主题抽取(TEDA)算法设计
3.3.1 讨论区话题特征表示
3.3.2 讨论区主题抽取
3.4 主题语义网构建算法
3.4.1 主题语义网的意义
3.4.2 主题类之间关系的建立
3.4.3 主题语义网构建算法TSNC
3.5 实验过程及结果
3.5.1 实验数据来源
3.5.2 实验过程
3.5.3 实验结果分析
3.6 本章小结
第4章 基于学习兴趣的学习伙伴构建
4.1 MOOC中的学习伙伴构建
4.1.1 学习行为与学习兴趣
4.1.2 话题讨论与学习兴趣
4.2 学习者学习兴趣抽取
4.2.1 学习兴趣定义
4.2.2 基于语义的学习者学习兴趣抽取
4.2.3 学习兴趣的特征表示
4.2.4 学习兴趣相似度计算
4.3 基于学习兴趣的学习伙伴构建(CLPLI)算法
4.3.1 算法基本思想
4.3.2 算法详细描述
4.4 实验过程与结果
4.4.1 实验数据来源及判定标准
4.4.2 实验结果分析
4.5 本章小结
第5章 讨论区知识语义网构建及导航
5.1 知识表示及关系
5.1.1 知识的表示
5.1.2 知识点关系的定义
5.1.3 知识点表示模型
5.2 知识语义网构建(KSWC)算法设计
5.2.1 讨论区知识点抽取
5.2.2 知识语义网定义
5.2.3 知识语义网构建(KSWC)算法
5.3 知识语义网导航(KSWN)算法
5.3.1 知识语义网导航策略
5.3.2 知识语义网导航(KSWN)算法
5.4 实验过程与结果
5.4.1 研究数据过程
5.4.2 实验结果分析
5.5 本章小结
第6章 总结与展望
6.1 总结
6.2 未来工作
参考文献
致谢