摘要
图目录
表目录
1.1研究背景
1.1.1在线学习发展中遇到的问题
1.1.2《教育信息化2.0行动计划》的新要求
1.1.3在线学习问题解决方式调查和个人在线学习经历
1.2研究现状分析
1.2.1国内外自动问答系统的研究现状
1.2.2基于深度学习的答案匹配方法的研究现状
1.3研究问题与研究思路
1.3.1研究问题
1.3.2研究思路
1.4研究方法
1.4.1基于设计的研究
1.4.2观察法
1.4.3访谈法
1.5预期研究结果及创新点
1.6关键词概念界定
1.6.1学习成效
1.6.2个性化问题
第2章LSTM神经网络研究及相关教育理论基础
2.1深度学习、机器学习与人工智能
2.2问答系统中常用的深度学习模型
2.2.1循环神经网络模型RNN
2.2.2长短程记忆(LSTM)网络模型
2.2.3双向长短程记忆网络模型
2.3相关教育理论基础
2.3.1交互影响距离理论
2.3.2个性化学习相关研究
2.4 TensorFlow概述
第3章数据集构建及神经网络模型设计
3.1研究课程选取
3.2基于LSTM神经网络问答的总体设计
3.3学习问题和答案的收集及生成
3.3.1学习问题的收集
3.3.2问题答案的生成
3.4构建数据集
3.5基于LSTM神经网络的问题识别程序设计
3.5.1构造流程
3.5.2神经网络模型设计
3.5.3运行环境和相关参数设置
第4章神经网络模型测试与问答程序实现
4.1 LSTM神经网络的训练
4.1.1对输入问题进行编码
4.1.2让模型学会区分问题的正确和错误答案
4.1.3训练模型
4.2 LSTM神经网络模型识别准确率第一轮测试及优化
4.2.1模型识别准确率测试结果
4.2.2原因分析
4.2.3优化数据集
4.3 LSTM神经网络模型识别准确率第二轮测试及优化
4.3.1模型识别准确率测试结果
4.3.2原因分析
4.3.3进一步优化模型识别准确率
4.4 LSTM神经网络模型识别准确率测评
4.5实现对输入问题的回答
第5章实际学习环境中运用及数据分析
5.1项目学习实验概述
5.1.1收集问题学习情况分析
5.1.2组织方式
5.1.3研究工具
5.1.4研究对象
5.2项目学习实验实施
5.2.1准备实验器材
5.2.2调试学习环境
5.2.3项目学习实验实施
5.3学习者项目课程学问题数据收集与分析
5.3.1学习问题解答情况统计分析
5.3.2学习问题数据分类统计分析
5.3.3项目学习完成率统计分析
5.4学习者访谈数据整理与分析
5.4.1对问答系统的态度
5.4.2带来新提升
5.4.3不足
5.5 LSTM模型识别程序第三轮测试及优化
5.5.1答案显示问题
5.5.2对新问题的处理
5.5.3问题输入程序的改进
第6章总结与展望
6.1对研究问题的回答
6.2研究总结
6.3研究局限与展望
参考文献
附录
攻读学位期间取得的研究成果
致谢
声明