白 楊

（遼東學院 信息工程學院，遼寧 丹東 118003）

近年來，隨著多媒體技術(shù)和網(wǎng)絡技術(shù)的發(fā)展，在線學習已成為人們學習的另一種主要方式。在線學習打破了傳統(tǒng)教學在時間和空間上的限制，給學習者提供了一個寬松、自由、開放的學習環(huán)境。大數(shù)據(jù)技術(shù)的興起對社會生產(chǎn)和生活都產(chǎn)生著深刻的影響，過去無法收集和分析的數(shù)據(jù)被大數(shù)據(jù)技術(shù)賦予了新的可能性，近年來涌起了對人們行為和喜好挖掘的研究熱潮，大數(shù)據(jù)技術(shù)成為了教育變革與創(chuàng)新的重要推動力。大數(shù)據(jù)所特有的“全面性”的數(shù)據(jù)、潛在的“大價值”及先進的技術(shù)手段，為充分挖掘?qū)W習者的情感語義進而促進個性化學習平臺構(gòu)建提供了有力的支撐。在大數(shù)據(jù)環(huán)境下，教育學習資源變得越來越豐富，學習者模型的內(nèi)容不僅包含了學習者的知識狀態(tài)，而且還包含了學習者的興趣偏好、學習風格和認知能力等特征，因此個性化學習成為新時期學習者的更高要求。同時，在線學習中學習者以自主學習為主，長時間處于孤立的學習狀態(tài)，缺乏情感支持?，F(xiàn)有的研究對學習者的動機、情感等非智力因素還關(guān)注不夠，不僅缺乏有效的表示方法，而且缺乏恰當?shù)慕＜夹g(shù)，嚴重影響了在線學習的效果。因此，如何為學習者構(gòu)建一個智能化、個性化的學習環(huán)境，成了近年來人工智能教育應用領(lǐng)域的研究熱點。通過對大數(shù)據(jù)個性化學習模型的分析，能夠深入探究學習者的學習過程與情境，發(fā)現(xiàn)學習規(guī)律，并根據(jù)每一個學生的需求和能力為其提供個性化自適應學習。本研究從學習者文本情感分析的視角，重點研究在線教學網(wǎng)絡的學習者的個性化學習模式，使智能學習系統(tǒng)具有情感能力，符合智能推薦、信息共享等個性化服務發(fā)展的實際需要。

1 文本情感分析

文本情感分析是利用計算機自動挖掘出主觀性文本中表達的情緒、態(tài)度和意見[1]。隨著Web2.0的迅猛發(fā)展，人們從被動地瀏覽信息到主動地發(fā)表意見、表達思想，網(wǎng)絡由此而產(chǎn)生了海量的、主觀的文本數(shù)據(jù)。在線教學網(wǎng)絡如慕課、可汗學院等平臺不僅提供了大量的學習資料，還為學習者提供了一個自由表達情感的空間，學習者通過參與討論、發(fā)表評論等方式進行知識交流和共享，而由此產(chǎn)生的數(shù)據(jù)大部分以文本形式存在，許多學者開始分析和挖掘這些文本數(shù)據(jù)中的情感信息。文本情感分析已經(jīng)成為自然語言處理中的研究熱點，通常包括以下4個方面研究內(nèi)容[2]。

（1）詞語極性判定。詞語的情感分析是句子、篇章情感分析的基礎。詞語情感分析包括情感詞語自動識別和詞語情感極性判斷兩方面內(nèi)容，實現(xiàn)的基本思路通常有兩種：基于語料庫的方法和基于語義詞典的方法。

（2）文本情感分類。根據(jù)文本中表達的觀點、態(tài)度，將其劃分為“肯定”、“否定”或“中立”3種基本的文本情感分類。目前，主要有基于情感詞語和基于機器學習的兩種實現(xiàn)文本情感分類的思路。

（3）評論意見挖掘。學習者評論文本中一般包含多個主題，學習者對不同的主題往往持有不同的意見。為了深入挖掘用戶對某個主題的態(tài)度和意見，目前流行的挖掘方法是細粒度的意見挖掘。

（4）文本情緒識別。以上3種一般是面向評論文本，而對于博文、日志等文本內(nèi)容，通常需要識別學習者高興、悲傷、生氣等情緒。目前比較流行的研究方法是通過情感詞和語義規(guī)則來識別文本中的情感信息。

2 個性化學習模式

在線學習者在學習過程中情感狀態(tài)會隨著學習活動的進行而發(fā)生變化，這一變化產(chǎn)生的因素主要有學習內(nèi)容、學習時間、學習結(jié)果等。譬如，學習之初由于學習內(nèi)容較為簡單，學習者的情緒往往表現(xiàn)為輕松、高興；而隨著學習內(nèi)容難度的加深，學習者的情緒逐漸呈現(xiàn)沮喪、難過。這時，學習者參加的討論活動中，這些情緒會在相應的文本數(shù)據(jù)中有所體現(xiàn)，學習模式系統(tǒng)通過對這些文本數(shù)據(jù)進行情感識別，建立情感模型，以智能學習系統(tǒng)為支持，為學習者提供個性化服務，比如為學習者推薦相應的學習資料、分享多數(shù)人在此時的經(jīng)驗、做法，甚至推送一段輕松的音樂等，已達到對學習者進行情感調(diào)節(jié)，使他們在學習過程中脫離孤立無援的狀態(tài)的目的。融合本文情感分析的個性化學習模式框架結(jié)構(gòu)如圖1所示，主要包括4個環(huán)節(jié)內(nèi)容。

圖1 融合本文情感分析的個性化學習模式框架

2.1 文本分詞

分詞處理將確定語句的粒度，如詞（words）或詞項（terms）。分詞方法包括詞典分詞和無詞典分詞兩種，前者是利用詞典中包括的領(lǐng)域術(shù)語，根據(jù)設定好的切詞字數(shù)，通過最大正向匹配將語句從左至右進行切分。后者是利用統(tǒng)計思想來分詞，如最大概率法公式為：一個詞的概率=其出現(xiàn)的次數(shù)/語料中總的詞數(shù)，以此區(qū)分詞在一個文檔中的重要程度。另外，還有一些常用的切詞工具如Standard Analyzer，Chinese Analyzer等都各具優(yōu)勢。

2.2 情感建模

情感建模是個性化學習模式的關(guān)鍵環(huán)節(jié)。隨著情感計算的發(fā)展，研究者已提出了許多有效的情感識別技術(shù)，為學習者情感建模打下了良好的技術(shù)基礎?？梢酝ㄟ^文本挖掘技術(shù)識別學習者某一時間的情感狀態(tài)，主要包括情感特征選擇、情感語義描述、情感類別分類3個步驟。通常的做法是在文本分詞之后，結(jié)合情感語義詞典選擇文本的情感特征項，采用向量空間模型來實現(xiàn)文本語義內(nèi)容的形式化描述，然后基于Apriori，F(xiàn)P-樹等分類方法進行情感分類器的訓練、情感類別判定和文本情感分析，從而實現(xiàn)學習者的情感建模。

2.3 學習系統(tǒng)

該系統(tǒng)存儲了學習模型的適應性規(guī)則，如定義了如何根據(jù)學習者的知識狀態(tài)、學習者選擇的知識點、學習者的學習風格以及學習者的情感狀態(tài)，從領(lǐng)域知識本體中選擇出合適的知識點，并包括導航學習的過程的內(nèi)容。

2.4 個性化服務

主要用于對學習者實現(xiàn)個性化推薦，如根據(jù)學習者的學習風格和情感狀態(tài)向?qū)W習者推薦難度匹配和類型恰當?shù)膶W習資源，根據(jù)學習者的知識狀態(tài)和情感狀態(tài)推薦學習內(nèi)容。還可以進行學習者社區(qū)的挖掘，為實現(xiàn)知識的共享提供支持。

3 結(jié)語

個性化學習模型是智能學習系統(tǒng)的核心組件。在大數(shù)據(jù)環(huán)境下，融入文本情感分析的個性化學習模式能夠?qū)崿F(xiàn)全面地記錄、跟蹤、掌握學習者的不同學習特點、學習需求、學習基礎和學習行為，為學習者建立個性化學習模型，打造個性化的學習路徑，推薦個性化學習資源。因此，融入文本情感分析讓教育變得千人千面，暗合了“因材施教”的理念，適應個性化和人性化的學習變化，使學習者在學習過程中真正找到幸福感。本研究重點討論文本情感分析的過程，并未探討學習者知識狀態(tài)及學習風格等內(nèi)容的存儲和識別，未來的工作將進一步完善個性化學習模型的內(nèi)容。