《e-Learning中基於互動文本的情感互動方法研究》是依託西安交通大學，由田鋒擔任項目負責人的面上項目。
基本介紹
- 中文名：e-Learning中基於互動文本的情感互動方法研究
- 項目類別：面上項目
- 項目負責人：田鋒
- 依託單位：西安交通大學
中文摘要,結題摘要,
中文摘要
針對當前e-Learning中普遍存在的情感缺失問題，本項目提出基於師生互動文本的情感識別及補償的解決思路。主要研究：①e-Learning中情感互動的典型套用需求分析，構建融合學習者個性、興趣等非智力因素的情感表示模型和基於情感互動變遷模式的情感計算模型；②針對互動文本的互動性、非平衡數據和情感的動態變化，提出一種面向師生互動文本而非視音頻媒體的兩階段情感識別方法，實現個體/群體情感傾向識別和趨勢預測；③針對e-Learning師生互動需求，設計情感補償策略及推薦算法。本項目將彌補e-Learning領域情感建模的不足，開拓e-Learning領域互動文本的情感識別研究，有利於完善現有情感計算理論，為實現e-Learning中情感互動提供理論與方法。預期成果為：發表高水平學術論文8篇（國際期刊2篇），研製出基於互動文本的情感互動原型系統,並在我校網路教育平台中測試與驗證。
結題摘要
針對當前e-Learning 中普遍存在的情感缺失問題，本項目提出基於師生互動文本的情感識別及補償的解決思路。主要研究工作及貢獻點如下： 在情感分類與因素分析方面，基於Plutchik的10個基本情感，通過收集1164名被試問卷，擴展得出面向網路學習者的粗細粒度結合的情感分類（粗粒度三類：正面、負面和平靜；細粒度十七類：解脫、焦慮、憤怒、感激、同情、冷漠、喜愛、厭惡、快樂、悲傷、自豪、內疚、希望、痛苦，驚訝，中性），並發現網路學習者學習時頻繁出現的負面情緒；基於偏最小二乘方法，發現了6維個性特徵同情感補償策略緊密相關，為情感補償提供了指導意見。 在情感識別與補償方面，針對互動文本的自然語言特徵、互動性、句子短等特性，提出了面向互動文本的層次結構情感補償機制，及基於主動聆聽策略的情感識別與調整方法，其特點是：①提出了動態時間視窗和擴展級聯PLSA的話題分割與跟蹤方法，以及基於上下文特徵的子話題識別方法，發現首事件和跟蹤事件，克服話題時變與交叉導致的事件跟蹤難題，為發現負面情緒學習者提供基礎。②提出基於融合語法、統計、上下文特徵的代價敏感隨機森林的情感識別方法，經在5375和9730個話輪的兩個語料上實測，其情感識別準確率優於SVM、貝葉斯等12種傳統方法；③針對類非平衡情感識別問題，結合預設恢復策略，對過採樣、子採樣、重採樣、代價敏感等方法對比。實驗結果顯示，重採樣能夠極大地提升少數類樣本識別精度。④針對情感補償方式的多樣性和用戶體驗的主觀性，提出了融合信任評分-用戶偏好的協同過濾算法音樂推薦方法，提升了用戶滿意度和覆蓋率，同時，提出了基於“依賴關係歸併-索引構建-合併預取”的情感補償資源關聯雲存儲與預取技術，提升了Hadoop上海量情感補償小檔案存儲與讀寫性能。提出了基於案例推理的情緒調節相似性案例推薦方法，在千人/次實驗中，68%認為該方法有效。 在套用驗證方面，結合社會網路分析，提出了情感付出率、正、負情感付出率定義及算法，及意見領袖和情感引領者識別算法，印證了角色（教師和組長）在教學活動中自覺採用情感控制特性，學習成員間情感交流的緊密性。研製出具有互動文本情感識別與補償的個性化學習系統，在交大計算機系和網路學院得到試用；發表期刊論文14篇，其中SCI源刊的國際期刊6篇，國際會議論文5篇。申請6項發明專利，授權2項.
