14、基于光谱模式学习方法和密集网络多感知神经网络的在线学习环境学生情绪分析

基于光谱模式学习方法和密集网络多感知神经网络的在线学习环境学生情绪分析

1. 引言

在线学习已成为最有效的培训方法之一，尤其是协作学习，能帮助理解学生及其学习问题。学生可借助在线学习平台和协作工具，与他人互动并分享特定主题的问题。

终身学习旨在提升个人和社会层面的成就感，而在线学习作为一种重要的终身学习工具，在近20年里已经广泛渗透到远程学习领域。互联网服务让用户支持和监控程序能轻松融入动态学习的教育和技术方面。

情绪分析，也叫情绪分类或情绪挖掘，是一种计算方法，通过分析大量意见数据来辅助人类决策。在商业中，它能帮助企业分析客户反馈；在政府领域，可预测公众对选举候选人的看法；在日常生活中，能帮助人们做出更好的购买决策。对于在线学习，情绪分析通过自动文本分析过程，提取学习者在博客和论坛中的意见，以识别情绪和评估服务，早期发现学生抱怨和服务缺陷能降低风险，提高学习能力和推广策略。

2. 相关工作

在线学习正朝着更个性化和多样化的方向发展，以实现更好的学习效果。在线学习系统已成为教育的重要支柱，它能完成传统课堂任务并创建高效学习平台。然而，在线学习也存在一些问题，如缺乏监控，且当前研究缺乏多维计算工具来分析学习者在数字学习环境中的参与度。

在发展中国家，在线学习工具为中低收入家庭提供了教育机会，但也带来了隐私问题。同时，在线学习虽然让人们能自主控制学习过程，但多数在线学习网站缺乏人际互动，可能导致用户感到孤立，降低学习动力。在工作场所实施在线学习也面临挑战，网站选择会影响用户表现，且由于数据量大，手动分析困难，需要自动化处理。

现有情绪嵌入方法只能区分不同单词的情绪信息，无法区分同一单词在不同语境中的情