基于维度情感计算的E-Learning模型研究

大理学院学报　ＪＯＵＲＮＡＬ　ＯＦ　ＤＡＬＩ　ＵＮＩＶＥＲＳＩＴＹ　第１３＠第６期２０１４年６月　Ｖｏ！．１３　Ｎｏ．６　Ｊｕｎ．２０１４　［ＤＯＩ］１０．３９６９／ｊ．ｉｓｓｎ．１６７２—２３４５．２０１４．０６．００５　基于维度情感计算的Ｅ－Ｌｅａｒｎｉｎｇ模型研究　石宜金　，贾志洋　（１．云南大学旅游文化学院，云南丽江６７４１００；２．北京大学信息科学技术学院，北京　１００８７１）　［摘要］以维度情感模型为基础划分学习者学习情感，采用情感计算方法，定量表示学习情感和学习者性格，在学习过程中结　合情感计算值和知识体系难度划分来动态进行知识点推荐和交互。提出了基于维度情感模型的情感计算方案，用以建设现有　Ｅ－Ｌｅａｒｎｉｎｇ系统，增加系统的个性化推荐策略，提高系统交互性，从而达到增加系统效用，为学习者服务的最终目的。　［关键词］Ｅ－Ｌｅａｒｎｉｎｇ；情感模型；情感计算；推荐策略　［中图分类号］ＴＰ３９３．０９２　［文献标志码］Ａ　［文章编号］１６７２－２３４５（２０１４）０６—００１５—０５　Ｓｔｕｄｙ　ｏｎ　Ｄｉｍｅｎｓｉｏｎａｌ　Ｍｏｄｅｌ　Ｂａｓｅｄ　ｏｎ　ｔｈｅ　Ａｆｆｅｃｔｉｖｅ　Ｃｏｍｐｕｔｉｎｇ　Ｅ－－Ｌｅａｒｎｉｎｇ　ＳＨＩ　Ｙｉｊｉｎ　．ＪＩＡ　Ｚｈｉｙａｎｇ　（１．Ｃｏｌｌｅｇｅ　ｏｆＴｏｕｒｉｓｍ　ａｎｄＣｕｌｔｕｒｅ，ＹｕｎｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｌｉｊｉａｎｇ，Ｙｕｎｎａｎ　６７４１００，Ｃｈｉｎａ；２．Ｓｃｈｏｏｌ　ｏｆＥｌｅｃｔｒｏｎｉｃｓＥｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ，Ｐｅｋｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ　１００８７１，Ｃｈｉｎａ）　［Ａｂｓｔｒａｃｔ］Ｔｈｉｓ　ｔｈｅｓｉｓ　ｄｉｖｉｄｅｓ　ｌｅａｒｎｅｒｓ　ｌｅａｒｎｉｎｇ　ａｆｅｃｔ　ｂａｓｅｄ　ｏｎ　ｄｉｍｅｎｓｉｏｎａｌ　ａｆｆｅｃｔｉｖｅ　ｍｏｄｅｌ，ａｎｄ　ｉｎｔｒｏｄｕｃｅｓ　ｔｈｅ　ｍｅｔｈｏｄ　ｏｆ　ａｆｆｅｃｔｉｖｅ　ｓｅｍａｎｔｉｃｓ　ｔｏ　ｑｕａｎｔｉｔａｔｉｖｅｌｙ　ｓｈｏｗ　ｌｅａｒｎｉｎｇ　ａｆｆｅｃｔ　ａｎｄ　ｌｅａｒｎｅｒｓ　ｃｈａｒａｃｔｅｒ，ａｎｄ　ｔｈｅｎ　ｒｅｃｏｍｍｅｎｄｓ　ｔｈａｔ　ｔｈｅ　ｃｏｎｔｅｎｔ　ｓｈｏｕｌｄ　ｂｅ　ｓｔｕｄｉｅｄ　ａｎｄ　ｉｎｃｒｅａｓｅｓ　ｔｈｅ　ｉｎｔｅｒａｃｔｉｏｎ　ｂｅｔｗｅｅｎ　ｌｅａｒｎｅｒｓ　ａｎｄ　ｃｏｍｐｕｔｅｒｓ　ａｆｔｅｒ　ｔｈｅ　ｐｒｏｃｅｓｓ　ｏｆ　ｃｏｍｂｉｎｉｎｇ　ａｆｆｅｃｔｉｖｅ　ｃｏｍｐｕｔｉｎｇ　ｖａｌｕｅ　ａｎｄ　ｔｈｅ　ｄｅｇｒｅｅ　ｏｆ　ｋｎｏｗｌｅｄｇｅ　ｄｉｆｆｉｃｕｌｔｙ．Ｔｈｉｓ　ｔｈｅｓｉｓ　ａｌｓｏ　ｐｕｔｓ　ｆｏｒｗａｒｄ　ｔｈｅ　ｐｌａｎ　ｏｆ　ａｆｆｅｃｔｉｖｅ　ｓｅｍａｎｔｉｃｓ　ｂａｓｅｄ　ｏｎ　ａｆｆｅｅｔｉｖｅ　ｍｏｄｅｌ，ｔｏ　ｄｅｖｅｌｏｐ　ｔｈｅ　ｅｘｉｓｔｉｎｇ　ｌｅａｒｎｉｎｇ　ｓｙｓｔｅｍ　ａｎｄ　ｄｉｖｅｒｓｉｆｙ　ｔｈｅ　ｒｅｃｏｍｍｅｎｄａｔｉｏｎ　ｏｆ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｓｔｒａｔｅｇｙ，ｓｏ　ａｓ　ｔｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｉｎｔｅｒａｃｔｉｏｎ　ｏｆ　ｔｈｅ　ｓｙｓｔｅｍ，ａｎｄ　ｔｈｕｓ　ｔｈｅ　ｅｆｆｅｃｔｉｖｅｎｅｓｓ　ｏｆ　ｔｈｅ　ｓｙｓｔｅｍ　ｉｓ　ｉｍｐｒｏｖｅｄ．Ｉｎ　ｔｈｅ　ｅｎｄ，ｔｈｅ　ｇｏａｌ　ｏｆ　ｓｅｒｖｉｎｇ　ｔｈｅ　ｌｅａｒｎｅｒｓ　ｉｓ　ｆｕｌｉｆｌｌｅｄ．　［Ｋｅｙ　ｗｏｒｄｓ］Ｅ－Ｌｅａｒｎｉｎｇ；ａｆｆｅｃｔｉｖｅ　ｍｏｄｅｌ；ａｆｆｅｃｔｉｖｅ　ｃｏｍｐｕｔｉｎｇ；ｒｅｃｏｍｍｅｎｄａｔｉｏｎ　ｓｔｒａｔｅｇｙ　Ｅ—Ｌｅａｒｎｉｎｇ将网络技术和多媒体技术进行整　合作为一种教学辅助模式进入高校，在一定程度上　打破了高校课堂的禁锢，成为学生学习的又一种学　效用，才能充分为学习者服务，达到Ｅ—Ｌｅａｒｉｎｇ的最　终目的和系统开发的初衷。　在Ｍａｎｏｕｓｅｌｉｓ与Ｃ．Ｃｏｓｔｏｐｏｕｌｏｕ［３　论文中对推荐　系统进行了阐述，可以做出如下定义。　习辅助模式ｎ］。然而教师与学生之间在空间上存　在的间隔，导致Ｅ—Ｌｅａｒｎｉｎｇ系统的人性化和推荐策　略遇到瓶颈，导致Ｅ—Ｌｅａｒｎｉｎｇ系统难以发挥较佳的　效用，主要表现在Ｅ—Ｌｅａｒｎｉｎｇ现有系统利用率较　低，教学内容和学生的需求不平衡，这将致使学生　定义１推荐系统是一种依据综合信息，来预　测特定的系统用户对一个特定的物品（预测问题）　是否喜欢或能否引起对该用户的兴趣的系统。　定义２　Ｅ—Ｌｅａｒｎｉｎｇ推荐系统是利用推荐技　术，来判断用户对系统中所提供的推荐的满意程　度，同时为决策提供依据。　将推荐技术引入到Ｅ—Ｌｅａｒｎｉｎｇ系统中的建设　将能帮助学习者寻找适合自己的课程资源，同样的　在推荐系统中引入学习者的个人情感元素将能进　一的学习情感缺失，甚至放弃使用Ｅ—Ｌｅａｒｎｉｎｇ系统。　Ｊａｙ　Ｃｒｏｓｓ曾指出Ｅ—Ｌｅａｒｎｉｎｇ中学习（Ｌｅａｒｎｉｎｇ）更为　重要，因此在Ｅ—Ｌｅａｒｎｉｎｇ系统中导入学习者的情感　因素计算体系　］，让网络学习系统能够识别学生情　绪，提高人机交互，通过交互反馈向学习者进行动　态课程推荐，在一定程度上提高Ｅ—Ｌｅａｒｎｉｎｇ系统的　７５　步提高Ｅ—Ｌｅａｒｎｉｎｇ系统的效用。　总第１２６期自然科学　１情感表示模型　伴随人类的认知过程而产生了情感，关于人的　情绪方面的起伏变化定性表示可以分为喜、怒、哀、　乐等。而将情感进行定量表示，是将情感进行量化　便于情感进行计算，情感量化结果的好坏直接影响　着情感识别的准确性，从而影响推荐系统的精确　性。因此对各种情感进行表示成为进行情感研究　的一个复杂而困难的问题。早在１９世纪，就有学者　将情感作为自然科学研究的对象，情感的研究主要　涉及多门学科如：心理学、生理学、认知学等。笔者　通过查阅文献发现，学者们将情感的表示分为两大　类：一是维度（连续）情感模型；二是离散情感模　型。笔者主要进行了维度情感模型的研究。关于　维度情感模型的观点主要有以下几种。　Ｐｌｕｔｃｈｉｋ［４　表示情感具有强度、相似度、两极性３　个维度，提出了情绪三维模型。　Ｒｕｓｓｅｌｌｂ　提出了环状模型。他将情绪分两个　维度：愉快度和强度。愉快度分为愉快和不愉快，强　度分为中等强度和高等强度。由此可以组合成４种　类型：愉快一高等强度是高兴，愉快一中等强度是轻　松，不愉快一中等强度是厌烦，不愉快一高等强度是　惊恐。这种分类评价情感的方法，在许多国家都得　到了一致的研究结果。　１９９６年Ｍｅｈｒａｂｉａｎ［６　提出的ＰＡＤ三维模型是目　前在心理学界常用的模型。ＰＡＤ又称为维度测量模　型，愉悦度（Ｐ）、激活度（Ａ）和优势度（０）３个维度。Ｐ　（Ｐｌｅａｓｕｒｅ—ｄｉｓｐｌｅａｓｕｒｅ）指的是个人情感状态的特　征；Ａ（Ａｒｏｕｓａｌ—ｎｏｎ—ａｒｏｕｓａ１）展示的是个人的生理　激活水平；Ｄ（Ｄｏｍｉｎａｎｃｅ—ｓｕｂｍｉｓｓｉｖｅｎｅｓｓ）描述的是　个体对于特定情景和他人的情形下的控制状态。　ＰＡＤ模型给出了将情感空间进行描述的理论　构想，同时还采用了量化的方法来帮助建立情感的　模型进行进一步分析，在这基础上能够构建基于情　感计算的个性空间ｎ　。　２　Ｅ－Ｌｅａｒｎｉｎｇ系统情感计算模块导入　Ｅ—Ｌｅａｒｎｉｎｇ系统通过信息技术运用，整合教学　资源，通过指导进程来查询成绩库和知识库来确定　特定学习者的学习模式并将学习确定后的学习模　大理学院学报　式发送给学习进程，最终将多媒体和网络教学资源　（主要为视频资源）传送给学习进程　。系统情感计　算模块的导入主要是改进了参考文献［９］中关于气　质类型的情感计算算法，在原有算法的基础上进一　步增加了推荐模块和反馈模块。学习结束后将学　习者的学习表现发送给评价进程，对本次学习进行　评价，并将成绩导人成绩库。根据目前已有情感计　算算法，结合情感计算的理论基础，融合知识体系　的难易程度，Ｅ—Ｌｅａｒｎｉｎｇ系统中添加学习者性格库，　对性格分析和学习情感进行分析，以分析结果指导　学习者的学习进程和推荐合适难度的知识点，从而　提高Ｅ—Ｌｅａｒｎｉｎｇ个性化推荐系统的效用。　加入的学习者性格模块起到的作用有：　（１）通过学习者面部表情识别，经由性格分析　后得出真实的情感状态，并传达给情感进程，反馈　给指导进程，以便判断学习者此刻情绪状态下的学　习能力，为其后续学习进行指导；　（２）评价进程在对学生当次的学习效果进行评　价时，通过人格库获得学习者的性格，以便更好地　对学习者的学习表现进行评价。本文作者的研究　重点在于通过气质类型人格库对学习者的情感状　态和学习能力进行评价，对其后续学习进行指导。　２．１知识体系图构建知识体系图是对学习内容　的知识结构进行规划，建立起学科知识科学的知识　树，并根据学习者的学习进度对不同的知识点进行　不同的难度标记，使得系统在为学习者进行知识分　配时，能够更好地考虑到学习者对该知识点的学习　能力，以及在情绪状态下能否进行学习该难度的知　识点　。建构原则如下：将一课程分为日个章节其　中的第，个章节内部又划分为ｎ个知识点，然后把这　些知识点分别定义为Ｋ１，Ｋ２，Ｋ３，…，Ｋｎ共ｎ个知识　点，最后来生成一个ｎ×　矩阵，表示各个章节之间　的关联度，例如：Ｋｉｊ（１≤　≤ｎ，１　≤ｎ）所表示的是．　知识点是否为ｉ知识点的前置知识点内容，若直接　相关联则ｃｑ＝１，否则ｃｏ＝０。假设ｎ＝５，且生成的章　节矩阵为　ＯＯ０００　００００Ｏ　Ｋｎ＝Ｉ１　Ｏ　０　０　０　０　１　１　０　０　０　Ｏ　０　１　０　总第１２６期　石宜金，贾志洋基于维度情感计算的Ｅ—Ｌｅａｒｎｉｎｇ模型研究　第１３卷　构建知识体系图，如图１所示。　图１知识体系图　知识体系图构建以后可以进一步构建学科专　业体系图，首先建立相应的数据结构，可以生成一　个有向无圈图（Ｄｉｒｅｃｔｅｄ　Ａｃｙｃｌｉｃ　Ｇｒａｐｈ，ＤＡＧ），然后　由专业教师对专业学科课程内容进行排序，最终生　成科学的学科课程的知识体系图。其中对于学科　专业知识体系图的排序，由于在知识体系图的深度　优先搜索中，顶点问（即课程内容或知识点）前后代　关系按照边的指引（即课程之间的前后继关系），进　而可以得到拓扑排序，给出一个学习整个专业课程　的学习顺序。　２．２维度情感计算算法知识体系构建后，在Ｅ—　Ｌｅａｒｎｉｎｇ系统中加入维度情感计算。根据学习者的　初次学习性格测试，首先将学习者性格分为４类　：　活泼敏捷型、精力旺盛型、安静稳重型和抑郁质类　型。　定义３根据ＰＡＤ维度情感模型，在学习者学　习的过程中将学习情感分为４类，并根据学习者性　格类型的特点，得出情感感受矩阵Ｑ，　１　０．５　０．５］　０：ｌｌ１　１　０．　０５５　１　１　Ｉ　Ｉ　．　Ｌ１　１　０．５　１．Ｊ　其中，行代表快乐、轻松、厌烦、惊恐，列分别代表学　习者的４种性格，Ｑ／ｊ（０≤　≤４，０≤　≤４）则表示某　一种性格类型下对应的学习情感的强度（即不同学　习者的性格类型对于快乐、轻松、厌烦、惊恐的感受　强度不同）。　定义４通过对学习者和人的性格进行类型测　试得出相应的学习性格类型向量　，则Ｘ＝（ｑｘｌ活　泼型，ｑｘ２精力旺盛型，ｑｘ３安静稳重型，ｑｘ４抑郁质　类型）　。其中４种人物性格：ｑｘｌ＋ｑｘ２＋ｑｘ３＋ｑｘ４＝１　表示学习者在学习过程中的各种性格个性所占比　７７　例。如在学习较难知识点时，活泼型比例和学习精　力下降同时伴随抑郁参数值上升，则此时针对学习　状态作出相应变化，系统需进行知识的学习调整或　给出相应的推荐建议。　定义５根据情绪感受性矩阵ｐ和学习性格类　型向量　，可以得出情感强度向量Ｑｘ。　…　ＱＸ（ｔ快乐，ｔ轻松，ｔ０．　厌烦，５　　惊恐）０．５Ｔ　主　表示系统学习者的情感学习向量，在推荐算法中根　据对应采集数据得出一种改进算法。　步骤ｈ根据人脸表情识别技术初步计算得出　情感向量Ａ，例如快乐的情感向量为Ａ＝（１，０，０，０），　厌烦的情感向量表示为Ａ＝（０，１，０，０）等。具体识　别以后的参数可根据具体使用系统后再重新进行　一次调节，找出最佳参数。由　×Ｑｘ得出相应的　ＱＸｉ，０≤ＱＸｉ≤１，　（快乐，轻松，厌烦，惊恐）。　步骤２：根据ＱＸｉ的值，可以得出适合学习者当　前情绪状态的知识点难度类型。首先设定一定的　比较参数值对应学习相应难度的知识点所需要的　情感参数值。　步骤３：根据学习者的情感计算和知识反馈，对　需要推荐的内容进行相应的调整，同时根据学习者　最后的学习状态做出相应的评价，并做出适当的指　导学习步骤，最后做出一定的推荐反馈。　３系统初步设计　系统的设计引用了基于气质类型的情感计算　模型，在该模型的基础上进行了改进，并将该模型　引用于在建系统的系统设计中。改进的Ｅ—Ｌｅａｒｎ—　ｉｎｇ系统模型可分为两个大的部分：一是学习者信　息登录部分，二是知识学习指导部分。可以将整个　系统设计为如图２所示，在整个系统中，可以将其主　要功能分为３个部分。　（１）第一次非注册用户初次登录注册时，需要　填写一个任务性格类型测试，得出的性格类型导人　人格库中；已注册用户登录开始学习时，进行面部　的表情识别，再根据性格类型计算其情感状态。　总第１２６期自然科学　大理学院学报　图２维度Ｊ晴感模型系统　（２）系统中包含已建设好的基于协同过滤的个　性化推荐系统ｎ　，学习开始首先进行个性化推荐，　状态值推荐相应学习知识点，在学习过程结束之后　将学习结果进行分析，对知识库进行保存，同时记　录相应的推荐知识内容，以便下次再进行划分。　推荐学习者所选学习内容的课程资源，课程资源是　建设知识库的重要保证，同时也是影响Ｅ—Ｌｅａｒｎｉｎｇ　系统的关键因素之一ｎ　，在资源确定后，再根据学　习者的学习情感进行难度推荐，学习结束后对学习　结果进行分析，并作出评价，根据评价结果重新设　定推荐知识点。　（３）系统跟踪计算学习者的情感状态，从学习　４初步设计应用　以《计算机基础二——ＶＦＰ程序设计为例》，分　为①数据库基础；②结构化程序设计；③数据库设　计；④结构化查询语言；⑤查询与视图；⑥表单设　计；⑦菜单设计。通过矩阵建立关联，生成知识难　度结构图，见图３。　者的性格库中分析当前学习者学习状态，根据情感　０００００００　００ＯＯ０００　１　０　０　０　０　０　０　Ｃ　＝ＩＯＯ００ＯＯＯ　０　１　Ｏ　０　０　０　Ｏ　０　０　１　ｌ　１　Ｏ　０　０　０　０　Ｏ　０　１　０　图３知识结构图分类　７８　总第１２６期　石宜金，贾志洋基于维度情感计算的Ｅ—Ｌｅａｒｎｉｎｇ模型研究　第ｌ３卷　数据库基础为中等难度，其余的知识点为高等　难度。学习者进入到系统后进行问卷测试，通过性　格类型测试得出（借鉴心理学研究的问卷调查）性　格类型并表示为向量　，然后将情绪感受矩阵ｐ与　运算乘积引人数据库，作为测试者情感强度向量　ＱＸ，最后把学习者个人的典型性格类型录入数据　库。表情向量由维度情感模型进行计算，得出学习　者学习时的个人情感及相应情感强度，依据情感强　度向给学习者推荐适合其当前学习能力的知识　点。例如当学习者快乐时学习效果好，系统则可以　推荐学习者学习中等难度以上的知识；当学习者快　乐度下降时应推荐学习者学习低于当前难度的知　识点，若没有更低难度的知识，则可推荐学习者暂　时性中止学习或者更换其他知识；当学习者学习情　感稳定时，可建议其继续当前学习。　５结束语　随着移动应用的出现和云计算服务对Ｅ—Ｌｅａｒｎｉｎｇ　应用起到了较好的推动作用ｎ　，教学系统的个性化　研究和开发成为远程教育中的关键问题和热点ｎ　，　作者在原有Ｅ—Ｌｅａｒｎｉｎｇ个性化推荐系统基础上进　行了情感计算模型的研究，通过对维度情感中的环　状模型的研究，改进现有的情感计算模型，首先将　学习者的情感定性划分为快乐、轻松、厌烦和惊恐４　个维度，然后用矩阵进行定量表示，结合知识体系　结构和知识难度的矩阵表示，对学习者的学习进行　计算和评价，最终对通过评价体系进行知识内容和　知识难点的推荐决策，做出适当的针对个体学习者　的学习反馈，从而在情感关注度方面增强学习者和　学习系统之间的交互性，同时可以对学习系统的知　识库资源进行调整。情感计算在Ｅ—Ｌｅａｒｎｉｎｇ系统　中的应用将在一定程度上弥补目前Ｅ—Ｌｅａｒｎｉｎｇ系　统在交互上的不足而带来的学习效用下降，这将使　Ｅ—Ｌｅａｒｎｉｎｇ系统的建设更加人性化，能适当提高系　统的效用。　［参考文献］　［１］ＷＡＮＧ　Ｚ　Ｌ，ＱＩＡＯ　Ｘ　Ｊ，ＸＩＥ　Ｙ　Ｇ．Ａｎ　Ｅｍｏｔｉｏｎａｌ　Ｉｎｔｅｌｌｉ．　ｇｅｎｔ　Ｅ——ｌｅａｒｎｉｎｇ　Ｓｙｓｔｅｍ　Ｂａｓｅｄ　ｏｎ　Ｍｏｂｉｌｅ　Ａｇｅｎｔ　Ｔｅｃｈｎｏｌｏ．　７９　ｇＹ［Ｃ）／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２００９　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｓｏｆｔｗａｒｅ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ．Ｂｅｉｊｉｎｇ：Ｗｏｒｌｄ　Ｓｃｉ，　ｅｎｔｉｉｆｃ　Ｐｕｂ．Ｃｏ．Ｉｎｃ．，２００９：５１－５４．　［２￣ＰＥＮＧ　Ｗ　Ｈ，ＰＡＮ　Ｒ　Ｘ，ＬＩ　Ｊ，ｅｔ　ａ１．Ａｐｐｌｉｃａｔｉｏｎ　Ｓｔｕｄｙ　ｏｆｔｈｅ　Ｔｒａｃｋｉｎｇ　ｏｆ　ｅ—Ｌｅａｒｎｉｎｇ　Ｂｅｈａｖｉｏｒ　Ｕｓｉｎｇ　ｔｈｅ　Ｎｅｔ—Ｂａｓｅｄ　Ｉｎ－　ｔｅｌｌｉｇｅｎｔ　Ｒｏｂｏｔ［Ｃ）／／２００９　Ｆｉｒｓｔ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｅｄｕｃａｔｉｏｎ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ．ＵＳＡ：Ｉｄｅａ　Ｇｒｏｕｐ，２００９：５２９—５３３．　Ｃａ］ＭＡＮＯＵＳＥＬＩＳ　Ｎ，ＣＯＳＴＯＰＯＵＬＯＵ　Ｃ．Ａｎａｌｙｓｉｓ　ｎａｄ　Ｃｌａｓｓｉｉｆ．　ｃａｔｉｏｎ　ｏｆ　Ｍｕｌｔｉ—Ｃｒｉｔｅｒｉａ　Ｒｅｃｏｍｍｅｎｄｅｒ　Ｓｙｓｔｅｍｓ［Ｊ］．Ｗｏｒｌｄ　Ｗｉｄｅ　Ｗｅｂ，２００７，１０（４）：４１５－４４１．　［４］ＰＬＵＴＣＨＩＫ　Ｒ．Ｔｈｅ　ｎａｔｕｒｅ　ｏｆ　ｅｍｏｔｉｏｎｓ［Ｊ］．Ａｍｅｒｉｃａｎ　Ｓｃｉｅｎ．　ｔｉｓｔ，２００１，８９（４）：３４４－３５０．　［５］ＲＵＳＳＥＬＬ　Ｊ　Ａ．Ａ　ｃｉｒｃｕｍｐｌｅｘ　ｍｏｄｅｌ　ｏｆ　ａｆｆｅｃｔ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｐｅｒｓｏｎａｌｉｔｙ　ａｎｄ　Ｓｏｃｉｌａ　Ｐｓｙｃｈｏｌｏｇｙ，１９８０，３９（６）：１１６１～　１１７８．　Ｃ６］ＭＥＨＲＡＢＩＡＮ　Ａ．Ｐｌｅａｓｕｒｅ—ａｒｏｕｓａｌ—ｄｏｍｉｎａｎｃｅ：ａ　ｇｅｎｅｒａｌ　ｆｒａｍｅｗｏｒｋ　ｆｏｒ　ｄｅｓｃｒｉｂｉｎｇａｎｄ　ｍｅａｓｕｒｉｎｇ　ｉｎｄｉｖｉｄｕａｌ　ｄｉｆｅｒ－　ｅｎｃｅｓ　ｉｎ　ｔｅｍｐｅｒａｍｅｎｔ［Ｊ］．Ｃｕｒｒｅｎｔ　Ｐｓｙｃｈｏｌｏｇｙ，１９９６，１４　（４）：２６１—２９２．　［７］杨勇，张志瑜，基于ＰＡＤ的个性化情感模型［Ｊ］．重庆邮　电大学学报：自然科学版，２０１２，２４（１）：９６—１０３．　［８］贺斌．Ｅ—Ｌｅａｒｎｉｎｇ情感计算模型设计研究［Ｊ］．远程教育　杂志，２０１１，２９（４）：１０３—１１０．　［９］汪碧云，杨新凯．Ｅ—Ｌｅａｒｎｉｎｇ中一种基于气质类型的情　感计算算法［Ｊ］．上海师范大学学报：自然科学版，２０１３，　４２（１）：２５—３０．　［１０］石宜金，马瑞英，贾志洋．Ｅ—Ｌｅａｎｒｉｎｇ系统的个性化推　荐方法研究（Ｊ３．信息技术与信息化，２０１２（２）：５１—５４．　［１１］吴冰，张辰彦．知识库存对ＳＮＳ企业知识社区中Ｅ—　Ｌｅａｒｎｉｎｇ知识获取的影响［Ｊ］．系统工程理论与实践，　２０１３（３）：７２６—７３２．　［１２］杨健，杨邓奇，社英国．基于云计算的移动智能旅游导　览系统［Ｊ］．大理学院学报，２０１３，１２（１０）：１４—１８．　［１３］陈丽花．基于Ａｓｐ．ｎｅｔ的个性化教学系统设计研究［Ｊ］．　大理学院学报，２００９，８（８）：２２—２７．　［基金项目］云南省教育厅科研基金资助项目（２０１　１ｙ３４５）　［收稿日期］２０１３—１２—０９　［修回日期］２０１４—０卜０８　［作者简介］石宜金，讲师，主要从事多媒体技术和机器学习研究＿　（责任编辑袁霞）