目录第1章概述1.1机器学习的兴起1.1.1机器学习的定义1.1.2机器学习的发展1.1.3机器学习和人工智能的关系1.2机器学习与现代教育技术1.2.1现代教育技术的基本概念1.2.2现代教育技术的发展1.2.3教育技术研究对象与任务1.2.4现代教育技术的发展新趋势1.2.5机器学习与现代教育技术的联系1.3终身教育的提出1.3.1终身学习1.3.2特点1.3.3意义1.3.4终身教育和机器学习的关系1.4大数据时代智慧教育的发展1.4.1智慧教育的概念和内涵1.4.2智慧教育的体系和关键技术1.4.3智慧教育的发展1.4.4学习型社会下基于机器学习技术的智慧教育系统1.5云教育的支撑1.5.1云教育平台1.5.2教育云1.5.3大数据时代机器学习云平台1.6深度学习1.6.1深度问题1.6.2核心思路1.6.3成功案例1.6.4深度学习在信息教育技术方面的运用1.7流形学习1.7.1等距映射1.7.2LE1.7.3LLE1.7.4PCA1.7.5MDS1.8知识图谱1.8.1知识图谱特点1.8.2中文知识图谱第2章机器学习概述2.1机器学习方法2.1.1有监督学习2.1.2无监督学习2.1.3半监督学习2.1.4三种机器学习方法比较2.2机器学习策略2.2.1机械学习2.2.2基于解释的学习2.2.3基于类比的学习2.2.4基于事例的学习2.3机器学习的主要算法和相关术语2.3.1机器学习主要算法2.3.2机器学习相关术语概念第3章机器学习中概率主题模型3.1LSA模型3.2PLSA模型3.3LDA模型3.3.1多项式分布3.3.2Dirichlet分布3.3.3贝叶斯网络3.3.4LDA标准模型3.3.5LDA改进观点挖掘模型3.4CTM模型第4章基于主题情感最大熵LDA模型4.1TSU MaxEntLDA模型描述4.2TSU MaxEntLDA模型生成过程4.3TSU MaxEntLDA模型推理4.3.1MaxEnt最大熵模型推理4.3.2TSU MaxEntLDA主题模型推理4.4仿真实验4.4.1实验平台4.4.2实验数据描述4.4.3实验数据预处理4.4.4实验参数说明4.4.5实验步骤4.4.6实验结果及分析4.5程序举例第5章基于云模型和领域判别LDA模型5.1云模型相关理论5.1.1云模型的定义5.1.2云模型的数字特征5.1.3云模型的”3En规则”5.1.4正向云和逆向云发生器5.1.5云的相似度算法5.2SC MaxEntLDA模型5.2.1模型描述5.2.2模型生成过程5.2.3模型推理5.2.4基于云模型理论的情感修正算法5.3SC MaxEntLDA仿真实验5.3.1数据集和实验环境5.3.2实验步骤5.4DILDA模型5.4.1模型简介5.4.2模型推理5.5DILDA模型仿真实验5.5.1实验平台和实验数据描述处理5.5.2实验步骤5.6程序举例第6章CTM模型文本分类和观点挖掘6.1文本分类概述6.1.1文本预处理6.1.2文本表示6.1.3特征提取6.1.4文本分类方法6.1.5性能评估6.1.6相关工具6.2CTM文本分类模型6.2.1模型描述6.2.2CTM模型主题数目优化6.2.3CTM模型的特征选择优化6.2.4仿真实验6.3基于主题情感混合的CTM观点挖掘模型6.3.1STCTM模型简介6.3.2STCTM模型推理6.3.3主题相关性分析实验6.4程序举例第7章云教育平台主题模型可视化应用7.1情感云最大熵LDA模型可视化应用7.2文本分类CTM模型可视化应用7.3程序举例附录A软件著作权登记证书附录B本文中CTM主题模型应用代码参考文献