摘要: 随着现代信息技术的迅猛发展，Web2.0时代开启了人类史上真正有意义的互联网在线学习之旅。信息运行载体和传播形态的改变导致学习内容碎片化，快节奏生活和多任务处理导致学习时间碎片化。此外，信息更新周期缩短带动了终身学习时代的到来。在碎片化... 展开 随着现代信息技术的迅猛发展，Web2.0时代开启了人类史上真正有意义的互联网在线学习之旅。信息运行载体和传播形态的改变导致学习内容碎片化，快节奏生活和多任务处理导致学习时间碎片化。此外，信息更新周期缩短带动了终身学习时代的到来。在碎片化学习和终身学习的大数据背景的推动下，构建主义学习观催生了一种新型学习范式——微学习。微学习的学习单元松散链接、动态重组，有利于拓展学习者的发散思维。微学习资源可按需提供，学习时间可控且灵活，学习兴趣易维持，学习效率更高等优势，因此微学习这种新型学习范式得以迅猛发展。 Web2.0改变早期网络的“单行道”架构，让大众可以向网络发送并分享信息，微学习利用这一功能，推开“微”时代的大门。随着微学习的兴起，越来越多的微学习平台不断建立和发展，大规模开放式在线课程MOOC(Massive OpenOnline Courses)作为代表性的微学习平台之一，通过MOOC进行学习逐渐成为一种趋势。然而，微学习平台的发布者不是唯一的，大量学习资源的发布使得学习内容多源，即重复问题，学习者浪费大多时间在资源选择上，导致学习效率低下。因此，合理地组织和管理微学习资源是微学习研究的基础核心方向。 微学习资源是由松散动态联结的微学习单元组成，微学习单元的组织形式可分为文本、图片和视频等。其中，视频形式的资源深受大众欢迎，能够激发学习的乐趣，且大量存在于微学习平台中。本文将视频形式的微学习单元作为研究对象，通过分析将视频字幕转录本作为微学习单元的特征，对微学习单元的视频字幕转录本采用聚类相关技术进行合理地组织微学习资源。本研究主要工作如下： (1)通过分析微学习，重点研究了MOOC平台中视频形式的微学习资源。本文将每个微学习视频看作一个微学习单元，对每个微学习视频的文本字幕转录本进行分析。另外对比分析常用文本聚类的优劣，重点研究了层次聚类技术和AP聚类技术。 (2)通过分析微学习单元存在的层次结构和聚集特性，本文针对凝聚层次聚类算法不能处理大规模数据和该算法终止条件模糊且不可回溯的不足，创造性地采用了发现优质代表点的融合层次聚类技术。本算法的主要思想是：首先运用AP算法得到类代表点和相应的聚类簇，然后结合快速密度峰值算法对AP进行优化以发现优质类代表点，最后运用凝聚层次聚类技术构建簇内关系结构树和簇间关系结构树，完成基于主题特征中心发现的层次聚类技术。 (3)通过分析文本聚类技术使用到的相关算法，结合微学习单元特点，构建了微学习单元文本主题中心发现的层次聚类系统模型，并且通过实验进行了具体的实现。其主要分为三大阶段，依次为微学习单元文本前期预处理阶段、文本模型表示阶段和文本聚类阶段。前期预处理阶段又分为文本分词、去除噪声词和词干提取，文本模型表示阶段采用LDA模型对微学习单元主题进行建模，文本聚类阶段包括JS距离作为文本相似度和本文设计的聚类方法的实现。 本文在微学习单元的字幕转录本数据集上分别采用k-means、HAC算法和本文算法作对比实验，实验证明采用基于主题特征中心发现的层次聚类方法对微学习单元具有较好的聚类结果，其聚类划分结果更加准确。 收起