当前，随着大数据在教育领域中战略地位与应用价值的逐步凸显，教育工作者和研究者都迫切希望从学生参与的各种活动（网络社交或现实生活）中探寻表明其学习与生活状态的信息。情感是教育活动中一种非常重要的非智力因素，它对激发学习者的学习动机、创建优良学习情境和促进人格健康发展都起着重要作用。美国新媒体联盟与美国高校教育信息化协会在2016年联合发布的《地平线报告（高等教育版）》中提出情感计算将在三到五年内对教育产生巨大影响。借此契机，刘三■、李小文、刘智著的《面向网络行为的情感识别关键技术研究》以量化学习者的情感为出发点，面向学习者在网络社交和学习评论、论坛讨论等不同情境下的行为信息，探讨了网络行为数据的采集方法、文本情感检测与计算机制、面向不良情感的话题提取方法以及不良情绪个体的心理测量机制，同时提供了相应的实验分析和结果展示。 本书可为从事教育研究、网络行为、学习分析等相关专业的研究人员提供参考，亦可为智慧教育领域的从业人员提供借鉴，此外教育技术学、心理学以及计算机科学等相关专业的研究者亦能从本书中受益。

前言
第1章 绪论
1.1 娱乐化社交网络中青少年的不良网络行为
1.2 面向网络学习行为的学习者情感研究
参考文献
第2章 情感的定义与测量方法
2.1 概述
2.2 情感的结构与分类
2.2.1 情感的构成要素
2.2.2 情感的分类表示
2.2.3 情感模型
2.3 学习与情感
2.3.1 学习中的情感
2.3.2 网络学习中的情感
2.4 情感的测量
2.4.1 基于心理报告的情感测量方法
2.4.2 基于生理信号的情感测量方法
2.4.3 基于语音信号的情感测量方法
2.4.4 基于面部表情的情感测量方法
2.4.5 基于文本数据的情感测量方法
参考文献
第3章 网络行为与情感研究现状
3.1 概述
3.2 青少年网络行为研究
3.3 网络环境下的情感分析
3.4 面向网络行为的情感分析
参考文献
第4章 网络行为数据的获取与处理
4.1 概述
4.2 网络行为数据的获取
4.2.1 网络行为数据的类型
4.2.2 网络爬虫技术概述
4.3 网络行为数据的采集
4.3.1 直接采集的行为数据
4.3.2 基于Open API采集的行为数据
4.4 网络行为数据的处理
4.5 小结
参考文献
第5章 面向高校青年的网络文本情感检测机制
5.1 概述
5.2 情感识别方法综述
5.2.1 基于无监督学习的情感倾向识别
5.2.2 基于监督学习的情感倾向识别
5.2.3 基于半监督学习的情感倾向识别
5.3 情感词典的构建
5.4 基于多视图学习的半监督文本情感识别方法
5.4.1 简介
5.4.2 方法描述
5.4.3 实验与分析
5.5 基于情感特征匹配的文本情感计算方法
5.5.1 简介
5.5.2 方法描述
5.5.3 实验与分析
参考文献
第6章 不良话题的提取方法
6.1 概述
6.2 话题情感提取方法综述
6.3 基于负面情感样本的不良话题提取方法
6.3.1 简介
6.3.2 方法描述
6.3.3 实验与分析
6.4 基于情感话题联合概率模型的不良话题提取方法
6.4.1 简介
6.4.2 方法描述
6.4.3 实验与分析
参考文献
第7章 面向不良情绪个体的心理测量机制
7.1 概述
7.2 关于情感的心理测量综述
7.3 负面情感个体的识别研究
7.3.1 个体情感表达因子
7.3.2 权重计算方法
7.3.3 个体情感计算和可视化描述
7.3.4 实验与分析
参考文献