随着互联网技术的飞速发展,如何实现智能化在线教育已逐渐成为教育领域关注的一个热点问题。在线教育显著的开放性交流环境和超越时空的教学方式能够提供丰富的学习资源。然而,它的灵活性不足,难以根据不同的学习者实时调整学习内容,而学习者的情感信息隐含了自身的学习需求,那么,通过挖掘学习者情感状态,并以此来推荐个性化的学习内容,是提高在线教育系统灵活性的重要手段。机器学习为数据驱动的情感分析提供了有效的方法,基于此,本文围绕在线教育系统中学习者情感模型的构建,重点研究基于机器学习的情感识别方法,具体工作如下:首先,研究代价敏感的卷积神经网络面部情感识别方法。针对传统卷积神经网络方法中忽略错分代价造成模型实用性差的问题,研究提出一种代价感知的卷积神经网络面部情感识别方法。该方法将错误分类引起的损失代价融入模型训练过程中,降低模型错分损失代价,提高模型实用性。其次,研究基于Word2Vec和LSTM的文本情感识别方法。针对学习者情感识别研究中忽略文本交互信息重要性的问题,设计一种基于Word2Vec和LSTM的文本情感识别方法。该方法采用Word2Vec模型提取文本深层语义特征,采用LSTM模型挖掘文本时间序列特征,通过Softmax分类器获取学习者的文本情感类型。最后,探索情感识别模型在在线教育系统中的应用。在面部情感识别算法实现的基础上,结合文本情感识别的结果,综合评估学习者的情感状态,并将其引入在线教育系统中,为学习者自适应地推荐学习资源内容和学习资源类型,满足学习者的个性化需求。