前 言

教育信息化是提升教育教學(xué)質(zhì)量的重要手段，是進(jìn)行教育教學(xué)創(chuàng)新應(yīng)用的基礎(chǔ)條件。教育信息化離不開數(shù)字化學(xué)習(xí)資源建設(shè)。作為數(shù)字化學(xué)習(xí)資源類型之一的 Flash 動(dòng)畫既是傳遞信息內(nèi)容的重要媒體，更是一種重要的網(wǎng)絡(luò)學(xué)習(xí)資源，其內(nèi)容由文本、圖形、圖像、音頻、視頻、交互、動(dòng)態(tài)效果等信息組成。因其強(qiáng)大的多媒體交互及表現(xiàn)能力，F(xiàn)lash 動(dòng)畫被廣泛應(yīng)用于遠(yuǎn)程教學(xué)、精品課程網(wǎng)站、慕課平臺(tái)等領(lǐng)域。網(wǎng)絡(luò)上積累了海量的 Flash 動(dòng)畫資源，給動(dòng)畫需求者的檢索帶來了很多的干擾。學(xué)習(xí)者如何迅速精準(zhǔn)地獲取自己需要的 Flash 動(dòng)畫，是 Flash 搜索引擎需要解決的難題。
目前的網(wǎng)絡(luò) Flash 檢索一般是基于關(guān)鍵詞、元數(shù)據(jù)特征或者網(wǎng)頁上下文，檢索準(zhǔn)確率不理想。于是人們展開了對 Flash 動(dòng)畫內(nèi)容特征的深入分析與研究。本書正是基于SWF 格式的文件組織結(jié)構(gòu)，對 Flash 動(dòng)畫的下載、分類、內(nèi)容結(jié)構(gòu)特征（如場景結(jié)構(gòu)特征、組成元素特征和畫面情感特征）、建立索引數(shù)據(jù)庫等全過程進(jìn)行分析。主要內(nèi)容包括：依據(jù)網(wǎng)頁結(jié)構(gòu)研究網(wǎng)絡(luò) Flash 動(dòng)畫的下載；基于 BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)進(jìn)行 Flash 動(dòng)畫的分類研究；依據(jù) Flash 動(dòng)畫語義提取的四層框架（元數(shù)據(jù)、組成元素、場景、情感層）分別研究了場景特征提取、組成元素特征提取、畫面情感特征提取等多項(xiàng)關(guān)鍵技術(shù)；基于 Lucene 的 Flash 動(dòng)畫資源檢索系統(tǒng)構(gòu)建。本書主要是為教育教學(xué)工作者和網(wǎng)絡(luò)自學(xué)者及 Flash 動(dòng)畫愛好者提供快速、精準(zhǔn)的 Flash 動(dòng)畫搜索引擎，從而提高網(wǎng)絡(luò) Flash 動(dòng)畫學(xué)習(xí)資源的教育應(yīng)用效率，充分發(fā)揮其教育特性。
本書首先介紹了網(wǎng)絡(luò) Flash 動(dòng)畫學(xué)習(xí)資源的定義及 SWF 格式的文檔結(jié)構(gòu)，研究了網(wǎng)絡(luò) Flash 動(dòng)畫資源的下載及分類，分析并建立了 Flash 動(dòng)畫的內(nèi)容結(jié)構(gòu)特征描述模型；其次構(gòu)建出場景結(jié)構(gòu)模型，提出了場景的分割算法及場景特征的提取過程，并完成了組成元素特征的提取；再次建立了 Flash 動(dòng)畫的情感分類模型，利用神經(jīng)網(wǎng)絡(luò)（Neural Network）學(xué)習(xí)獲得低層視覺特征（主要為顏色和紋理）到高層情感語義的映射關(guān)系，從而完成 Flash 動(dòng)畫的情感分類，并對比了用 SVM 和深度學(xué)習(xí)構(gòu)建的情感分類模型；最后基于 Lucene 建立了網(wǎng)絡(luò) Flash 動(dòng)畫檢索系統(tǒng)。
我們的研究結(jié)果是為了最終將前期提取的場景特征、元素特征、情感特征存入索引數(shù)據(jù)庫，建立基于內(nèi)容的 Flash 檢索系統(tǒng)，用于網(wǎng)絡(luò)用戶的 Flash 動(dòng)畫檢索�；�于此數(shù)據(jù)庫，最后還通過實(shí)驗(yàn)，利用灰色關(guān)聯(lián)法驗(yàn)證了 Flash 動(dòng)畫包含的各內(nèi)容結(jié)構(gòu)特征與學(xué)習(xí)者學(xué)習(xí)興趣的關(guān)聯(lián)度。結(jié)果表明，F(xiàn)lash 動(dòng)畫中的動(dòng)態(tài)效果特征與學(xué)習(xí)興趣的關(guān)聯(lián)度最高，在激發(fā)學(xué)習(xí)者興趣、集中學(xué)習(xí)者注意力方面起著重要的作用；在不同學(xué)段、不同學(xué)科的 Flash 動(dòng)畫中，對喚起學(xué)習(xí)者學(xué)習(xí)興趣起關(guān)鍵作用的內(nèi)容結(jié)構(gòu)特征是不一樣的。
實(shí)驗(yàn)結(jié)果能夠?yàn)?Flash 動(dòng)畫課件創(chuàng)作者按照不同學(xué)段和學(xué)科進(jìn)行視覺特征選擇提供理論
指導(dǎo)。
基于研究者團(tuán)隊(duì)開發(fā)的網(wǎng)絡(luò)動(dòng)畫爬取程序，本書從網(wǎng)絡(luò)上下載了大量 Flash 動(dòng)畫，從中篩選出教育特征明顯、能輔助進(jìn)行知識(shí)學(xué)習(xí)的 4808 個(gè) Flash 動(dòng)畫學(xué)習(xí)資源作為本書的樣本庫。參考教育理論和查閱文獻(xiàn)，并基于 BP 神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)，可以將這 4808個(gè)樣本按學(xué)科、學(xué)段來劃分，并且提取的視覺場景、元素特征、情感特征都按照不同學(xué)段、不同學(xué)科進(jìn)行分析，獲得不同學(xué)段和學(xué)科的 Flash 動(dòng)畫的特征，為后期的 Flash 動(dòng)畫自動(dòng)分類工作提供指導(dǎo)。
本書的重點(diǎn)工作在于建立了 Flash 動(dòng)畫的內(nèi)容結(jié)構(gòu)特征描述模型，并從學(xué)段、學(xué)科、教學(xué)類型三個(gè)維度分析了網(wǎng)絡(luò) Flash 動(dòng)畫學(xué)習(xí)資源的內(nèi)容結(jié)構(gòu)特征；建立了場景結(jié)構(gòu)模型，并提出了基于顏色直方圖和邊緣密度相結(jié)合的視覺場景分割算法；建立了情感分類模型，分別基于 BP 神經(jīng)網(wǎng)絡(luò)、SVM、CNN 完成 Flash 動(dòng)畫的情感語義識(shí)別；分析了網(wǎng)絡(luò) Flash 動(dòng)畫學(xué)習(xí)資源的內(nèi)容結(jié)構(gòu)特征與學(xué)生學(xué)習(xí)興趣的關(guān)聯(lián)度。
本書的完成要感謝山東師范大學(xué)孟祥增教授團(tuán)隊(duì)的支持，其中董志強(qiáng)對 Flash 動(dòng)畫分類、邱亞東對檢索系統(tǒng)建設(shè)、劉磊和邵長霞對動(dòng)畫的內(nèi)容特征提取等方面做出了很多的貢獻(xiàn)。該書的參編人員還包括徐功文、趙莉、于鵬、杜劍、李增剛等，他們均對數(shù)據(jù)的整理與分析、文字內(nèi)容的排版編輯等方面工作給予了巨大的支持。