基于关联挖掘的教学评论情感分析研究

发布时间：2021-08-02 22:21

　　随着互联网普及程度的上升,网络直播教学、微课、MOOC等多种在线学习方式也如雨后春笋般发展壮大。在教育领域内,教学评价是教学活动中极为重要的一部分,其主要构成是教师教学过程的评估和学生学习效果的价值判断,目的是使得教学的改进工作有的放矢。当前,各类网络学习技术不断完善,但教学的评价工作却相对滞后,导致各大网络学习平台虽有百家争鸣之势,内容却纷繁芜杂,无法让学生快速定位,为了提高在线课堂的质量,提升学生的学习兴趣,加强教学评价环节已是刻不容缓。当前网络在线学习平台的教学评价的形式主要是等级评定和留言评论,对于数量庞大的评论文本,要快速定位评价内容,使用机器学习方法进行情感分析也是必然趋势。综合国内外研究现状来看,当下情感分析的研究主要采用SVM、ANN等监督式的学习类方法,不管采用哪种方法进行情感分析的研究,方法自身都有一定的局限性,从而影响实验操作过程,或无法得到理想的实验结果。例如,支持向量机（SVM）算法难以对大规模的样本进行模拟训练,在多分类问题方面表现较差。本文所涉主题范围主要为在线课程学习,本研究旨在探究情感分析新方法,拓展情感分析方法的多样性,以便在面对不同的研究样本类型时... 

【文章来源】：江西财经大学江西省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

频繁项集提取示意图

网易云课堂课程评论示例图

Scrapy架构图


本文编号：3318373