面向中文慕课课程评论情感分析研究

发布时间：2022-07-14 13:55

　　随着“互联网+教育”的迅速发展,慕课平台也得到了前所未有的关注,越来越多的用户通过慕课平台进行课程学习,并在课程评论区留下带有主观情感色彩的评论,这些课程评论数据包含学习者对课程和慕课平台的态度、评价等信息。对这些课程评论数据进行有效地分析、处理可以让学习者和慕课平台管理者获取到一些有价值的信息。本文以慕课平台在线课程评论为切入点,对其进行情感极性分类和潜在主题挖掘与分析研究,分析和挖掘的结果不仅有助于学习者判断和分析待选课程的质量,而且还有助于慕课平台的建设与改进。本文以中国大学慕课平台为例,通过Python网络爬虫技术爬取出在线课程学习者在评论区的评论,然后分别采取基于深度学习和基于LDA主题模型的方法对学习者评论进行情感分析研究。具体的研究工作主要包括以下两个部分:第一,提出一种基于注意力机制的多通道卷积神经网络和双向门控循环网络（MC-AttCNN-AttBiGRU）方法对慕课课程评论进行情感极性分类。由于传统的CNN模型在文本局部特征提取方面表现优异,但是会忽略词语之间的上下文语义,不能有效提取到文本的上下文语义特征,因此本文结合双向GRU模型来提取文本的上下文语义特征,较好... 

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 情感分析研究现状
        1.2.2 情感极性分类研究现状
        1.2.3 文本主题情感分析研究现状
        1.2.4 慕课课程评论情感分析研究现状
    1.3 论文主要研究内容
    1.4 论文组织结构
    1.5 本章小结
2 文本情感分类相关技术介绍
    2.1 文本预处理
        2.1.1 中文分词技术
        2.1.2 停用词处理
    2.2 词向量表示方法
        2.2.1 CBOW模型
        2.2.2 Skip-gram模型
    2.3 机器学习分类方法
        2.3.1 朴素贝叶斯算法
        2.3.2 支持向量机算法
    2.4 深度学习分类模型
        2.4.1 卷积神经网络
        2.4.2 循环神经网络
        2.4.3 注意力机制
    2.5 本文实验模型评价指标
        2.5.1 分类评价指标
        2.5.2 主题模型评价指标
    2.6 本章小结
3 基于注意力机制的多通道CNN与双向GRU的慕课课程评论情感分类
    3.1 数据来源
    3.2 文本数据预处理
        3.2.1 数据清洗
        3.2.2 文本分词及停用词去除
    3.3 多通道卷积神经网络
    3.4 门控循环网络和双向门控循环网络
    3.5 模型整体框架
    3.6 实验结果及分析
        3.6.1 实验语料集
        3.6.2 模型参数设置
        3.6.3 对比实验
        3.6.4 实验结果分析
    3.7 本章小结
4 结合CBOW和 LDA主题模型的主题情感分析
    4.1 基于负采样的CBOW模型
    4.2 LDA主题模型
        4.2.1 LDA主题模型定义
        4.2.2 Gibbs采样
    4.3 CBOW-LDA模型整体框架
    4.4 实验结果与分析
        4.4.1 数据预处理和参数设置
        4.4.2 实验结果与分析
    4.5 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
在读期间公开发表论文(著)及科研情况


【参考文献】：
期刊论文
[1]基于Self-Attention和Bi-LSTM的中文短文本情感分析[J]. 吴小华,陈莉,魏甜甜,范婷婷.  中文信息学报. 2019(06)
[2]一种基于支持向量机和主题模型的评论分析方法[J]. 陈琪,张莉,蒋竞,黄新越.  软件学报. 2019(05)
[3]融合卷积神经网络与层次化注意力网络的中文文本情感倾向性分析[J]. 程艳,叶子铭,王明文,张强,张光河.  中文信息学报. 2019(01)
[4]基于多通道卷积神经网络的中文微博情感分析[J]. 陈珂,梁斌,柯文德,许波,曾国超.  计算机研究与发展. 2018(05)
[5]主题模型中的参数估计方法综述[J]. 杜慧,陈云芳,张伟.  计算机科学. 2017(S1)
[6]大规模情感词典的构建及其在情感分类中的应用[J]. 赵妍妍,秦兵,石秋慧,刘挺.  中文信息学报. 2017(02)
[7]基于CRFs和领域本体的中文微博评价对象抽取研究[J]. 丁晟春,吴婧婵媛,李霄.  中文信息学报. 2016(04)
[8]基于语义的微博短文本倾向性分析研究[J]. 马力,刘笑,宫玉龙.  计算机应用研究. 2016(10)
[9]中文博客多方面话题情感分析研究[J]. 傅向华,刘国,郭岩岩,郭武彪.  中文信息学报. 2013(01)
[10]成人在线学业情绪倾向的测度方法研究[J]. 朱祖林,黄彩虹,李锐,洪婧倞.  中国电化教育. 2011(06)

博士论文
[1]课程评论的情感倾向识别与话题挖掘技术研究[D]. 刘智.华中师范大学 2014

硕士论文
[1]面向慕课课程评论的中文文本情感倾向性分析[D]. 叶子铭.江西师范大学 2019



本文编号：3661254