基于條件隨機(jī)場(chǎng)的情感分析模型在MOOCs評(píng)論文本分析中的應(yīng)用研究.pdf

1、自2012以來，MOOCs(Massive Open Online courses)在全球范圍內(nèi)迅速發(fā)展，MOOCs為了適合人們?cè)诰W(wǎng)上學(xué)習(xí)，把學(xué)校中的課堂碎片化，移植到互聯(lián)網(wǎng)環(huán)境中。MOOCs改變了現(xiàn)代教育的方式、體制、觀念等，改善了傳統(tǒng)學(xué)校傳授知識(shí)的局限性，讓全世界人民都有機(jī)會(huì)享受高品質(zhì)的教育。MOOCs給大眾帶來福利的同時(shí)也帶來了新的挑戰(zhàn)，其中，如何對(duì)教學(xué)群體的大規(guī)模無結(jié)構(gòu)化文本反饋開展情感分析等自然語言處理研究對(duì)提高教學(xué)精準(zhǔn)化，優(yōu)

2、化智能教學(xué)環(huán)境尤為重要。傳統(tǒng)的文本的情感分析大多都是通過情感詞典統(tǒng)計(jì)文本中的褒義詞與貶義詞數(shù)量，通過分析褒義詞與貶義詞的特征得到文本篇章等級(jí)或句子等級(jí)的情感分類的結(jié)果，所以這種方法難以準(zhǔn)確的獲取評(píng)論文本的情感信息。此外，情感詞典，難以覆蓋文本中所有的情感詞，尤其是對(duì)于在線評(píng)論文本，在線評(píng)論文本具有用語不規(guī)范，數(shù)據(jù)稀疏，未登錄詞很多的特點(diǎn)，一定程度上，舊詞新用也給文本情感分析帶來了麻煩。
　　本文設(shè)計(jì)了一個(gè)基于條件隨機(jī)場(chǎng)應(yīng)用模型，并

3、將其應(yīng)用于對(duì)MOOCs論壇交互文本的研究。本文首先采集MOOCs論壇文本構(gòu)建實(shí)驗(yàn)數(shù)據(jù)集，并將評(píng)論文本的句子分割為基礎(chǔ)情感單元，基于基礎(chǔ)情感單元的文本情感分類比傳統(tǒng)的基于篇章或句子等級(jí)的情感分類更準(zhǔn)確更合理。然后使用Stanford Parser獲取基礎(chǔ)情感單元的語法信息，綜合NTUSD情感詞典，對(duì)評(píng)論文本進(jìn)行了多維特征提取，采用機(jī)器學(xué)習(xí)的方法，構(gòu)建了一個(gè)半監(jiān)督的情感分類模型。同時(shí)，通過評(píng)論文本的語法信息與情感分類結(jié)果，建立了一個(gè)基于本領(lǐng)