基于條件隨機場的情感分析模型在MOOCs評論文本分析中的應用研究.pdf

1、自2012以來，MOOCs(Massive Open Online courses)在全球范圍內迅速發(fā)展，MOOCs為了適合人們在網(wǎng)上學習，把學校中的課堂碎片化，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)學校傳授知識的局限性，讓全世界人民都有機會享受高品質的教育。MOOCs給大眾帶來福利的同時也帶來了新的挑戰(zhàn)，其中，如何對教學群體的大規(guī)模無結構化文本反饋開展情感分析等自然語言處理研究對提高教學精準化，優(yōu)

2、化智能教學環(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或句子等級的情感分類的結果，所以這種方法難以準確的獲取評論文本的情感信息。此外，情感詞典，難以覆蓋文本中所有的情感詞，尤其是對于在線評論文本，在線評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，一定程度上，舊詞新用也給文本情感分析帶來了麻煩。
　　本文設計了一個基于條件隨機場應用模型，并

3、將其應用于對MOOCs論壇交互文本的研究。本文首先采集MOOCs論壇文本構建實驗數(shù)據(jù)集，并將評論文本的句子分割為基礎情感單元，基于基礎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的情感分類更準確更合理。然后使用Stanford Parser獲取基礎情感單元的語法信息，綜合NTUSD情感詞典，對評論文本進行了多維特征提取，采用機器學習的方法，構建了一個半監(jiān)督的情感分類模型。同時，通過評論文本的語法信息與情感分類結果，建立了一個基于本領