首页> 中文学位 >基于条件随机场的情感分析模型在MOOCs评论文本分析中的应用研究
【6h】

基于条件随机场的情感分析模型在MOOCs评论文本分析中的应用研究

代理获取

目录

声明

摘要

第一章 绪论

1.1 研究背景与意义

1.2 国内外的研究现状

1.2.1 情感信息抽取

1.2.2 情感信息分类

1.2.3 情感信息归纳

1.3 论文主要工作

1.4 论文的组织结构

第二章 相关研究技术

2.1 文本的情感分析框架

2.1.1 基于机器学习的方法

2.1.2 基于情感词典的方法

2.2 主题抽取相关技术

2.2.1 基于关联规则的挖掘方法

2.2.2 基于主题模型的方法

2.3 常用的机器学习算法

2.4 文本的表示方法

2.5 本章总结

第三章 基于语义特征融合的评论文本情感分类

3.1 引言

3.2 文本分割

3.3 文本特征选择

3.4 基于语义的情感分类模型

3.5 基于语法关系的情感词典产生器

3.6 本章总结

第四章 情感分析模型在MOOCs文本中的应用

4.1 实验数据采集与介绍

4.2 文本预处理

4.3 特征表示

4.4 参数设置

4.5 实验与分析

4.5.1 实验过程

4.5.2 实验分析

5.6 本章总结

5.1 本文总结

5.2 未来的工作

参考文献

攻读硕士期间发表的论文

致谢

展开▼

摘要

自2012以来,MOOCs(Massive Open Online courses)在全球范围内迅速发展,MOOCs为了适合人们在网上学习,把学校中的课堂碎片化,移植到互联网环境中。MOOCs改变了现代教育的方式、体制、观念等,改善了传统学校传授知识的局限性,让全世界人民都有机会享受高品质的教育。MOOCs给大众带来福利的同时也带来了新的挑战,其中,如何对教学群体的大规模无结构化文本反馈开展情感分析等自然语言处理研究对提高教学精准化,优化智能教学环境尤为重要。传统的文本的情感分析大多都是通过情感词典统计文本中的褒义词与贬义词数量,通过分析褒义词与贬义词的特征得到文本篇章等级或句子等级的情感分类的结果,所以这种方法难以准确的获取评论文本的情感信息。此外,情感词典,难以覆盖文本中所有的情感词,尤其是对于在线评论文本,在线评论文本具有用语不规范,数据稀疏,未登录词很多的特点,一定程度上,旧词新用也给文本情感分析带来了麻烦。
  本文设计了一个基于条件随机场应用模型,并将其应用于对MOOCs论坛交互文本的研究。本文首先采集MOOCs论坛文本构建实验数据集,并将评论文本的句子分割为基础情感单元,基于基础情感单元的文本情感分类比传统的基于篇章或句子等级的情感分类更准确更合理。然后使用Stanford Parser获取基础情感单元的语法信息,综合NTUSD情感词典,对评论文本进行了多维特征提取,采用机器学习的方法,构建了一个半监督的情感分类模型。同时,通过评论文本的语法信息与情感分类结果,建立了一个基于本领域文本的中文情感词典,并通过实验验证了该方法对于MOOCs评论文本情感分类的有效性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号