基于词典与异构融合网络的MOOC评论情感分析

摘要：

自MOOC兴起以来,其不仅满足了互联网各行各业对学习的要求,而且也产生了大量学习者参与讨论以及对课程评论的数据,为此,文中提出一种面向MOOC领域的用户评论情感分类模型.针对用户评论,通过对评论文本进行分词,利用词向量和约束集构建了一部领域情感词典,用于提取评论的情感特征等信息;所提模型利用异构网络分层融合特征,首先通过对评论文本特征和情感特征的融合,经过双向GRU网络和注意力机制实现对融合特征的学习,得到第一次的情感特征;其次通过CNN和注意力机制实现对课程相关信息的特征学习,并与第一次的情感特征融合;经过两层特征融合,最终通过添加Maxout的情感分类层,实现对评论文本的情感分类.实验表明,该模型在情感分类任务中分类准确率达到91.41％,相比未融合特征的基线模型提高了3.39％.

关键词：MOOC、词向量、计算约束、文本特征、情感词典、异构融合网络、Maxout神经元、情感分类

所属期刊栏目：45

分类号：TN711-34;TP3911(基本电子电路)

资助基金：国家自然科学基金;国家社会科学基金;新疆维吾尔自治区创新环境人才、基地建设专项-自然科学计划少数民族科技人才特殊培养项目

在线出版日期：2022-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：79-84