-
题名基于注意力机制的深层特征融合MOOC评论情感分析
- 1
-
-
作者
韦金矿
贾灿
王鹏飞
艾孜尔古丽·玉素甫
-
机构
新疆师范大学计算机科学技术学院
-
出处
《现代电子技术》
北大核心
2025年第14期63-70,共8页
-
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(2022D03001)
新疆师范大学青年拔尖人才资助项目(XJNUQB2022-22)
+2 种基金
新疆师范大学智慧教育工程技术研究中心招标课题(XJNU-ZHJY202403)
国家自然科学基金项目(61662081)
国家社会科学基金项目(14AZD11)。
-
文摘
在线教育因大众对多样化学习的渴求及技术进步而迅猛发展。分析中国大学MOOC网站上在线评论的情感倾向,对于课程的优化及平台的高质量发展具有重要意义。针对目前文本情感分析任务中存在的难以充分提取和融合文本特征信息、泛化性能不足的问题,提出一种基于注意力机制的深层特征融合MOOC评论情感分析模型,即BERT-RAP。利用BERT提取出文本的丰富语义,通过BiLSTM进一步提取序列信息来更好地捕捉文本的特征表达,同时采用注意力机制捕捉序列中最相关的部分;之后对MOOC评论文本进行关键词提取,并将关键词词嵌入与注意力加权的BiLSTM输出通过亲和力矩阵进行特征交互,以便模型融合不同的特征来挖掘更深层的语义。由于数据可能存在较大离群值,采用百分比池化方法在一定程度上降低模型对离群值的敏感程度,从而提高模型的鲁棒性。最后通过情感分类器获得文本所属情感。实验结果表明,在MOOC评论数据集上,与文本情感分析基线模型相比,所提模型情感分类效果更佳。
-
关键词
MOOC评论文本
情感分析
语义提取
特征融合
BERT模型
BiLSTM
自注意力机制
百分比池化方法
-
Keywords
MOOC review text
sentiment analysis
semantic extraction
feature fusion
BERT model
BiLSTM
self-attention mechanism
percentage pooling method
-
分类号
TN711-34
[电子电信—电路与系统]
-
