典型文献
针对在线教育情感分析的数据扩充研究
文献摘要：
在互联网上大量主观性的评论具有丰富的研究价值,可以通过对评论的分析获取评论的情感极性.在对大量评论进行情感分析时,存在时间和人力消耗过多等问题,针对该问题,提出了基于聚类分析的文本数据扩充方法:在对少量关键数据进行标注的基础上,通过聚类分析标注大量数据,以减少情感分析在实际应用中的成本.以在线教育平台的评论为例,对目前多个主流在线教育平台上爬取的共569970条中文评论数据进行少量标注,然后使用该方法进行数据扩充,最后基于目前多个主流机器学习模型和卷积神经网络模型进行情感分析训练.研究结果表明,数据处理经过聚类后取得较好的数据扩充效果,其中采用卷积神经网络模型进行的情感分析,准确度可以达到96.5％.
文献关键词：
数据扩充;情感分析;自然语言处理;聚类分析
中图分类号：
作者姓名：
黄伟强;刘海;梁韬文;杨海华
作者机构：
华南师范大学 网络中心,广东 广州 510631;华南师范大学 计算机学院,广东 广州 510631
文献出处：
引用格式：
[1]黄伟强;刘海;梁韬文;杨海华-.针对在线教育情感分析的数据扩充研究)[J].网络安全与数据治理,2022(07):93-100
A类：
B类：
教育情感,情感分析,数据扩充,主观性,情感极性,文本数据,关键数据,在线教育平台,上爬,爬取,评论数据,机器学习模型,卷积神经网络模型,自然语言处理
AB值：
0.231558
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
