典型文献
基于词典与异构融合网络的MOOC评论情感分析
文献摘要：
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％.
文献关键词：
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
中图分类号：
作者姓名：
王奴建;艾孜尔古丽·玉素甫;陈德刚
作者机构：
新疆师范大学,新疆 乌鲁木齐 830054
文献出处：
引用格式：
[1]王奴建;艾孜尔古丽·玉素甫;陈德刚-.基于词典与异构融合网络的MOOC评论情感分析)[J].现代电子技术,2022(17):79-84
A类：
异构融合网络,Maxout
B类：
MOOC,情感分析,用户评论,情感分类,分类模型,评论文本,分词,用词,词向量,和约,领域情感词典,情感特征,异构网络,融合特征,文本特征,GRU,注意力机制,特征学习,特征融合,两层,分类任务,分类准确率,基线模型,计算约束
AB值：
0.268391
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。
