基于LSTM模型的学生反馈文本学业情绪识别方法

发布时间：2023-05-17 22:37

　　分析学生学习过程产生的反馈文本,是发现其学业情绪的重要方式。传统的学业情绪测量方法主要包括使用学业情绪测量问卷和访谈分析,但这两种方法难以大规模地应用于在线教育环境。本研究旨在通过构建学业情绪自动预测模型,对大量学生反馈文本进行快速有效的学业情绪分类。研究首先利用词向量训练工具,将文本转化为多维向量;然后基于深度学习网络LSTM构建学业情绪预测模型,以文本的多维向量作为模型输入;最后经过多轮训练,优化模型参数。实验显示,上述模型可快速有效识别学生反馈文本中所包含的学业情绪,该模型在测试数据集上的学业情绪识别准确率可达89%。

【文章页数】：7 页

【文章目录】：
一、研究综述
    (一) 学业情绪
    (二) 学业情绪的分类
    (三) 学业情绪的测量方法
    (四) 情绪分析方法
        1.基于情绪词典的分析方法
        2. 基于机器学习的分析方法
二、学业情绪自动化识别方法
    (一) 学业情绪自动识别框架
    (二) 数据的收集与处理
    (三) 训练文本词向量
    (四) LSTM模型
    (五) 学业情绪的分类
三、实 验
    (一) 数据集
    (二) 词向量训练参数和LSTM实验参数
    (三) 实验结果与分析
四、结论和未来工作



本文编号：3818135