论文部分内容阅读
2018年,教育部颁布了我国高等教育领域首个教学质量国家标准,体现了国家对提高教学质量的高度重视。学生是接受教学的对象,对质量好坏有直观清晰的感受,挖掘评教数据能够有效反应课程质量情况。教务系统存储了大量无结构的评教文本,难以人工定量定性分析。本文利用自然语言处理相关技术以及机器学习方法对教学评价进行粗粒度的情感打分以及细粒度的主题挖掘,旨在帮助学校管理者更好地了解课程教学相关信息,从而提高教学质量。本文的主要研究成果如下:1.提出了一种领域情感词典自动构建框架,基于该框架构建了带有情感权重的评教领域情感词典Weighted-Edu-Dictionary,并利用该词典对教学评价进行粗粒度情感的定量分析。本文情感词典自动构建过程是:首先提出一种能够自动利用知识库与领域语料选取种子词的方法,该方法能够识别出情感倾向稳定、情感强度高、词频高的种子词。再使用点互信息(Pointwise Mutual Information,PMI)计算种子词与候选词的共现程度,作为关联图的权重。最后利用标签传播算法标注候选词的极性,行标准化最后的标签矩阵,将标签矩阵中的概率值作为情感词的强度。尽管PMI可以很好地衡量词之间的紧密程度,但缺少了对复杂句式的处理,本文将连接关系法(Conjunction Relation Method,CRM)的情感标注思想引入到PMI的计算中,使PMI计算结果更加可靠。本文情感分值定量计算方法是:基于依存句法识别评教文本中影响情感分值的4个特征,根据各个特征对情感的影响定义了一个计算情感分值的方法,可计算给定评论的正负情感倾向与强度。本文提出的构建框架可应用于其它领域的情感词典构建,构建的Weighted-Edu-Dictionary词典丰富了中文情感词典,计算出的情感分值可用于管理者对课程、教师、学院等不同维度的教学质量分析。2.提出了评教文本细粒度主题挖掘模型。该模型首先基于依存句法提取评教文本中的显式主题,针对评教主题的特殊性,提出了NLCS_WNS算法来计算主题词之间的相似度,该方法基于主题词自身结构的相似性以及主题对应情感词之间相似性来计算,根据计算结果合并同义主题。针对评教文本中两种不同类型的隐式主题进行分类提取,第一种隐式主题被专属情感词修饰,本文通过构建显式主题和情感词的共现矩阵来识别隐式主题。第二类隐式主题被特殊情感词修饰,该类情感词在语料中不与主题共同出现,但情感词本身隐含了对某一主题的态度,本文通过人工构建<主题,特殊情感词>表来识别此类隐式主题。本文构建的细粒度主题挖掘模型能够较为准确的提取出评教文本中的主题。3.利用上述研究成果,设计并实现一个基于web的评教文本挖掘系统。实现功能包括:教学评价及其相关数据的信息维护,基于Weighted-Edu-Dictionary词典计算评价情感分值、识别评教文本中主题极其情感倾向。此外,用户可根据课程、院系、教师等不同维度对分值和主题标签进行关联分析,通过表格、柱状图、折线图可视化分析结果。