随着国家教育事业的蓬勃发展,关于人才素质的培养不断受到重视,“数据驱动学校,分析变革教育”的大数据时代已经到来。紧随着移动互联网的快速发展,使得网络中产生大量关于高教在培养人才质量方面的评价数据,这些数据对研究如何提高人才培养质量具有重要价值,所以迫切需要利用文本分析技术对这些数据进行有效的抓取及合理的分析,实现对目标数据的自动化采集与分析,从而为相关部门提供人才培养方面的决策支持。因此,本文提出构建面向高教人才培养质量社会评价数据文本分析方法,对此进行了以下研究:(1)针对互联网社交媒体网站的结构不同,制定多源数据采集方案,设计网络爬虫爬取目标数据。在此基础上,进一步完成对高教人才培养质量指标体系的构建,最终制定出标准数据集。(2)针对高等教育人才培养质量社会评价数据集进行文本情感分析。考虑数据来源的网络环境以及数据的领域性,在基础的情感词典中加入社交网络词典和领域词典,从而制定一种基于改进情感词典的文本情感强度计算方法。(3)针对高等教育人才培养质量社会评价数据集进行文本分类。鉴于文本数据的语义特性和上下文关联性,引入循环神经网络(RNN)来解决上下文语义关联性问题,并融合注意力模型(Attention Model)分配给领域关键词更高的权重。将循环结构和注意力模型相结合,从而提出基于双向循环注意力神经网络的文本分类模型。综上所述,本文首先针对目标数据,设计并完成对多源数据的采集与处理;其次提出基于改进情感词典的评价文本情感强度计算方法以及基于双向循环注意力神经网络的文本分类模型分别对目标数据进行分析;最终完成对原型系统的设计与实现。