0 引言

隨著信息技術(shù)的飛速發(fā)展，在線教育逐漸興起，越來越多的人在在線教育課程中留下了有價值的評論，通過對這些評論進行情感分析可以達到多方面的目的，如分析學(xué)生對課程的滿意度、調(diào)查老師授課水平、挖掘課程質(zhì)量等。 

情感分析(Sentiment Analysis)，又稱為情感傾向性分析[1]，目的是找出文本中情感的正負性，如正面或負面、積極或消極，并且把這種正負性數(shù)值化，以百分比或者正負值的方式表現(xiàn)出來。情感分析的研究方法大致可以分為兩種：一是基于情感詞典的情感分析[2]，主要通過建立情感詞典或領(lǐng)域詞典及通過文本中帶有極性的情感詞進行計算來獲取文本的極性，由于依賴于情感詞典，存在覆蓋率不足等缺點；二是基于機器學(xué)習(xí)的情感分析，包括監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)三種方法，其中與監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)相比，半監(jiān)督學(xué)習(xí)通過少量標(biāo)注數(shù)據(jù)和大量無標(biāo)注數(shù)據(jù)進行識別，既不用對所有的數(shù)據(jù)進行標(biāo)注，也不依賴先驗經(jīng)驗，有較好的實用性，從而被許多學(xué)者應(yīng)用在情感分析問題上，如陳珂等[3]利用基于分類器集成的self-training方法進行情感分析研究，使用少量標(biāo)注樣本和大量未標(biāo)注樣本來進行情感分析訓(xùn)練，準(zhǔn)確率達86%。

數(shù)據(jù)擴充[4]是一種結(jié)合機器學(xué)習(xí)使用的方法，在訓(xùn)練樣本不足的情況下，可使模型訓(xùn)練更好地擬合，通過與半監(jiān)督的方法相結(jié)合，可達到標(biāo)注少量數(shù)據(jù)以擴充至大量訓(xùn)練數(shù)據(jù)的效果。數(shù)據(jù)擴充方法目前已被用于圖像、交通、醫(yī)療等領(lǐng)域[5-7]，目前主流的數(shù)據(jù)擴充方法有圖像翻轉(zhuǎn)、隨機噪聲、標(biāo)簽傳播等[8]。

情感分析目前已被應(yīng)用于如電影評論、書籍評論、微博短評等多個領(lǐng)域，但在在線教育課程評論領(lǐng)域的應(yīng)用還較缺乏，把情感分析應(yīng)用在在線教育課程評論上存在著各種挑戰(zhàn)，如評論數(shù)據(jù)的獲取、評論數(shù)據(jù)的標(biāo)注等。為了解決以上問題，本文借鑒半監(jiān)督學(xué)習(xí)的方法，提出基于聚類分析的文本數(shù)據(jù)擴充方法：對少量關(guān)鍵數(shù)據(jù)進行標(biāo)注，并通過聚類分析獲得大量已標(biāo)注數(shù)據(jù)。在目前主流在線教育平臺爬取的569 970條課程評論中選取1 000條關(guān)鍵數(shù)據(jù)進行標(biāo)注并使用本文數(shù)據(jù)擴充方法擴充至10萬條標(biāo)注數(shù)據(jù)，分別利用SVM[9]、RandomForest[10]、AdaBoost[11]、GradientBoost[12]和CNN模型對標(biāo)注數(shù)據(jù)進行訓(xùn)練，實驗表明，與目前主流的LabelSpreading算法相比，本文的數(shù)據(jù)擴充方法均有準(zhǔn)確率上的優(yōu)勢。

本文詳細內(nèi)容請下載：http://m.jysgc.com/resource/share/2000004618

作者信息：

黃偉強1，劉  海2，梁韜文2，楊海華2

(1.華南師范大學(xué) 網(wǎng)絡(luò)中心，廣東 廣州510631；2.華南師范大學(xué) 計算機學(xué)院，廣東 廣州510631)