基于激活-池化增强BERT模型的在线课程评论情感分析

潘 芳 张会兵 董俊超

1(广西师范大学职业技术师范学院 广西 桂林 541004) 2(桂林电子科技大学广西可信软件重点实验室 广西 桂林 541004)

0 引 言

由于在线课程开放、方便和优质的特点，使得在线学习者数量快速增加[1]。数量庞大、背景各异、层次多样的学习者对在线课程的管理提出了新的挑战：实时掌握学习动因、学情/状态变化以更好地提供个性化教育服务。为适应这一趋势，在线学习平台会提供评论、论坛等社区功能，方便学习者、教师和平台管理方之间的交流互动。在线交互过程中会产生大量的交互文本等非结构化数据，对评论文本进行情感分析可以有效获取学习者的情感态度、学习体验等，从而理解学习者的需求变化和“学习痛点”，为个性化服务提供参考。

现有的在线课程评论情感分析主要有情感词典、机器学习和深度学习三类方法[1-3]。基于情感词典的方法主要是依据人类先验知识构建情感词典，将课程评论分词后与情感词典比对计算实现对课程评论的情感分析。该类方法受情感词典质量的影响较大，不适用于在线课程海量评论信息情感分析的需要[4]。基于机器学习的方法是将从评论文本中抽取的特征值传入相应模型中进行情感分析[5]，此类方法的性能对特征工程依赖较大。随着在线教育平台中课程评论数据规模的快速增长，特征工程需要花费的时间、人力急剧增加使得该类方法缺点日益凸显。近年来，对评论文本进行特征自动抽取的深度学习情感分析模型(如CNN、RNN)在文本情感分类研究中得到了广泛应用。……