[发明专利]基于APSO-LSTM网络的教育大数据文本分析方法

说明书

本申请公开了一种基于APSO‑LSTM网络的教育大数据文本分析方法，采集原始数据，形成数据集，数据集包括第一原始数据集和第二原始数据集；预处理第一原始数据集，得到文本数据集；利用Skip‑Gram模型训练文本数据集，得到词向量集；对词向量集标上情感标签，形成样本数据集，样本数据集包括训练集；利用训练集训练APSO‑LSTM网络模型，得到文本情感分析模型；将第二原始数据集输入至文本情感分析模型后，将第二原始数据集中的原始数据的分类结果各自保存成文本文件；利用Word2Vec模型训练文本文件得到正负情感倾向的关键词；根据关键词生成情感分析报告，为网络在线教育的改进提供依据。

技术领域

本发明涉及文本数据挖掘技术领域，尤其涉及一种基于APSO-LSTM网络的教育大数据文本分析方法。

背景技术

随着信息技术迅速发展，特别是互联网到移动互联网，创造了跨时空的生活、工作和学习方式，使知识获取的方式发生了根本变化。教与学可以不受时间、空间和地点条件的限制，尤其是疫情期间全国都实行了网上授课，知识获取渠道灵活与多样化。

所以学生的反馈对于评估学习课程的有效性至关重要。随着教育机构的增多，许多学生通过免费提供免费课程而着迷在线学习门户。每年都有大量的学习者参加这些大规模的在线课程，产生了大量对课程和老师的文本评论数据，但是对于这些文本数据并没有很好的利用并分析，以进一步想了解他们对课程内容和教育质量的看法，改进课程的质量。

发明内容

有鉴于此，本发明提供了一种基于APSO-LSTM网络的教育大数据文本分析方法，包括步骤：

采集原始数据，形成数据集，所述数据集包括第一原始数据集和第二原始数据集；

预处理所述第一原始数据集，得到文本数据集；

利用Skip-Gram模型训练所述文本数据集，得到词向量集；

对所述词向量集标上情感标签，形成样本数据集，所述样本数据集包括训练集；

利用所述训练集训练APSO-LSTM网络模型，得到文本情感分析模型；

将所述第二原始数据集输入至所述文本情感分析模型后，将所述第二原始数据集中的原始数据的分类结果各自保存成文本文件；

利用Word2Vec模型训练所述文本文件得到正负情感倾向的关键词；

根据所述关键词生成情感分析报告。

优选的，所述样本数据集还包括测试集；

利用所述训练集训练APSO-LSTM网络模型得到初始文本情感分析模型，将所述测试集输入至所述初始文本情感分析模型中，查看所述测试集的分类结果，所述分类结果超过阈值则完成训练形成文本情感分析模型，所述分类结果低于所述阈值则继续训练APSO-LSTM网络模型直至分类结果超过阈值，完成训练形成所述文本情感分析模型。

优选的，所述训练集中数据的数量与所述测试集中数据的数量的比例为8:2。

优选的，使用训练数据集对APSO-LSTM网络进行训练得到所述文本情感分析模型，包括步骤：

使用APSO算法所述对文本情感分析模型的权重参数进行优化。

优选的，APSO算法包括步骤：使用OBL初始化LSTM网络的权重；利用和X_kd(t+1)＝X_kd(t)+V_kd(t+1)更新速度和位置；