[发明专利]基于自然语言处理的教育资源质量评价挖掘方法及系统

摘要

本发明公开了一种基于自然语言处理的教育资源质量评价挖掘方法及系统，首先从海量教育评论数据中使用自然语言处理技术挖掘用户评价观点，以评价对象,评价词二元组存储。其次，以评价对象，评价词为指标结点建立。然后基于教育资源语料库通过神经网络对词向量进行训练，建立词到向量的模型。再对评价对象进行聚类，再按照floyd算法选出中心向量。接着对评价词进行聚类，生成资源评价指标树，选出的中心向量作为评价指标树的结点，最后对评价词进行情感分析并打分输出。解决了基于众筹众创的数字教育评价数据量过大，人工评价方法成本高、难度大、主观性高等问题。

主权项

1.一种基于自然语言处理的教育资源质量评价挖掘方法，其特征在于，包括以下步骤：步骤1，采集教育资源评价数据，去除无效评论；步骤2，评价搭配抽取；能够表达用户情感的评价对象和评价短语由多个词语组成，每一组词构成一个<评价对象，评价词>的评价搭配；对评价进行分句，用带权词典构建Trie树，根据Trie树对待分句生成所有可能词为结点组成的有向无环图，通过动态规划法以权值最大的路径输出为分词结果；再对待处理句子进行依存句法分析，然后将满足规则关系的搭配提取为评价搭配二元组，以<评价对象，评价词>的结构保存；步骤3，将自然语言向量化；word2vec采用的模型包含了连续词袋模型CBOW和Skip‑Gram模型；通过word2vec进行高效训练从而得到词向量，词向量之间的距离表示词和词之间的相似程度；步骤4，构建knn聚类模型；取评价对象向量集合Si，包含i个m种类的评价搭配词向量模型，当第i+1个词向量加入集合时，计算Ci+1与所有向量的余弦相似度sim；确定k的值为N×A，N为元组总数，A这里取1/10，将sim按照从小到大的顺序排序，选取前k个向量tensors，统计这k个向量中所属分类比例最大的，则这个向量属于该分类；步骤5，选出中心评价对象向量；通过floyd算法计算每一类中所有向量之间的余弦相似度，保存在矩阵S中，S[i][j]表示向量i与向量j的余弦相似度；遍历S选取与其他向量相似度最小的向量作为类别的中心向量；中心向量对应的评价对象则为中心评价对象；步骤6，选出中心评价词对象；在以评价对象分的每一类中重复步骤5，选出中心词评价向量组；步骤7，生成评价树；生成以<资源，评价对象，评价词>为结点的评价树，其中，资源为根结点，评价对象为二级结点，评价词为三级结点；步骤8，对评价词进行情感分析；经过分类统计，得到关于评价对象的情感得分，再通过权重矩阵值得出整个资源的评分；将情感分成两类标签集：消极和积极；对于消极的评价词，我们记作‘‑1’，积极的评价词记做‘1’；对于某含有a个中心词的评价对象O，它的评分值属于[‑a,a]区间；对于含有x个评价对象的资源，它的评分值属于[‑x*a,x*a]；步骤9，用户偏好矩阵构建；对于x个评价对象，获得用户偏好向量X，有X_i∈(0,1)，用户对某一评价对象偏好越大，相应的X_i值就越大；步骤10，获得资源评价得分；将评价对象得分向量A与用户偏好向量X点乘，获得最后的资源评价得分。