应用型本科机器学习课程教学改革探索与实践

目前,应用型本科机器学习课程教学存在着内容宽泛且难度大、教学手段缺乏创新、课程评价体系不完善等问题。在新工科背景下,应用型本科机器学习作为人工智能专业的核心课程,应顺应科技变革的趋势,不断探索教学改革新路径。要通过对教学内容进行整合优化提升课程的高阶性和创新性;要采用基于“学习通+实验教学平台”的线上线下混合式教学模式丰富课堂教学,理论与实践紧密结合,提升学生的学习兴趣和参与度;要构建形成性评价与终结性评价相结合的课程考核评价体系,提升教学效能。

基于预训练语言模型词向量融合的情感分析研究

针对传统情感分类模型的分类效果不足,无法准确地捕捉词语之间关系的问题,提出一种基于预训练语言模型词向量融合的GE-BiLSTM(Glove-ELMO-BiLSTM)情感分析模型。通过预训练语言模型ELMO以语言模型为目的训练词向量,再与传统的Glove模型的训练结果进行运算融合,结合了全局信息以及局部上下文信息,增加了词向量矩阵的稠密度,词语之间的特征得到更好的表达,结合BiLSTM神经网络可以更好地捕捉上下文信息的关系。实验结果证明:GE-BiLSTM情感分析模型可以达到更好的分类效果,准确率比传统模型提高了2.3百分点,F1值提升了0.024。