基于BERT及双向GRU模型的慕课用户评论情感倾向性分析

以实现慕课网用户评论的情感倾向性分析为目的,本文提出一种基于BERT和双向GRU模型的用户评论情感倾向性分类方法。首先使用BERT模型提取课程评论文本的特征表示,其次将获取的词语特征输入BiGRU网络实现用户评论的情感特征的提取,最后用Softmax逻辑回归的方式进行情感倾向性分类。实验结果表明基于BERT和双向GRU模型的评论情感倾向性分类模型的F1值达到92.5%,提高了用户情感倾向性分析的准确率,从而验证了方法的有效性。

融合BERT与LDA的在线课程评论关键词提取方法

为了高效提取高度集中、覆盖范围广和差异性明显的慕课网用户评论关键词,文中提出一种融合BERT和LDA⁃TextRank的关键词提取方法。实现关键词提取的第一步是获取候选关键词,在获得候选关键词之前需对爬取的课程评语进行预处理,再通过BERT模型训练得到慕课网在线评语的词向量;然后利用LDA主题模型得到候选关键词的主题分布;最后结合TextRank算法计算各主题的关系词及生成评论文本的词主题挖掘。基于此,文中利用BERT文本表示方法,能够更好地联系不同词语之间的相关性;在传统的LDA主题抽取模型的基础上结合TextRank方法,并在节点运算中通过迭代算法计算各词的得分,将权值的转移概率作为词语之间的相似度,使得关键词提取性能得到了提升。实验结果表明,与传统方法相比,所提方法的困惑程度值明显降低,证实了该方法的有效性。

基于词典与异构融合网络的MOOC评论情感分析

自MOOC兴起以来,其不仅满足了互联网各行各业对学习的要求,而且也产生了大量学习者参与讨论以及对课程评论的数据,为此,文中提出一种面向MOOC领域的用户评论情感分类模型。针对用户评论,通过对评论文本进行分词,利用词向量和约束集构建了一部领域情感词典,用于提取评论的情感特征等信息;所提模型利用异构网络分层融合特征,首先通过对评论文本特征和情感特征的融合,经过双向GRU网络和注意力机制实现对融合特征的学习,得到第一次的情感特征;其次通过CNN和注意力机制实现对课程相关信息的特征学习,并与第一次的情感特征融合;经过两层特征融合,最终通过添加Maxout的情感分类层,实现对评论文本的情感分类。实验表明,该模型在情感分类任务中分类准确率达到91.41%,相比未融合特征的基线模型提高了3.39%。

计算机科学与技术专业毕业生就业情况调查研究

近年来,随着中国综合大学和师范类大学的增加,应届大学生的数量也在日渐增多,大学生就业困难的问题日益明显,如何做好大学生的职业指导已成为普通高校必须执行的重要任务.现对新疆师范大学计算机科学技术专业2000-2019年的毕业生的本科毕业生情况进行分析研究,期望能对今后的计算机科学技术方向的学生就业具有一定的指导作用.

现代维吾尔语形动词短语识别规则研究

句法分析是自然语言处理中一个很重要的研究内容。对一个语言的分析包括词法分析、句法分析、语义和语用分析等几个层面,因此句法分析直接影响信息检索、自然语言处理研究的进程。本文选择用爬虫方式从天山网“新疆新闻、理论、访惠聚、援疆”等分类里提取了4339文本(作为语料库)中的形动词短语作为研究对象,从计算语言学角度研究形动词短语语法结构及使用规则过程。

论现代的维吾尔语情感分析方法进展

情感分析就是对舆论的现状及其变化趋势进行研究的技术。其次介绍了近几年来的国内汉语,藏语和哈萨克语等部分语言的情感分析研究现状进展,最后重点介绍了维吾尔语近几年来的情感分析研究使用的方法和处理的算法。

现代维吾尔动词语义分类研究

动词的分类一直是动词研究的热点及难点,为此,笔者对现代维吾尔语动词进行了归纳、研究实践和语义分类。语义分类为以后的工作计划提供了强有力的支持,也为现代维吾尔语动词语义网研究提供了基础知识。