基于R-Boson的在线课程评论情感分析模型研究

随着在线教育平台的普及,蕴含丰富情感信息的在线课程评论文本不断涌现,其对于优化在线教育平台和提升教学效果具有重要意义。故构建一种基于R-Boson情感词典的在线课程评论情感分析模型。首先,爬取B站课程评论并运用jieba等技术进行数据预处理;其次,根据评论特点建立教育领域否定词和程度副词词典;最后,使用R-Boson情感分析模型计算评论情感倾向。结果表明,与基础Boson词典相比,添加否定词和程度副词的R-Boson模型性能有所提升,其F1值从93%提升至95%,负向召回率从54%提升至79%,负向精确率从76%提升至87%;同时,模型在递增数据规模下F1值从89%逐渐提升至95%。