一种融合深度学习的学生文本反馈细粒度分析装置与方法制造方法及图纸

本发明专利技术公开了一种融合深度学习的学生文本反馈细粒度分析装置与方法，涉及教育领域，所述装置包括：数据获取模块，所述数据获取模块获取文本数据；文本嵌入模块，所述文本嵌入模块连接所述数据获取模块，对所述文本数据进行词嵌入处理，并输出词向量；深度学习模块，所述深度学习模块连接所述文本嵌入模块，利用卷积神经网络捕捉所述词向量的多尺度特征，并将所述多尺度特征传入加权双向金字塔网络进行特征融合，将融合后的特征传入文本范畴分类器和文本极性分类器，分别输出所述文本数据的范畴归类和情感极性。本发明专利技术在情感极性分类的基础上加入了范畴归类的分析，从而可以更加充分地利用反馈数据中的信息。

【技术实现步骤摘要】
一种融合深度学习的学生文本反馈细粒度分析装置与方法
本专利技术涉及教育领域，尤其涉及一种融合深度学习的学生文本反馈细粒度分析装置与方法。
技术介绍
在大班化是教育主流模式的背景下，形成鲜明对比的是有限的教师精力与时间。尽力照顾到每一位同学，了解每一位同学的最新学习状况，需要大量的信息反馈与交互，但是教师们心有余而力不足，要做到面面俱到几乎不可能。同时，很多学校都有家校沟通本来加强教育双方的交流，而线上教育平台也提供了课程的讨论板块供学生进行在线的交流。教育双方在线下以及线上的交流为更好地照顾到每一位学生提供了信息支撑，对交流信息进行有效的分析有利于帮助教师更快更全面了解学生的学习需求与状态，对症下药，采取个性化的教学指导措施。目前，很多针对线下以及线上教育的学生反馈分析仅限于学生评价的极性分析，即学生对于课程的评价结果最终是正面的，负面的还是中立的。极性分析的结果并没有能够充分利用数据中的信息以及数据产生的额外价值。因此，本领域的技术人员致力于开发一种融合深度学习的学生文本反馈细粒度分析装置与方法，更加充分地挖掘数据中的信息，帮助教师们更快更全面了解学生的学习需求与状态，既能节省教师们的时间，减轻教学负担，又能辅助教师们为学生提供精细化的学习指导，提高教师们的工作效能以及学生的学习效能。
技术实现思路
有鉴于现有技术中没有充分利用学生的文本反馈进行分析，低估了学生文本反馈的价值的问题，本专利技术所要解决的技术问题是如何对学生的文本反馈数据进行充分的分析，从而辅助教师们的教学工作，使其充分了解学生的学习状况并提供针对性的指导。为实现上述目的，本专利技术提供了一种融合深度学习的学生文本反馈细粒度分析装置与方法，完成对学生反馈的分析，辅助老师的教学工作，使其充分了解学生的学习状况并提供针对性的指导。本专利技术提供的一种融合深度学习的学生文本反馈细粒度分析装置包括：数据获取模块，所述数据获取模块获取文本数据；文本嵌入模块，所述文本嵌入模块连接所述数据获取模块，对所述文本数据进行词嵌入处理，并输出词向量；深度学习模块，所述深度学习模块连接所述文本嵌入模块，利用卷积神经网络捕捉所述词向量的多尺度特征，并将所述多尺度特征传入加权双向金字塔网络进行特征融合，将融合后的特征传入文本范畴分类器和文本极性分类器，分别输出所述文本数据的范畴归类和情感极性。进一步地，所述文本嵌入模块的所述词嵌入处理是利用连续词袋模型训练得到词向量，同时加入位置信息，对所述文本数据中的每个字符的位置进行编码，最后融合词性标签嵌入，并且与经过所述连续词袋模型训练得到的所述词向量以及位置编码后的向量结合，成为最终的所述词向量。进一步地，所述连续词袋模型的输入是当前中心词的上下文相关的词对应的词向量，所述连续词袋模型的输出是所述当前中心词的词向量。进一步地，所述数据获取模块是利用光学字符识别扫描仪识别线下沟通的文本信息并存储为所述文本数据，或者是利用爬虫代码对线上沟通的文本信息进行爬取并存储为所述文本数据。进一步地，还包括：数据预处理模块，所述数据预处理模块设置于所述数据获取模块与所述文本嵌入模块之间，将所述文本数据中信息不完整的数据直接丢弃，并将所述文本数据中的标点符号以及停止词删去，只保留纯字符信息。进一步地，还包括：后处理模块，所述后处理模块设置于所述深度学习模块之后，将所述文本数据、所述范畴归类和所述情感极性进行存储。进一步地，所述文本数据、所述范畴归类和所述情感极性以三维元组的形式<T，C，P>进行存储，其中：T代表文本，C代表所述文本中评价内容的所述范畴归类，P代表反馈中体现的所述情感极性。本专利技术提供的一种融合深度学习的学生文本反馈细粒度分析方法，所述方法包括如下步骤：步骤1、根据线上线下的不同场景，采用不同的手段获取文本数据；步骤2、对所述文本数据进行词嵌入处理，利用连续词袋模型训练得到词向量，同时加入位置信息，对所述文本数据中的每个字符的位置进行编码，最后融合词性标签嵌入，并且与经过所述连续词袋模型训练得到的所述词向量以及位置编码后的向量结合，成为最终的词向量；步骤3、利用卷积神经网络捕捉所述词向量的多尺度特征，并将所述多尺度特征传入加权双向金字塔网络进行特征融合，将融合后的特征传入文本范畴分类器和文本极性分类器，分别输出所述文本数据的范畴归类和情感极性。进一步地，在所述步骤3中使用支持向量机来训练所述文本范畴分类器和所述文本极性分类器。进一步地，在所述步骤3中，根据线下和线上的不同特点，将所述线下的范畴类别分为：教学方法、教学态度和自我反省，将所述线上的范畴类别分为：教学方法、教学态度、自我反省和平台使用感；将极性类别分为：正面、中立和负面；将所述文本范畴分类器和所述文本极性分类器的预测结果分别与标签数据做对比，计算交叉熵损失函数，并运用随机梯度下降法来更新网络模型中的权值。本专利技术提供了一种融合深度学习的学生文本反馈细粒度分析装置与方法至少具有以下技术效果：1、以往对学生反馈的处理只局限于对于评价的极性分类，本专利技术在情感极性分类的基础上加入了范畴归类的分析，从而可以更加充分地利用反馈数据中的信息；2、对学生的文本反馈进行更细粒度的分析并将结果输出和存储，供教师参考，从而便于教师及时地调整对于个体学生的教学方法，使得学生的反馈信息得到充分的利用，学生也能在个性化的指导下更有可能获得较为显著的成绩提升，且将分析结果进行存储之后也可以跟踪教师利用这些分析结果采取相应措施之后的效果对比，从而更好地实现了数据产生的额外价值。以下将结合附图对本专利技术的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本专利技术的目的、特征和效果。附图说明图1是本专利技术的一个较佳实施例的流程图；图2是图1所示实施例的深度学习模块结构图。具体实施方式以下参考说明书附图介绍本专利技术的多个优选实施例，使其
技术实现思路
更加清楚和便于理解。本专利技术可以通过许多不同形式的实施例来得以体现，本专利技术的保护范围并非仅限于文中提到的实施例。目前，很多针对线下以及线上教育的学生反馈分析仅限于学生评价的极性分析，即学生对于课程的评价结果最终是正面的，负面的还是中立的。极性分析的结果并没有能够充分利用数据中的信息以及数据产生的额外价值。因此，本领域的技术人员致力于开发一种融合深度学习的学生文本反馈细粒度分析装置与方法，更加充分地挖掘数据中的信息，帮助教师们更快更全面了解学生的学习需求与状态，既能节省教师们的时间，减轻教学负担，又能辅助教师们为学生提供精细化的学习指导，提高教师们的工作效能以及学生的学习效能。具体来说，本专利技术提出的装置与方法，融合了有监督学习的方法，利用卷积神经网络(ConvolutionNeuralNetwork，CNN)捕捉文本的多尺度特征，再将不同尺度的特征传入加权双向金字塔网络(WeightedBi-directionalFeaturePy本文档来自技高网...

【技术保护点】
1.一种融合深度学习的学生文本反馈细粒度分析装置，其特征在于，包括：/n数据获取模块，所述数据获取模块获取文本数据；/n文本嵌入模块，所述文本嵌入模块连接所述数据获取模块，对所述文本数据进行词嵌入处理，并输出词向量；/n深度学习模块，所述深度学习模块连接所述文本嵌入模块，利用卷积神经网络捕捉所述词向量的多尺度特征，并将所述多尺度特征传入加权双向金字塔网络进行特征融合，将融合后的特征传入文本范畴分类器和文本极性分类器，分别输出所述文本数据的范畴归类和情感极性。/n

【技术特征摘要】
1.一种融合深度学习的学生文本反馈细粒度分析装置，其特征在于，包括：
数据获取模块，所述数据获取模块获取文本数据；
文本嵌入模块，所述文本嵌入模块连接所述数据获取模块，对所述文本数据进行词嵌入处理，并输出词向量；
深度学习模块，所述深度学习模块连接所述文本嵌入模块，利用卷积神经网络捕捉所述词向量的多尺度特征，并将所述多尺度特征传入加权双向金字塔网络进行特征融合，将融合后的特征传入文本范畴分类器和文本极性分类器，分别输出所述文本数据的范畴归类和情感极性。


2.如权利要求1所述的融合深度学习的学生文本反馈细粒度分析装置，其特征在于，所述文本嵌入模块的所述词嵌入处理是利用连续词袋模型训练得到词向量，同时加入位置信息，对所述文本数据中的每个字符的位置进行编码，最后融合词性标签嵌入，并且与经过所述连续词袋模型训练得到的所述词向量以及位置编码后的向量结合，成为最终的所述词向量。


3.如权利要求2所述的融合深度学习的学生文本反馈细粒度分析装置，其特征在于，所述连续词袋模型的输入是当前中心词的上下文相关的词对应的词向量，所述连续词袋模型的输出是所述当前中心词的词向量。


4.如权利要求1所述的融合深度学习的学生文本反馈细粒度分析装置，其特征在于，所述数据获取模块是利用光学字符识别扫描仪识别线下沟通的文本信息并存储为所述文本数据，或者是利用爬虫代码对线上沟通的文本信息进行爬取并存储为所述文本数据。


5.如权利要求1所述的融合深度学习的学生文本反馈细粒度分析装置，其特征在于，还包括：
数据预处理模块，所述数据预处理模块设置于所述数据获取模块与所述文本嵌入模块之间，将所述文本数据中信息不完整的数据直接丢弃，并将所述文本数据中的标点符号以及停止词删去，只保留纯字符信息。


6.如权利要求1所述的融合深度学习的学生文本反馈细粒度分析装...

【专利技术属性】
技术研发人员：凡婷伟，王冠，杨根科，褚健，王宏武，
申请(专利权)人：上海交通大学宁波人工智能研究院，
类型：发明
国别省市：浙江;33