[发明专利]一种基于深度学习的学生思政状况预警方法

权利要求书

1.一种基于深度学习的学生思政状况预警方法，其特征在于，包括以下步骤：

步骤S1，原始数据的获取及分类

步骤S101，构建正面核心词汇、负面核心词汇和网络政治敏感词汇数据库；

步骤S102，利用网络爬虫技术，对标题中含有负面核心词汇的新闻进行截取，形成新闻文本数据；对新闻文本数据进行分词处理，获得新闻样本，对新闻样本进行词性标注，生成消极词汇词典SAD，将网络政治敏感词与消极词汇词典SAD合并，形成预警词典；

所述步骤S102中，词性标注的方法为利用word2vec生成情感词典，每个词汇对应一个n维的向量：N＝(x₁,x₂,...,x_n)；计算新闻样本中的词汇的词向量与负面核心词汇的词向量的词义相关度len，计算公式为：

若该词汇与负面核心词汇中的任一词汇的词向量相关度大于0.5，则将该词汇纳入消极词汇词典SAD中，并保留该词汇相关度最大的一个值作为权重，将负面核心词汇也纳入消极词汇词典SAD中；

所述步骤S103中，足够多的学生上网检索记录样本指至少100名学生的至少5000个样本；

所述步骤S103中还包括，对经过积极/消极标注的词汇，利用LSTM算法进行训练，获得训练后的积极/消极的二分类模块，利用二分类模型判断待评价学生网络检索记录样本是否为消极；

步骤S103，获取足够多的学生上网检索记录样本，进行分词处理并进行词性的积极/消极标注，对不能确定是积极/消极词性的词汇作为中性词汇提前舍弃，获得积极/消极的二分类词库；

步骤S2，待评价学生上网数据的处理

步骤S201，获取待评价学生一段时间内的上网检索记录样本，形成若干条短文本，将上网检索记录样本逐条与积极/消极的二分类词库进行比较，获得积极/消极两类网络搜索记录；

步骤S202，对积极的网络搜索记录用预警词典进行过滤；

步骤S203，将上网检索记录样本按时间分割，统计各时间段消极搜索记录数量占该时间段总搜索记录数量的比例，判断本时间段的搜索状态，根据搜索状态判断该待评价学生状态，为正常、思想波动、长期消极或突然变消极；

步骤S3，待评价学生成绩数据的获取

取待评价学生各学期的成绩数据，判断是否有成绩波动大、明显下降、长期较差的情况；

步骤S4，学生思政状况的判断

若该学生成绩波动大、成绩明显下降或成绩长期较差，且思想长期消极或思想突然变消极，则进行思政状况严重预警和学业预警；

若该学生成绩正常，但思想波动、长期消极或突然变消极，则进行思政状况预警；

若该学生成绩波动大、成绩明显下降或成绩长期较差，但思想正常，则进行学业预警；

若该学生成绩正常，但思想波动、长期消极或突然变消极，则进行思政轻微预警。

2.根据权利要求1所述的一种基于深度学习的学生思政状况预警方法，其特征在于，所述步骤S102中，对半年内的新闻进行截取。

3.根据权利要求1所述的一种基于深度学习的学生思政状况预警方法，其特征在于，所述步骤S2中，获取待评价学生超过3个月的上网检索记录样本，并按周分割。

4.根据权利要求1所述的一种基于深度学习的学生思政状况预警方法，其特征在于，所述步骤S202中，对积极的网络搜索记录用预警词典进行过滤的方法为：含有预警词典中任一词汇的网络搜索记录改为消极分类，对本条网络搜索记录中含有不重复的消极词汇的权重值进行相加，其结果小于1.5则对本条网络搜索记录改为积极分类，所述消极词汇的权重值为该词汇的词向量与负面核心词汇的词向量的词义相关度的最大值。