[发明专利]基于文本情感分析的MOOC评论分析系统及方法

权利要求书

1.一种基于文本情感分析的MOOC评论分析系统，其特征在于：包括用户模块，课程数据管理模块、评论分析模块、概率分析模块以及前端界面；

所述用户模块包括管理用户账号信息和用户使用历史记录信息，通过所述前端界面提供给用户查看和修改自身信息的权限；

所述课程数据管理模块包括课程评论数据上传模块和课程历史分析记录模块；所述课程评论数据上传模块用于处理用户上传的所有课程评论信息并储存在数据库中，并将数据传输至评论分析模块；所述课程历史分析记录模块用于储存并读取同一课程所有的历史分析记录，并将该信息输出至前端界面；

所述评论分析模块对已上传的课程评论数据进行分析，根据用户需求提供各项属性分析结果，并将各属性结果输出至概率分析模块；

所述概率分析模块将从评论分析模块接受到的属性值进行概率分析，根据用户需求，对用户关注的维度进行概率计算，得到属性对应的情感概率值，将结果输出至前端界面；概率分析模块所分析的属性由评论分析模块决定，并将所需信息输出至评论分析模块；

所述前端界面通过用户输入接口，获取用户输入数据，上传至课程数据管理模块，并在系统完成概率分析后，接收概率分析模块输出的信息，对用户模块、课程数据管理模块以及概率分析模块的数据信息进行显示。

2.一种基于文本情感分析的MOOC评论分析方法，通过权利要求1所述基于文本情感分析的MOOC评论分析系统实现，其特征在于：包括以下步骤：

步骤1：神经网络模型训练阶段，使用开源人工神经网络库Keras的embedding层来做word2vec，使用LSTM模型对评论数据进行情感分析；

步骤1.1：对待分析的文件数据进行加载并分别进行label分类，合并正负数据集并调用Jieba分词进行分词；

步骤1.2：进行数据处理，建立特征工程，并将词转为词向量，打乱词向量的排序并将其转化为训练格式；

步骤1.3：基于Keras构建LSTM神经网络模型，并将训练完毕的训练模型进行保存；

步骤2：对基于文本情感分析的MOOC评论分析系统进行操作，完成评论的文本情感分析。

3.根据权利要求2所述的一种基于文本情感分析的MOOC评论分析方法，其特征在于：所述步骤2具体包括：

步骤2.1：在用户查询模块输入待分析的文件数据，对用户输入的数据进行解析，将数据转换成输入参数；

步骤2.2：对基于词相关性与相似度的textrank算法进行参数调整，对输入参数进行关键词提取，同时将提取的关键词进行计数并字典化，将数据转化为json处理；

步骤2.3：通过步骤2.2中提取的关键词出现频率来构建词云和直方图，同时显示所有评论和与评论相关的关键词；

步骤2.4：在用户查询模块中点击步骤2.3的词云中的词汇，显示该词的词频率，总次数与词占比，以及与此词相关的综合分析数据；

步骤2.5：通过步骤1.3中的神经网络模型判断其情感极性，生成每个关键词对应属性的用户历史情感及评价，并将分析数据通过前端界面显示给用户。