[发明专利]基于文本情感分析的MOOC评论分析系统及方法在审

专利信息
申请号: 202010349631.X 申请日: 2020-04-28
公开(公告)号: CN111563162A 公开(公告)日: 2020-08-21
发明(设计)人: 那俊;唐麒森;刘禹廷 申请(专利权)人: 东北大学
主分类号: G06F16/35 分类号: G06F16/35;G06F40/289;G06F40/216;G06Q10/06;G06Q50/20
代理公司: 沈阳东大知识产权代理有限公司 21109 代理人: 李在川
地址: 110819 辽宁*** 国省代码: 辽宁;21
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 文本 情感 分析 mooc 评论 系统 方法
【说明书】:

发明提供一种基于文本情感分析的MOOC评论分析系统及方法,涉及数据挖掘与情感分析技术领域。本发明包括用户模块,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;本发明通过对神经网络模型进行训练,对基于文本情感分析的MOOC评论分析系统进行操作,能够对用户欲了解的课程进行历史评论分析,根据用户需求,最终自动化地相应给用户所需要的分析数据。

技术领域

本发明涉及数据挖掘与情感分析技术领域,尤其涉及一种基于文本情感分析的MOOC评论分析系统及方法。

背景技术

MOOC,即大规模开放课程(Massive Open Online Course),是“互联网+教育”的产物,是新进涌现出来的一种在线课程开发模式。MOOC是以连通主义理论和网络化学习的开放教育学为基础的。这些课程跟传统的大学课程一样循序渐进地让学生从初学者成长为高级人才。课程的范围不仅覆盖了广泛的科技学科,比如数学和工程学,也包括了社会科学和人文学科。

然而,由于MOOC处于初级发展阶段,出现了许多不可避免的问题,无论是顶层设计还是具体环节都不可避免地存在一些问题和薄弱环节,认清这些问题有助于慕课的良性发展。从学习者的角度了解课程或平台的不足或缺陷,能够客观的认识到MOOC的不足和正确的发展方向。

此外,用户评论在近几年广泛存在于各类电子商务中。越来越多的消费者选择网上消费前进行用户评论的了解,以此来从多方面了解产品,从而调整自己的消费倾向和行为。作为商家,也可以通过这些评论信息来了解消费者的感情倾向,了解消费者对商品的满意度、建议或意见。

MOOC作为一种大型网络在线课程平台,也开放了用户对其参加的课程进行线上评价。而发起课程的组织、教师则是可以通过分析这些评论,总结出自己课程的问题所在,不断修正、改进课程,促进网络课程的良性发展。参与学习的用户也可以根据相关课程评论,更详细准确的多方面了解课程,从而调整自己的学习方向,同时也避免因为课程介绍不够准确误导用户,学习一段时间后才发现学习方向产生偏差,浪费大量精力和时间。此外,MOOC平台也能分析评论后,对一些无实际内容或用户评价极差的课程进行警告或整改,提高平台的整体教学质量及水平。因此,对MOOC课程的用户评论进行分析能够有效的促进慕课教学模式的快速、良性发展,对平台、课程发布者以及用户都是必要且有利的。

然而,当前并没有一套成熟的系统,能够对MOOC的某项课程所有评论进行有效的、可视化结果的分析,无法帮助学习者直观地了解课程的特点与优势,管理者为认识到课程的不足,对课程进行调整,也将耗费大量的人力物力对数以千记的课程评论进行人工分析,耗时耗力且有效性不足。因此,当前并没有系统能够满足帮助MOOC良性发展的需求。

发明内容

针对现有技术存在的问题,本发明提供一种基于文本情感分析的MOOC评论分析系统及方法,对用户欲了解的课程进行历史评论分析,可根据用户需求,最终自动化地相应给用户所需要的分析数据。

本发明所采取的技术方案是:

一方面,本发明提供一种基于文本情感分析的MOOC评论分析系统,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基本信息和用户使用历史记录信息,用户模块用于管理用户的主要信息,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;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东北大学,未经东北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010349631.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top