[发明专利]基于APSO-LSTM网络的教育大数据文本分析方法

权利要求书

1.一种基于APSO-LSTM网络的教育大数据文本分析方法，其特征在于，包括步骤：

采集原始数据，形成数据集，所述数据集包括第一原始数据集和第二原始数据集；

预处理所述第一原始数据集，得到文本数据集；

利用Skip-Gram模型训练所述文本数据集，得到词向量集；

对所述词向量集标上情感标签，形成样本数据集，所述样本数据集包括训练集；

利用所述训练集训练APSO-LSTM网络模型，得到文本情感分析模型；

将所述第二原始数据集输入至所述文本情感分析模型后，将所述第二原始数据集中的原始数据的分类结果各自保存成文本文件；

利用Word2Vec模型训练所述文本文件得到正负情感倾向的关键词；

根据所述关键词生成情感分析报告。

2.根据权利要求1所述的基于APSO-LSTM网络的教育大数据文本分析方法，其特征在于，所述样本数据集还包括测试集；

利用所述训练集训练APSO-LSTM网络模型得到初始文本情感分析模型，将所述测试集输入至所述初始文本情感分析模型中，查看所述测试集的分类结果，所述分类结果超过阈值则完成训练形成文本情感分析模型，所述分类结果低于所述阈值则继续训练APSO-LSTM网络模型直至分类结果超过阈值，完成训练形成所述文本情感分析模型。

3.根据权利要求2所述的基于APSO-LSTM网络的教育大数据文本分析方法，其特征在于，所述训练集中数据的数量与所述测试集中数据的数量的比例为8:2。

4.根据权利要求1所述的基于APSO-LSTM网络的教育大数据文本分析方法，其特征在于，使用训练数据集对APSO-LSTM网络进行训练得到所述文本情感分析模型，包括步骤：

使用APSO算法所述对文本情感分析模型的权重参数进行优化。

5.根据权利要求4所述的基于APSO-LSTM网络的教育大数据文本分析方法，其特征在于，

APSO算法包括步骤：使用OBL初始化LSTM网络的权重；利用和X_kd(t+1)＝X_kd(t)+V_kd(t+1)更新速度和位置；

其中，X_kd(t)为速度，V_kd(t)为第k个粒子的位置，d为维度空间，t为迭代，对于任何给定的粒子P速度，P_best为个人或局部最佳值，G_best为全局最佳值，c₁和c₂为加速度系数，r₁和r₂为[0，1]范围内的随机变量，w为惯性权重；

利用F(i)＝Min(Loss(i))对文本情感分析模型的权重参数进行优化；

其中，H_t为LSTM网络实际的输出，T_t为LSTM网络期望的输出，N为从n个数据点的样本中生成的预测，F(i)为适应度值。

6.根据权利要求1所述的基于APSO-LSTM网络的教育大数据文本分析方法，其特征在于，

利用Word2Vec模型训练所述文本文件得到正负情感倾向的关键词，包括步骤：

对所述分类结果进行分词和词性标注的处理，保留具有正负情感倾向的单词，得到正负情感倾向的所述关键词。

7.根据权利要求1所述的基于APSO-LSTM网络的教育大数据文本分析方法，其特征在于，所述预处理包括标记化、停用词去除和数据清洗。

8.根据权利要求1所述的基于APSO-LSTM网络的教育大数据文本分析方法，其特征在于，所述情感标签包括正向、中性和负向。