[发明专利]一种基于深度学习的学生思政状况预警方法

摘要

本发明公开了一种基于深度学习的学生思政状况预警方法，具体通过集合全网新闻数据训练预料库，准确地分析学生上网行为中检索记录中与情感问题倾向相的检索记录和关键词，达到了数据全且数据新颖的目的。同时集合人工智能算法和大数据分析技术，整个思政状况分析流程不需要人为主观地参与到分析的任务当中，可指导老师对学生进行学业或思政状况预警，相比较传统思政状况分析更加客观，更加具有全面性。

主权项

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；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测学生状态，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。