[發明專利]一種融合深度學習的學生文本反饋細粒度分析裝置與方法

在審

• 申請號: 202110059701.2
• 申請日: 2021-01-18
• 公開（公告）號: CN112765351A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 凡婷偉;王冠;楊根科;褚健;王宏武
• 申請（專利權）人: 上海交通大學寧波人工智能研究院
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06N3/08;G06N3/04;G06K9/62;G06Q50/20
• 代理公司: 上海劍秋知識產權代理有限公司 31382
• 代理人: 徐浩俊

本發明公開了一種融合深度學習的學生文本反饋細粒度分析裝置與方法，涉及教育領域，所述裝置包括：數據獲取模塊，所述數據獲取模塊獲取文本數據；文本嵌入模塊，所述文本嵌入模塊連接所述數據獲取模塊，對所述文本數據進行詞嵌入處理，并輸出詞向量；深度學習模塊，所述深度學習模塊連接所述文本嵌入模塊，利用卷積神經網絡捕捉所述詞向量的多尺度特征，并將所述多尺度特征傳入加權雙向金字塔網絡進行特征融合，將融合后的特征傳入文本范疇分類器和文本極性分類器，分別輸出所述文本數據的范疇歸類和情感極性。本發明在情感極性分類的基礎上加入了范疇歸類的分析，從而可以更加充分地利用反饋數據中的信息。

技術領域

本發明涉及教育領域，尤其涉及一種融合深度學習的學生文本反饋細粒度分析裝置與方法。

背景技術

在大班化是教育主流模式的背景下，形成鮮明對比的是有限的教師精力與時間。盡力照顧到每一位同學，了解每一位同學的最新學習狀況，需要大量的信息反饋與交互，但是教師們心有余而力不足，要做到面面俱到幾乎不可能。同時，很多學校都有家校溝通本來加強教育雙方的交流，而線上教育平臺也提供了課程的討論板塊供學生進行在線的交流。教育雙方在線下以及線上的交流為更好地照顧到每一位學生提供了信息支撐，對交流信息進行有效的分析有利于幫助教師更快更全面了解學生的學習需求與狀態，對癥下藥，采取個性化的教學指導措施。

目前，很多針對線下以及線上教育的學生反饋分析僅限于學生評價的極性分析，即學生對于課程的評價結果最終是正面的，負面的還是中立的。極性分析的結果并沒有能夠充分利用數據中的信息以及數據產生的額外價值。

因此，本領域的技術人員致力于開發一種融合深度學習的學生文本反饋細粒度分析裝置與方法，更加充分地挖掘數據中的信息，幫助教師們更快更全面了解學生的學習需求與狀態，既能節省教師們的時間，減輕教學負擔，又能輔助教師們為學生提供精細化的學習指導，提高教師們的工作效能以及學生的學習效能。

發明內容

有鑒于現有技術中沒有充分利用學生的文本反饋進行分析，低估了學生文本反饋的價值的問題，本發明所要解決的技術問題是如何對學生的文本反饋數據進行充分的分析，從而輔助教師們的教學工作，使其充分了解學生的學習狀況并提供針對性的指導。

為實現上述目的，本發明提供了一種融合深度學習的學生文本反饋細粒度分析裝置與方法，完成對學生反饋的分析，輔助老師的教學工作，使其充分了解學生的學習狀況并提供針對性的指導。

本發明提供的一種融合深度學習的學生文本反饋細粒度分析裝置包括：

數據獲取模塊，所述數據獲取模塊獲取文本數據；

文本嵌入模塊，所述文本嵌入模塊連接所述數據獲取模塊，對所述文本數據進行詞嵌入處理，并輸出詞向量；

深度學習模塊，所述深度學習模塊連接所述文本嵌入模塊，利用卷積神經網絡捕捉所述詞向量的多尺度特征，并將所述多尺度特征傳入加權雙向金字塔網絡進行特征融合，將融合后的特征傳入文本范疇分類器和文本極性分類器，分別輸出所述文本數據的范疇歸類和情感極性。

進一步地，所述文本嵌入模塊的所述詞嵌入處理是利用連續詞袋模型訓練得到詞向量，同時加入位置信息，對所述文本數據中的每個字符的位置進行編碼，最后融合詞性標簽嵌入，并且與經過所述連續詞袋模型訓練得到的所述詞向量以及位置編碼后的向量結合，成為最終的所述詞向量。

進一步地，所述連續詞袋模型的輸入是當前中心詞的上下文相關的詞對應的詞向量，所述連續詞袋模型的輸出是所述當前中心詞的詞向量。

進一步地，所述數據獲取模塊是利用光學字符識別掃描儀識別線下溝通的文本信息并存儲為所述文本數據，或者是利用爬蟲代碼對線上溝通的文本信息進行爬取并存儲為所述文本數據。

進一步地，還包括：