龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：江西农业大学
摘要：本发明属于自然语言处理技术领域，具体涉及一种基于知识图谱的在线课程质量评价大数据分析方法，该方法计算每条用户课程评价在主题列表中每个主题下的情感得分，获得情感得分矩阵作为分类器序列的输入数据集的评价特征数据，利用知识图谱嵌入将课程评价数据集的原始情感标签进行标签修正，建立分类器序列进行训练，将每条评价特征在不同主题维度下的全局重要性值和绩效结合，为改进在线课程平台课程教学质量提供有效方案和措施。本发明结合机器学习和深度学习的方法，更好地评估大数据规模下的课程质量，为提高教学质量和进行教育决策提供有力支持。
主权项：1.一种基于知识图谱的在线课程质量评价大数据分析方法，其特征在于，步骤如下：步骤一：通过爬虫技术爬取在线课程平台的用户课程评价数据，并进行数据清洗和预处理，得到课程评价数据集；步骤二：使用主题建模模型对课程评价数据集进行主题挖掘，计算置信度确立最优主题个数和模型配置，获取到不同在线课程平台的主题列表；步骤三：结合情感分词处理库计算每条用户课程评价在主题列表中每个主题下的情感得分，获得情感得分矩阵作为分类器序列的输入数据集的评价特征数据；步骤四：利用知识图谱嵌入将课程评价数据集的原始情感标签进行标签修正，将评价文本信息映射为实体三元组的向量嵌入，结合文本嵌入模型增强语义信息，获得用户课程评价的最终嵌入；步骤五：将用户课程评价的最终嵌入传入情感分类器中，通过情感分类器预测得到二次情感标签，最后使用支持向量机将原始情感标签和二次情感标签进行标签整合，得到每条用户课程评价的最终情感标签作为分类器序列的输入数据集的标签数据；步骤六：建立分类器序列，传入获取到的输入数据集进行K折交叉验证训练，比较分类器序列中各分类器预测的性能差异，计算得到每条评价特征在各分类器中的贡献作为绩效，结合基于博弈论的计算算法得到每条评价特征在不同主题维度下的全局重要性值；步骤七：将每条评价特征在不同主题维度下的全局重要性值和绩效结合，利用重要性-绩效技术分析各主题对不同在线课程平台的影响。
全文数据：
权利要求：
百度查询： 江西农业大学 一种基于知识图谱的在线课程质量评价大数据分析方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号