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；步骤四包括以下过程：使用句法依存分析对课程评价数据集进行实体三元组的抽取；使用TransE算法将实体三元组映射到密集的低维空间中；通过遍历实体三元组初始化实体和关系的低维向量表示，得到低维头实体集、低维实体关系向量集和低维尾实体集，将低维头实体集、低维实体关系向量集和低维尾实体集构建为训练集，定义最小化损失函数学习实体和关系的嵌入向量，通过反复迭代训练学习得到实体三元组的嵌入向量，作平均处理后得到实体三元组嵌入；使用BERT模型结合FastText模型对课程评价数据集进行单词和词性层面的语义增强处理，构建用户课程评价的单词矩阵和词性矩阵，通过预训练BERT模型得到单词向量嵌入和词性向量嵌入，结合实体三元组嵌入作平均处理，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