面向在线课程推荐的评论文本情感分析

摘要：准确的课程内容推荐是影响在线课程学习体验的重要因素，合理利用学习者评论文本中蕴含的情感信息可以有效提升推荐准确度，论文提出融合注意力机制的RoBERTa-BiLSTM 模型来提取非结构化评论文本中的情感信息。首先，采用RoBERTa 模型将课程评论文本和方面词转换成词向量；然后，通过双向的LSTM 来双向提取课程评论和方面词的深层次语义，再通过注意力机制来学习方面词在评论文本中的重要程度；最后，将更新的向量表示与BiLSTM 模型的输出相乘，并输入到全连接层进行分类预测。在bilibili平台数据集上测试表明准确率和F1值达到了84.6%和0.834。

关键词： 在线课程；评论文本；情感分析

中图分类号：TP391.1 文献标识码：A文章编号：1009-3044（2023）29-0036-04