面向教学评估的图注意力网络情感分析模型

摘要

随着深度学习的发展，预训练模型、图神经网络等技术的广泛应用，课堂教学评价已成为人工智能和智慧教育领域的研究热点.本文提出了图注意力网络和预训练模型BERT相结合的细粒度情感分析模型，其中方面类别情感分析(ACSA)被分为方面检测(ACD)和方面情感分析(ASC)且共用同BERT参数，同时利用句子依存关系的图注意力网络强化上下文语义来提升模型性能，实验证明了在公开数据集中，本文的模型具有更高的准确率.在案例分析中，本文使用了自主设计并标注的包含13个方面的课堂教学评价数据集，并通过实验证明了本文的模型在多方面、小样本情感分析等任务上的优越性.最后，总结现有神经网络模型在情感分析任务中遇到的挑战，并展望未来研究的潜在方向.

关键词

图注意力网络 / BERT模型 / 课堂教学评价 / 注意力机制 / 依存关系

基金资助

国家杰出青年项目(62125203)资助; 国家自然科学基金重点项目(61932013)资助;国家自然科学基金面上项目(62072253)资助; 江苏省自然科学基金项目(BK20221327)资助