粒度语义分析模型及其在课程评价中的应用

摘要

为解决现有课程评价模型在跨句语境敏感性不足、文本语义重要性挖掘不充分等问题，提出一种基于多粒度语义分析的课程评价模型，以更准确地表征学生文本中的真实意图并支持后续的情感分类与知识提取任务。该模型结合预训练模型和深度神经网络，提取词、句和词性粒度文本特征向量对语义分析和处理，并以课程评价文本为例进行实验和分析。模型采用精确和模糊匹配评估方式，同时引入Dropout和ReLU(Rectified Linear Unit)激活函数以提高模型的泛化能力。通过不同的文本预处理策略，结合停用词去除和重要词汇筛选，提升模型的分类性能。实验结果表明，该模型在课程评价情感分析任务中表现优异，尤其在处理模糊情感边界时，准确率达到92.53%。该语义分析模型有助于全面捕捉学生对课程的细致反馈，为教育领域提供了有效的自动化评价工具，优化教学质量。

关键词

多粒度 / 语义分析 / 课程评价 / 深度神经网络