Python自然语言处理入门与实战-教案第5、6章天问一号事件中的网民评论情感分析、新闻文本分.docxVIP

下载本文档

1
0
约3.34千字
约 9页
2022-11-20 发布于四川
举报
版权申诉

Python自然语言处理入门与实战-教案第5、6章天问一号事件中的网民评论情感分析、新闻文本分.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第5章天问一号事件中的网民评论情感分析教案课程名称：Python自然语言处理入门与实战课程类别：必修适用专业：大数据技术类相关专业总学时：64学时(其中理论40学时，实验24学时) 总学分：4.0学分本章学时：9学时一、材料清单(1) (Python自然语言处理入门与实战》教材。 (2)配套 PPT。 (3)引导性提问。 (4)探究性问题。 (5)拓展性问题。二、教学目标与基本要求.教学目标本章使用朴素贝叶斯分类算法对评论数据进行情感分析。先介绍案例的背景和数据的概况；然后介绍案例的整体流程；对数据进行探索分析和文木预处理，并绘制词云图；使用朴素贝叶斯构建情感分类模型，对模型的效果进行评价，并对模型进行优化。 .基本要求了解天问一号事件bilibili网站用户评论情感分析案例背景、数据和目标。 (2)掌握数据探索的方法，对数据进行可视化处理。 (3)掌握文本预处理的方法，对文本进行中文分词、去停用词等处理和向量化。 (4)掌握朴素贝叶斯分类算法的使用方法，构建分类模型和进行模型优化。 (5)掌握分类模型评估方法，对构建的分类模型进行模型评估。三、问题 .引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。 (1)情感分析是什么？ (2)情感分析有哪些用处？ (3)如何判断一段文本中所蕴涵的情感？ .探究性问题探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。 (1)有哪些方法可以判断一段文本的情感？ (2)天问一号事件中，评论数据呈现什么样变化？ .拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问题。 (1)还有哪些算法可以用于情感分析？ (2)如何提高情感分析的准确率？四、主要知识点、重点与难点 .主要知识点（1）网民评论情感分析的背景。（2）评论数据的概况。（3）网民评论情感分析的分析目标与流程。（4）探索评论数据的变化情况。（5）对评论数据进行文本预处理。（6）绘制词云图。（7）使用朴素贝叶斯构建情感分类模型。（8）对构建的模型进行评估。（9）对模型进行优化。 .重点（1）网民评论情感分析的分析目标与流程。（2）探索评论数据的变化情况。（3）对评论数据进行文本预处理。（4）绘制词云图。（5）使用朴素贝叶斯构建情感分类模型。（6）对构建的模型进行评估。（7）对模型进行优化。 .难点（1）对评论数据进行文本预处理。（2）使用朴素贝叶斯构建情感分类模型。（3）对模型进行优化。五、教学过程设计 1.理论教学过程(1)网民评论情感分析的背景。 (2)评论数据的概况。 (3)网民评论情感分析的分析目标与流程。 (4)探索评论数据的变化情况。 (5)对评论数据进行文本预处理。 (6)绘制词云图。 (7)使用朴素贝叶斯构建情感分类模型。 (8)对构建的模型进行评估。 (9)对模型进行优化。 2.实验教学过程(1)探索评论数据的变化情况。 (2)对评论数据进行文本预处理。 (3)绘制词云图。 (4)使用朴素贝叶斯构建情感分类模型。 (5)对构建的模型进行评估。 (6)对模型进行优化。六、教材与参考资料 .教材戴程，张良均.Python自然语言处理入门与实战[M].北京：人民邮电出版社.2022. .参考资料 [1]张良均.Python数据分析与挖掘实战[M].北京：机械工业出版社.2015. [2]张良均.Python与数据挖掘[M].北京：机械工业出版社.2016. [3]肖刚，张良均.Python中文自然语言处理基础与实战[M].北京：人民邮电出版社.2021. 第6章新闻文本分类教案课程名称：Python自然语言处理入门与实战课程类别：必修适用专业：大数据技术类相关专业总学时：64学时(其中理论40学时，实验24学时) 总学分：4.0学分本章学时：10学时七、材料清单(6) (Python自然语言处理入门与实战》教材。 (7)配套 PPT。 (8)引导性提问。 (9)探究性问题。 (10)拓展性问题。八、教学目标与基本要求.教学目标本章使用支持向量机算法对新闻文本的类型进行分类。先介绍案例的背景和数据的概况;然后介绍案例的整体流程；对数据采集过程进行介绍；对数据进行探索分析和文本预处理；使用支持向量机(SVM)分类算法构建新闻分类模型，并对模型的效果进行评价。 .基本要求了解新闻文本分类案例的业