基于深度学习的教育政策用户评论细粒度情感分析研究.pdfVIP

2024.7 总第450期 教学实践与教师专业发展

中国电化教育InstructionandTeacherProfessionalDevelopment

文章编号:1006—9860(2024)07—0109—008

基于深度学习的教育政策用户评论细粒度情感

分析研究

1,232

吴运明，张 琳，胡凡刚

1.曲阜师范大学 教育学院，山东 曲阜 273165

2.曲阜师范大学 传媒学院，山东 日照 276826

3.东北师范大学 信息科学与技术学院，吉林 长春 130117

摘要：智媒时代微博、抖音等网络社交媒体平台成为政府与公众之间传递信息的重要渠道之一，公众在平台上对教育政

策的评论影响着教育政策的实施进程、效果及后续政策的出台。融合主题模型LDA和深度学习模型LSTM，以“双减”政策

为例，挖掘面向教育政策的网络社交媒体用户评论，并对其进行细粒度情感分析，剖析用户对教育政策的多维主观情感，

为提升教育政策实施效果提供参考。研究发现，网络社交媒体用户对“双减”政策的舆论焦点主要集中在四个主题下的16个

评论对象上，其中在素质教育、艺术活动、学历3个方面用户情感偏向于正向；在校外培训、课后服务、教育公平、贫富差

距、就业等其余13个方面用户情感偏向于负向。

关键词：LSTM模型；LDA模型；情感分析；教育政策

中图分类号：G434            文献标识码：A

型，以期提高对特征词、情感词和它们之间关系的识别

一、引言

能力，进而提高该主题模型的情感极性分类准确性。

近年来随着微博、抖音等网络社交媒体的飞速发[4]

苏莹等结合了朴素贝叶斯模型和隐含狄利克雷分布模

展，国家的各种教育政策一经颁布迅速引起社会广泛网型，能够在不需要篇章和句子级别的标注信息的条件

络舆情关注，诸如《关于进一步减轻义务教育阶段学生下，只需使用适当的情感词典就可以分析网络评论的情

作业负担和校外培训负担的意见》《校外培训行政处罚感倾向。另有部分学者利用基于机器学习的情感分析方

暂行办法》等。教育政策是由政府及其机构和官员制定法，包括深度神经网络、卷积神经网络、递归神经网

[1][5]

的、调整教育领域社会问题和社会关系的公共政策，络等，通过在原基础上不断改进算法以实现对评论的

对实现教育公平，进而实现社会公平有很大助益，可以[6]

细粒度情感分类。如王义等提出了一种细粒度多通道

为每个人提供平等的机会，使得每个人都能够获得优质卷积神经网络模型，以词性向量和细粒度字向量为辅助

的教育资源，帮助他们更好地适应社会和就业市场。输入，使用原始词向量来捕获句子间的语义信息，从而

然而，教育政策在积极推动构建良好教育体系的同