基于情感分类的论文评审数据分析评估系统研究
随着我国研究生教育规模的不断扩大，其发展方向从最初以招生增速为主的规模扩张转向了以培养质量为主的内涵式发展。学位论文外审专家评语是专家对学生论文质量的全方位具体评价，分析学位论文盲审专家评语有助于学位论文质量的提升。然而，面对大量非结构化的论文评审文本数据，以人工方式对其甄别效率低下且耗费资源。针对以上问题，本文通过对现有情感分类方法进行研究，设计并实现基于情感分类的论文外审文本分析评估系统，为相关管理部门提供辅助决策。本文的主要研究内容如下： （1）数据采集与预处理。首先，本文利用爬虫从OpenReview平台爬取论文评审数据并翻译为中文；其次，人工对文本翻译后的乱码、语义不通顺和无效信息进行删除和标注，构建论文评审数据集；最后，利用BERT-MutiCNN、BERT-LSTM和BERT-GRU进行五折交叉验证实验，实验结果表明本文构建的论文评审数据集具有较好的鲁棒性。 （2）BERT-MSCNN模型构建。针对外审评语情感分类任务，基于BERT预训练模型设计了一种多尺度卷积神经网络与挤压-激励网络相融合的BERT-MSCNN情感分类模型。首先，对于Word2Vec模型无法区分词语在不同语境中的含义问题，使用了BERT动态预训练模型对文本进行向量化编码；其次，利用多尺度卷积神经网络提取局部语义特征；最后，引入挤压-激励网络SENet对特征通道进行权值标定，加强对特征的提取，提高模型的识别效果。实验结果表明，本文所提模型能够有效对论文评审数据进行情感分类，其准确度可达78.12％，与多种融合自注意力机制的情感分类模型相比，均具有更高的识别率。 （3）论文外审数据分析评估系统研发。本文在已构建的BERT-MSCNN深度学习模型的基础上，采用前后端分离的思想进行系统构建，使用Vue.js、Echarts和Flask框架开发基于情感分类的论文评审数据分析与评估系统。实现了数据导入、情感分析、评语检索、词云展示等功能，最终通过了功能测试和模型有效性测试。
情感分类;论文评审;数据分析;深度学习;卷积网络;通道注意力
河北工程大学
硕士
计算机技术
魏忠诚;叶蔚
2022
中文
TP391.1
2023-08-22（万方平台首次上网日期，不代表论文的发表时间）