基于特征提取分类技术的学生情感分析
计算与语言
2024-09-04 v2 人工智能
机器学习
摘要
技术发展为教育系统带来了诸多变革，将技术引入课堂并提升了学习体验。如今基于 Web 的学习日益普及。本文描述了基于 Web 的学习及其对学生的成效。教育或学习系统中的主要因素之一是反馈；若能有效利用，则有益于学习。在本文中，我们研究了逻辑回归(LR)、支持向量机(SVM)、朴素贝叶斯(NB)、决策树(DT)等机器学习技术如何应用于基于 Web 的学习，重点在于学生反馈中所呈现的情感。我们还研究了两类特征提取技术(FETs)，即计数向量(CVr或词袋法(BoW))与词频逆文档频率(TF-IDF)向量。在本研究中，我们的目标是使所提出的 LR、SVM、NB 和 DT 模型借助清洗后的数据集与特征提取技术，对学生反馈数据集(SFB)中的情感存在进行分类并取得更高准确率。SFB 是学生情感分析中的重要关注点之一。
引用
@article{arxiv.2102.05439,
title = {Student sentiment Analysis Using Classification With Feature Extraction Techniques},
author = {Latika Tamrakar and Dr. Padmavati Shrivastava and S. M. Ghosh},
journal= {arXiv preprint arXiv:2102.05439},
year = {2024}
}
备注
need to rework in this paper