一种基于特征偏移补偿的深度智能化教学评价方法

作     者：李芳 曲豫宾 李龙 李梦鳌 LI Fang;QU Yubin;LI Long;LI Meng’ao

作者机构：桂林电子科技大学广西可信软件重点实验室广西桂林541004 江苏工程职业技术学院马克思主义学院江苏南通226001 江苏工程职业技术学院信息工程学院江苏南通226001 中国船舶工业系统工程研究院北京100094 

基　　金：国家自然科学基金青年科学基金(批准号:61202006) 中国高等教育学会2021年度专项课题(批准号:21SZYB23) 江苏省教育科学“十四五”规划项目(批准号:D/2021/01/133) 江苏省现代教育技术研究项目(批准号:2021-R-94735) 广西可信软件重点实验室研究项目(批准号:KX202013 KX202046) 江苏工程职业技术学院科研计划项目(批准号:GYKY/2020/4) 南通市科技计划指令性项目(批准号:JC2021124) 江苏高校哲学社会科学研究项目(批准号:2020SJB0836) 江苏高校“青蓝工程”项目 江苏高校境外研修计划项目 

出 版 物：《吉林大学学报（理学版）》 (Journal of Jilin University:Science Edition)

年 卷 期：2022年第60卷第3期

页      码：697-704页

摘      要：针对慕课(MOOC)评论中存在少数类特征偏移的问题,提出一种基于特征偏移补偿的深度智能化教学评价方法.该方法首先使用Glove预训练模型获取MOOC评论的分布式词向量;然后采用浅层卷积神经网络,通过多个卷积核学习教学评价的语义,引入不同类别评论的数量设计影响因子,归一化该影响因子并应用到交叉熵损失函数中;最后基于Coursera平台的本科学生教学评论数据集,通过与其他损失函数在F_(1),gmean, balance, gmeasure等评价指标上进行性能对比实验.实验结果表明,基于归一法的特征偏移补偿损失函数在gmeasure指标上比基类损失函数得到了最多15.40%的性能提升,并且采用该损失函数的分类模型也表现出较强的稳定性.

主 题 词：文本分类 特征偏移 卷积神经网络 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.13413/j.cnki.jdxblxb.2021337

馆 藏 号：203112989...