Resumen

Para la mayoría de los modelos actuales de análisis de sentimientos, es difícil capturar la información semántica y gramatical compleja en el texto, y no son completamente aplicables para el análisis de sentimientos de los estudiantes. Se propone un nuevo modelo de análisis de sentimientos de textos de estudiantes utilizando la red neuronal convolucional con la unidad recurrente bidireccional con compuertas y un mecanismo de atención, llamado modelo CNN-BiGRU-AT. En primer lugar, el texto se divide en múltiples oraciones, y la red neuronal convolucional (CNN) se utiliza para extraer información -gram de diferentes granularidades de cada oración para construir una representación de características a nivel de oración. Luego, las oraciones se integran secuencialmente a través de la unidad recurrente bidireccional con compuertas (BiGRU) para extraer las características de información semántica contextual del texto. Finalmente, se agrega un mecanismo de atención al modelo CNN-BiGRU, y se aplican diferentes pesos de aprendizaje al modelo mediante el cálculo del puntaje de atención. Las características

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Análisis de sentimientos; Sentimientos de los estudiantes; Red neuronal convolucional; Unidad recurrente bidireccional con compuertas; Mecanismo de atención; Características del texto
• Keywords:Sentiment analysis; Student sentiments; Convolutional neural network; Bidirectional gated recurrent unit; Attention mechanism; Text features