[发明专利]一种基于多元数据分析的高校评价系统

说明书

本发明公开了一种基于多元数据分析的高校评价系统，包括：训练模型构建模块，数据获取模块，话题主题分类模块，评论情感分类模块，标签生成模块，数据管理模块，数据可视化模块，如此，充分考虑高校话题信息特点，构建了一个高效的、稳定的热点高校话题发现展示系统，为学生、家长和教师等用户群体提供便捷的服务，从话题分类、关键词抽取的思想，采用中文分词技术，关键词提取技术，并利用空间向量模型将文本信息以向量化形式表示，通过最大化差异结合TF‑IDF算法将各高校的关键词提出出来作为标签，利用类别贡献度模型生成话题特征模型进行分类，并通对话题下的评论信息进行情感分类，通过算法改进提高了文本挖掘准确性和效率，易于推广。

技术领域

本发明涉及自然语言处理和计算机技术领域，尤其涉及一种基于多元数据分析的高校评价系统。

背景技术

随着信息技术的飞速发展,人们获取信息的方式逐渐从传统媒体发展到互联网再到社交媒体。社交媒体上传播的信息已成为人们浏览互联网的重要内容。具体到高校的相关信息，学生和家长大多通过网络对高校进行了解和选择。然而，互联网上高校的信息，来源繁多，内容笼统，多数是高校排名，录取分数高低的间接评价。

相比官方公告和第三方的间接评价，人们更愿意从有过高校生活学习经验的人(大学生，研究生等)中得到对高校客观真实的直接评价，尤其是当两所高校排名相近的时候，周边的环境、学习氛围、伙食好坏等软硬件设施的评价是人们更感兴趣的，而这些在间接评价中是无法获取的。大学及其以上高学历者，多属于我国社会中间阶层，这一部分人具有明显特征，往往热衷于一些小众的社交媒体，如知乎，豆瓣，贴吧，果壳，人人等。对高校评价的数据信息由他们发出，呈现出典型的多源特性。如何实施的采集高校相关话题数据，如何针对特点问题对高校的数据进行挖掘，直观、有代表性的将高校的相关信息呈现给用户是本发明的主要目的。

发明内容

基于背景技术存在的技术问题，本发明提出了一种基于多元数据分析的高校评价系统；

本发明提出的一种基于多元数据分析的高校评价系统，包括：

训练模型构建模块，用于通过人工标注的高校话题主题类别和评论情感倾向类别对预设话题数据和预设话题评论数据进行训练，得到训练模型；

数据获取模块，用于通过网络爬虫获取高校话题数据和该高校话题评论数据；

话题主题分类模块，用于通过训练模型对高校话题数据进行话题主题识别，得到高校话题数据的话题主题类别；

评论情感分类模块，用于通过训练模型对高校话题评论数据进行评论情感识别，得到高校话题评论的情感类别；

标签生成模块，用于通过训练模型对高校话题数据进行标签识别，得到高校话题标签；

数据管理模块，用于对高校话题数据、高校话题评论数据、高校话题数据的话题主题类别、高校话题评论的情感类别、高校话题标签进行管理；

数据可视化模块，用于向用户展示高校话题数据的话题主题类别、高校话题评论的情感类别、高校话题标签。

优选地，所述训练模型构建模块，具体用于：

在通过人工标注的高校话题主题类别和评论情感倾向类别对预设话题数据进行训练之前，对预设话题数据和预设话题评论数据进行分词、去停用词和去噪，得到待处理话题数据和待处理话题评论数据；

人工标注高校话题主题类别、人工标注高校话题对应评论情感倾向类别，作为训练集。

优选地，所述训练模型构建模块，具体用于：所述训练模型包括话题主题训练模型、评论情感训练模型和标签训练模型。

优选地，所述话题主题训练模型，具体包括：

计算预设话题数据中的词在不同高校话题主题类别下的文档频率；