基于改进TextCNN与自注意力机制的在线学习情感分析
曾光辉
杨光耀
广州工程技术职业学院 广东 广州 510900
摘要：在线学习场景中,学习者的情感表达形式极为丰富多样,不仅涵盖文本内容,还包含面部表情、姿态动作等多模态信息.由于单一模态特征难以全面且精准地反映学习者的真实情感,并且在多模态特征融合过程中缺乏有效的特征增强处理机制,导致情感分析准确率(ACC)不理想.为此,文章提出了一种基于改进文本卷积神经网络(text convolutional neural network,TextCNN)与自注意力机制的在线学习情感分析方法.通过改进的TextCNN与自注意力机制构建情感分析模型,增强文本特征处理,并利用多源嵌入融合策略优化特征表示.利用自注意力机制动态捕捉关键情感特征,并在混合特征网络(mixed feature network,MFN)基础上改进,解决面部遮挡问题.通过多尺度特征拼接、残差连接与层归一化,提升模型鲁棒性.基于情感分析结果进一步构建包含认知状态、学习效果及元认知能力的多维度评估体系,实现学习状态的综合预测与评估.实验结果表明,该方法能有效捕捉情感特征,并在多模态数据融合中保持高准确率(ACC＞90％),为在线学习场景下的情感分析与状态预测提供了鲁棒性解决方案.
关键词：改进TextCNN自注意力机制在线学习情感分析学习状态预测
资助基金：广东省普通高校特色创新类项目(2024KTSCX318)广州市高等教育教学质量与教学改革工程产教融合实训基地项目(2024CJRHJD008)
论文发表日期：2026-02-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 42-45 )