Python自然语言处理入门与实战-教案第5、6章 天问一号事件中的网民评论情感分析、新闻文本分类.docx

《Python自然语言处理入门与实战-教案第5、6章 天问一号事件中的网民评论情感分析、新闻文本分类.docx》由会员分享，可在线阅读，更多相关《Python自然语言处理入门与实战-教案第5、6章 天问一号事件中的网民评论情感分析、新闻文本分类.docx（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第5章 天问一号事件中的网民评论情感分析教案课程名称：Python自然语言处理入门与实战课程类别：必修适用专业：大数据技术类相关专业总学时：64学时(其中理论40学时，实验24学时)总学分：4.0学分本章学时：9学时一、材料清单(1) (Python自然语言处理入门与实战教材。(2)配套 PPT。(3)引导性提问。(4)探究性问题。(5)拓展性问题。二、教学目标与基本要求.教学目标本章使用朴素贝叶斯分类算法对评论数据进行情感分析。先介绍案例的背景和数据的概 况；然后介绍案例的整体流程；对数据进行探索分析和文木预处理，并绘制词云图；使用朴素 贝叶斯构建情感分类模型，对模型的效果进行评价，并对模型

2、进行优化。1 .基本要求了解天问一号事件bilibili网站用户评论情感分析案例背景、数据和目标。(2)掌握数据探索的方法，对数据进行可视化处理。(3)掌握文本预处理的方法，对文本进行中文分词、去停用词等处理和向量化。(4)掌握朴素贝叶斯分类算法的使用方法，构建分类模型和进行模型优化。(5)掌握分类模型评估方法，对构建的分类模型进行模型评估。三、问题1 .引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问 题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。(1)情感分析是什么？(2)情感分析有哪些用处？(3)如何判断一段文本中所蕴涵的情感？

3、2 .探究性问题探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的 基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课 文中又是重要的问题加以设问。(1)有哪些方法可以判断一段文本的情感？(2)天问一号事件中，评论数据呈现什么样变化？3 .拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提 出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问 题。(1)还有哪些算法可以用于情感分析？(2)如何提高情感分析的准确率？四、主要知识点、重点与难点4 .主要知识点（1）网民评论情感分

4、析的背景。（2）评论数据的概况。（3）网民评论情感分析的分析目标与流程。（4）探索评论数据的变化情况。（5）对评论数据进行文本预处理。（6）绘制词云图。（7）使用朴素贝叶斯构建情感分类模型。（8）对构建的模型进行评估。（9）对模型进行优化。5 .重点（1）网民评论情感分析的分析目标与流程。（2）探索评论数据的变化情况。（3）对评论数据进行文本预处理。（4）绘制词云图。（5）使用朴素贝叶斯构建情感分类模型。（6）对构建的模型进行评估。（7）对模型进行优化。6 .难点（1）对评论数据进行文本预处理。（2）使用朴素贝叶斯构建情感分类模型。（3）对模型进行优化。五、教学过程设计1.理论教学过程(1)网

5、民评论情感分析的背景。(2)评论数据的概况。(3)网民评论情感分析的分析目标与流程。(4)探索评论数据的变化情况。(5)对评论数据进行文本预处理。(6)绘制词云图。(7)使用朴素贝叶斯构建情感分类模型。(8)对构建的模型进行评估。(9)对模型进行优化。2.实验教学过程(1)探索评论数据的变化情况。(2)对评论数据进行文本预处理。(3)绘制词云图。(4)使用朴素贝叶斯构建情感分类模型。(5)对构建的模型进行评估。(6)对模型进行优化。六、教材与参考资料1 .教材戴程，张良均.Python自然语言处理入门与实战M.北京：人民邮电出版社.2022.2 .参考资料1张良均.Python数据分析与挖掘实

6、战M.北京：机械工业出版社.2015.2张良均.Python与数据挖掘M.北京：机械工业出版社.2016.3肖刚，张良均.Python中文自然语言处理基础与实战M.北京：人民邮电出版社.2021.第6章新闻文本分类教案课程名称：Python自然语言处理入门与实战课程类别：必修适用专业：大数据技术类相关专业总学时：64学时(其中理论40学时，实验24学时)总学分：4.0学分本章学时：10学时七、材料清单(6) (Python自然语言处理入门与实战教材。(7)配套 PPT。(8)引导性提问。(9)探究性问题。(10)拓展性问题。八、教学目标与基本要求.教学目标本章使用支持向量机算法对新闻文本的类型

7、进行分类。先介绍案例的背景和数据的概况;然后介绍案例的整体流程；对数据采集过程进行介绍；对数据进行探索分析和文本预处理；使 用支持向量机(SVM)分类算法构建新闻分类模型，并对模型的效果进行评价。3 .基本要求了解新闻文本分类案例的业务背景、数据说明和分析目标。(7)掌握数据探索的方法，对数据进行基本的清洗和可视化展示。(8)掌握文本预处理的方法，对文本进行基础处理和向量化。(9)熟悉支持向量机分类算法，构建分类模型和模型优化。(10)掌握分类模型的评价方法，对构建的分类模型进行模型评价。九、问题1 .引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问 题，

8、提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。(4)文本分类是什么？(5)为什么要对新闻进行分类？2 探究性问题探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的 基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课 文中又是重要的问题加以设问。(3)有哪些方法可以判断新闻的类型？(4)怎么样才能评价一个分类模型的效果？3 .拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提 出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问 题。（3）还有哪些算法可以用于

9、文本分类？（4）如何提高新闻分类的准确率？十、主要知识点、重点与难点4 .主要知识点（10）新闻文本分类的背景。（11）新闻文本数据的概况。（12）新闻文本分类的分析目标与流程。（13）新闻文本分类数据的采集过程。（14）探索新闻文本数据的变化情况。（15）对新闻文本数据进行文本预处理。（16）使用支持向量机（SVM）分类算法构建新闻分类模型。（17）对构建的模型进行评估。5 .重点（1）新闻文本分类的分析目标与流程。（2）新闻文本分类数据的采集过程。（3）探索新闻文本数据的变化情况。（4）对新闻文本数据进行文本预处理。（5）使用支持向量机（SVM）分类算法构建新闻分类模型。（6）对构建的模型

10、进行评估。6 .难点（1）对新闻文本数据进行文本预处理。（2）使用支持向量机（SVM）分类算法构建新闻分类模型。十一、教学过程设计1.理论教学过程（1）新闻文本分类的背景。（2）新闻文本数据的概况。（3）新闻文本分类的分析目标与流程。（4）新闻文本分类数据的采集过程。（5）探索新闻文本数据的变化情况。（6）对新闻文本数据进行文本预处理。（7）使用支持向量机（SVM）分类算法构建新闻分类模型。（8）对构建的模型进行评估。2.实验教学过程（1）读取新闻文本数据。（2）探索新闻文本数据的变化情况。（3）对新闻文本数据进行文本预处理。（4）使用支持向量机（SVM）分类算法构建新闻分类模型。（5）对构建的模型进行评估。十二、教材与参考资料1.教材戴程，张良均.Python自然语言处理入门与实战M.北京：人民邮电出版社.2022.2.参考资料1张良均.Python数据分析与挖掘实战M.北京：机械工业出版社.2015.2张良均.Python与数据挖掘M.北京：机械工业出版社.2016.3肖刚，张良均.Python中文自然语言处理基础与实战M.北京：人民邮电出版 社.2021.