本发明涉及学生行为分析领域,尤其涉及一种基于双向门控循环单元的学生情绪分析方法。
背景技术:
1、目前在线学习成为中小学学习模式的一种常态,然而由于在线学习时空分离特性,缺乏师生、生生之间面对面的交流与互动,导致了在线学习中的老师对学生情绪照顾的缺失,容易诱发广大学生的学习焦虑、烦躁、厌学甚至抑郁等问题,严重影响了学生的学习效率,因此及时发现学生的情绪问题,是在线学习教育亟需解决的问题之一。
技术实现思路
1、为了解决上述问题,本发明提出一种基于双向门控循环单元的学生情绪分析方法,该方法包括以下步骤:
2、s1:获取在线学习中学生的原始声音信号;
3、s2:对原始声音信号进行去噪处理,得到去噪后的数据;
4、s3:采用mfcc模型对去噪后的数据进行特征提取,得到声音信号的特征参数;
5、s4:采用遗传算法对bi-gru预测模型进行超参数优化,得到优化后的bi-gru预测模型;
6、s5:将声音信号的特征参数输入至优化后的bi-gru预测模型,输出学生情绪分析结果。
7、与现有技术相比,本发明的有益效果包括:为提高在线教学质量和水平提供科学决策依据,方便老师、学校和家长根据学生学习具体情况,及时调整教学内容,学习进度,提高在线教育的质量和水平。
1.一种基于双向门控循环单元的学生情绪分析方法,其特征在于:
2.如权利要求1所述的一种基于双向门控循环单元的学生情绪分析方法,其特征在于:步骤s3具体为:
3.如权利要求1所述的一种基于双向门控循环单元的学生情绪分析方法,其特征在于:所述bi-gru预测模型包括前向gru单元和后向gru单元。
4.如权利要求1所述的一种基于双向门控循环单元的学生情绪分析方法,其特征在于:步骤s4中所述超参数包括:bi-gru预测模型中的隐藏层的参数、学习率、时间步长和最大迭代次数。
5.如权利要求1所述的一种基于双向门控循环单元的学生情绪分析方法,其特征在于:步骤s4中采用遗传算法对bi-gru预测模型进行超参数优化的具体过程为: