《情感分析——有溫度的AI》教學案例

任赟

編者按：2018年1月，教育部頒布了《普通高中課程方案和語文等學科課程標準（2017年版）》，《普通高中信息技術課程標準（2017年版）》也在其列。眼下各地新課標的培訓已經廣泛推開，但新教材遲遲不肯露面，加之各省區進入綜合改革的時間又不統一，導致采用舊教材落實新課程方案、新課程標準和新高考方案的“三新一舊”等新舊并存的時期還將延續。那如何讓新課標的理念更好地落地，實現新舊課標的平穩過渡？針對這一問題，本刊開設“普通高中信息技術新課標教學實施”專欄，特邀教育部普通高中課標修訂組核心成員、特級教師、正高級教師李維明教授主持，歡迎大家踴躍參與討論并不吝賜稿（358211798@qq.com）。

主持人語：“三新一舊”的學科教學是普通高中新舊課標過渡的特定時期的產物，實施“三新一舊”信息技術學科教學必須以新課標為指引，重組教學內容，從課堂教學入手，按照新課標的模塊要求，梳理現行教材內容，通過項目教學等新的教學手段將其重新組合，注入核心素養培育理念，充分利用舊教材的“剩余價值”開展教學。

由于新課標的教學內容較之以前變化較大，舊教材原有的內容不可能全部覆蓋，且每個年級學生手中的舊教材資源也有限，單憑榨取“剩余價值”的方法不可能適用于各種教學場合。所以，因地制宜開展“三新一舊”的教學尤為重要。

何為“因地制宜”？就是要根據所在學校的基礎設施、課程資源以及教師、學生的學習基礎和學校特色，注入新課程標準的教學理念開展教學。本期選用的幾個案例，就是各地教師根據自己學校的實際情況，利用本校的校本課程資源，結合自己對新課程、新課標的認識和理解因地制宜開展教學的鮮活實例。這些案例或引入人工智能，或利用開源平臺，或挖掘數據的意義，或彰顯計算思維，無不體現出教師們因地制宜駕馭“三新一舊”課堂的高超技藝和過人的智慧。當然，這些案例在探索的過程中也存在著這樣那樣的問題，還請大家來共同探討，使之完善并提高。

——李維明

情感分析作為自然語言處理領域中的一個子領域，是文本分類的一個分支。它有兩種研究方法：基于情感詞典的研究方法和基于機器學習的研究方法。而基于情感詞典的研究方法淺顯易懂，容易被學生理解，并可以方便使用Python代碼實現。

本案例內容緊扣時代前沿領域，通過情感詞典算法程序設計過程，將復雜的自然語言處理問題形式化，構建模型，并進行系統化、自動化轉換，引導學生經歷計算思維的工作過程，分析、體驗人工智能工作原理。教學過程深入淺出，充分體現了計算機對數據處理的工作方式和解決問題過程中蘊含的思想方法，激發學生的學習興趣和求知欲，充分開拓學生的視野。

● 引入新課（3分鐘）

師：我們上節課在騰訊AI開放平臺中體驗了文本情感分析，那情感分析能做什么呢？

學生回顧、思考、回答（輿情監控、口碑分析……）。

設計意圖：引入情感分析，了解學生對情感分析的認知程度，引出情感分析的預測功能。

教師出示資料：2016年9月26日，Cognovi Labs利用Twitter對美國大選兩個候選人的內容進行情感分析，結果顯示特朗普的口碑遠遠好于希拉里。得出結論：情感分析具有預測功能。

學生聽講、思考。

師：情感分析還可以預測什么？靠什么預測？

學生思考、回答（電影票房、股票、網友的評論、發言等內容）。

設計意圖：讓學生了解情感分析的多種應用場景，文本也是數據。

● 講授新課（17分鐘）

1.情感分析（2分鐘）

師：情感分析是自然語言處理（Natural Language Processing）研究的領域之一，是文本分類的一個分支，它對帶有情感色彩（褒義貶義/正向負向）的主觀性文本進行分析，以確定該文本的觀點、喜好、情感傾向。例如，文本“這本書讀來愛不釋手”歸為正向，“這本書很難看”歸為負向。

設計意圖：幫助學生了解情感分析的含義。

提出問題：根據什么來確定？

2.原理介紹（5分鐘）

實例：“這手機的畫面極好，操作也比較流暢。不過拍照真的太爛了！系統也不好。”

問題：復雜的文本如何確定情感傾向呢？

學生思考、回答（情感詞、程度詞、否定詞、標點符號）。

解答：

（1）情感詞。

積極詞：1分；消極詞：-1分。

實例中情感詞：好、流暢、爛、好。

1+1+（-1）+1=2。

（2）程度詞。

四個級別：極、非常、比較、一點。

分別賦權值：4、3、2、0.5。

4×1+2×1+4×（-1）+1=3。

（3）否定詞。

傾向反轉：

4×1+2×1+4×（-1）+（-1）=2

（4）標點符號。

！：語氣加強。

4×1+2×1+4×（-1）（-2）+（-1）=-1

……

設計意圖：引發學生思考簡單的原理，引導學生思考情感分析原理，讓學生體會，自然語言處理的原理并不是深不可測。講授情感分析原理，實現教學目標2，突出教學重點1。引導學生領會代碼思想，嘗試進行代碼拓展。

3.Python代碼實現（10分鐘）

提示：僅考慮情感詞、程度詞；分別得到積極分、消極分的分值。

（1）根據情感詞確定分值。

教師帶領學生一起寫代碼架構。

要點：①句子分詞；②積極詞、消極詞列表；③for循環遍歷；④if語句判斷。

學生思考，回答（情感關鍵詞）。

（2）根據程度詞確定分詞。

教師帶領學生寫代碼，如何考慮程度詞。

要點：①記錄單詞的位置；②程度詞列表；③不同的程度詞，不同的權值。

學生體驗代碼，嘗試引入程度詞。

設計意圖：帶領學生寫基礎代碼，突出教學重點2，突破教學難點。

● 實踐任務（15分鐘）

1.基礎任務

（1）完善程度詞的權重計算。

（2）參考計算積極分值的代碼，計算出消極分值。

學生參考教師代碼，完善程度詞的權重計算。

教師巡視，幫助學生解決問題，并展示完成計算消極分值學生的代碼。

（3）利用jieba庫（第三方中文分詞庫），實現語句的用戶輸入。

提示：jieba庫使用實例：

import jieba

jieba.lcut（“中國是一個偉大的國家”）

結果：[‘中國，‘是，‘一個，‘偉大，‘的，‘國家]

學生參考jieba庫使用實例語句輸入功能。教師展示學生代碼，請學生示范講解。

設計意圖：達成同伴相互激勵，檢驗學生的理解程度。

2.拓展任務

任務：考慮否定詞，完善分值計算。有能力的學生完成拓展任務。

設計意圖：為有能力的學生提供提高的空間。

● 作品展示（2分鐘）

教師展示優秀學生作業，并請該學生講解思考方法及代碼編寫方法。其他學生聽講。

設計意圖：同伴相互引領。

● 小結（3分鐘）

1.情感分析的研究方法

（1）基于情感詞典。

根據已構建的情感詞典，對分析文本進行文本處理，抽取情感詞，計算該文本的情感傾向，提出問題：這種研究方法有什么問題？

（2）基于機器學習。

①提供大量的訓練文本，供計算機學習，②AlphaGo利用機器學習戰勝人類。目前更多的是兩種方法相結合。

2.Python中的列表

總結：自然語言處理中，語料庫很重要，Python中的列表可以很好地存儲語料庫。

學生聽講、回顧、思考并回答情感分析的研究方法：①依賴于詞典；②依賴于計算規則。

設計意圖：總結情感分析原理，引出該方法的專業名稱——基于情感詞典的研究方法、基于機器學習的研究是目前人工智能研究的主要技術之一。

（本案例由北京市教科院王振強點評指導）