侯宗潤 綦文彬 李貴熙

摘要：教育在國民生活中十分重要，而對教育眾籌的分析可以推動傳統(tǒng)教育與先進(jìn)生產(chǎn)力的結(jié)合。該文綜合運(yùn)用文本挖掘手段對教育眾籌的成敗因素進(jìn)行分析和預(yù)測，在提取詞向量基礎(chǔ)下實(shí)現(xiàn)教育眾籌成敗因素的遷移學(xué)習(xí)與特征分析，使用神經(jīng)網(wǎng)絡(luò)與經(jīng)典模型對各因素的重要性進(jìn)行總結(jié)，并最后預(yù)測一個請求書的申請能否被通過。

關(guān)鍵詞：詞向量；神經(jīng)網(wǎng)絡(luò)；文本挖掘；遷移學(xué)習(xí)；tf-idf算法；logistic模型

中圖分類號：TP181 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2018）26-0159-03

眾所周知，教育是文化傳播的重要手段，在人的教化和培育上有著重要作用?？梢哉f，教育對一個人乃至一個社會的影響是無可比擬的，教育的發(fā)展對于一個國家也極其重要，然而由于資金和設(shè)備的限制，世界上仍有大量貧困人口無法接受綜合教育。

近年來，為了得到足夠的教學(xué)資源來保證教學(xué)的質(zhì)量，教育眾籌應(yīng)運(yùn)而生。它的出現(xiàn)一定程度上緩解了這些矛盾，而教師們的請求書能否被大眾所接受是不確定的。因此，對于眾籌平臺、教師和學(xué)生來說，預(yù)測這些請求書能否得到公眾認(rèn)可，并獲得相應(yīng)的教育資源已經(jīng)成為當(dāng)務(wù)之急。對于眾籌平臺應(yīng)用的可行性分析是這一問題研究的熱門方向。例如楊開城，李通德，惠治儒[1]等對在線教育眾籌的技術(shù)機(jī)制與學(xué)習(xí)神經(jīng)元的研究，薛青[2]對眾籌平臺應(yīng)用于工業(yè)設(shè)計(jì)教育的可行性分析等。然而，在這些分析中，定性分析較多，對影響因素進(jìn)行量化的研究相對較少?；谶@種情況，教育眾籌領(lǐng)域現(xiàn)在急需通過建立合理的數(shù)學(xué)模型，分析影響因素并最終投入應(yīng)用。

本文中分析的教育眾籌網(wǎng)站為美國教育眾籌網(wǎng)站www.donorschoose.org，該網(wǎng)站可對全美國任意地區(qū)的教育眾籌申請書進(jìn)行公開眾籌。本文所研究的語料庫包含該網(wǎng)站2016-2017年的部分后臺數(shù)據(jù)，內(nèi)容包括申請書內(nèi)容、價格、申請人（或其學(xué)生）所處年級、物品類別、總申請次數(shù)、申請物品主要介紹、申請?jiān)蚣白詈笊暾垥欠癖煌ㄟ^。

本文接下來將具體描述實(shí)現(xiàn)提取關(guān)鍵詞/詞頻分析的過程，在這一基礎(chǔ)上實(shí)現(xiàn)對詞向量的預(yù)訓(xùn)練1；隨后將說明具體影響教育眾籌的因素并對其進(jìn)行建模分析；最后將給出結(jié)論并討論此結(jié)論對教育眾籌行業(yè)的影響。

1 模型約定

1.1 模型假設(shè)

下面將會對本文解決問題的方式以及實(shí)際情況進(jìn)行合理的假設(shè)，以正常進(jìn)行下文中對各要素的分析和預(yù)測。

1） 眾籌平臺上公布信息全部真實(shí)；

2） 學(xué)校教育短時間內(nèi)仍將是教育的主要手段；

3） 所挖掘的數(shù)據(jù)均準(zhǔn)確無誤；

4） 不存在提交后未被審核的資源；

5） 假設(shè)數(shù)據(jù)庫在論文寫作的過程中沒有更新；

6） 假設(shè)申請書中的內(nèi)容與實(shí)際情況相符合（即，申請者所需要的東西及提供的條件不存在夸大成分或與事實(shí)不完全相同的情況）。

1.2 符號說明

表1列出了本文所使用的符號并對其進(jìn)行了說明。

2 對關(guān)鍵詞的提取與詞頻分析

對于數(shù)據(jù)挖掘中的自然語言理解，提取語料中的關(guān)鍵詞以及分析一個詞語在語料中出現(xiàn)的情況十分重要。本文接下來將對此進(jìn)行分析，并對分析的數(shù)據(jù)建立模型進(jìn)行預(yù)測。

本文中文本挖掘的基本過程如圖1所示。

4 結(jié)論

本文利用logistic模型對教育眾籌申請書成功與否的影響因素進(jìn)行了建模預(yù)測，通過檢驗(yàn)證明了對四個要素進(jìn)行定量分析的重要性，并得出了結(jié)論。本文認(rèn)為所處地域/物品價格/申請類別三個要素對一個申請書是否能夠獲得成功的影響相對更大。

當(dāng)然，論文受時間以及語料庫單一等因素的限制，無法完全準(zhǔn)確的提取出各種要素并進(jìn)行大規(guī)模分析，但本文在語料基礎(chǔ)上已經(jīng)對提取出的要素進(jìn)行了較為全面的分析。日后，加強(qiáng)語料庫的建設(shè)，提高分類程度，涵蓋更多領(lǐng)域和標(biāo)簽，將會成為教育眾籌領(lǐng)域文本挖掘與分析亟需改善之處。教育眾籌項(xiàng)目的研究具有廣闊的前景，未來，對這一領(lǐng)域的研究將會更加深入，這一行業(yè)也必將擁有更為廣闊的發(fā)展前景。

注釋：

1.即Pre-training，為后面模型的設(shè)計(jì)提供數(shù)據(jù)基礎(chǔ).

2.簡稱為NLP（Nature Language Processing）.

3.即認(rèn)為一個詞出現(xiàn)的概率[P（wi）]與之前[P（wi-11）]個詞出現(xiàn)的概率 有關(guān)

4.即tf（term frequency）.

5.即idf（inverse document frequency）.

6.此分式分母加1，分式不為0.

7.此數(shù)為Rake-tutorial中內(nèi)置的tf-idf算法分?jǐn)?shù)，不代表論文中所論述的實(shí)際方法. 但須指明的是，Rake-tutotial中的算法原理基于tf-idf方法.

8.New Mexico，州名縮寫為NM.

9.Wyoming，州名縮寫為WY.

10.這一結(jié)論在3.3中還有體現(xiàn).

11.South Dokota，州名縮寫為SD.

12.Michigen，州名縮寫為MI.

13.即LR（likelihood ratio）.

參考文獻(xiàn)：

[1] 楊開城，李通德，惠治儒，田浩.在線教育眾籌的技術(shù)機(jī)制與學(xué)習(xí)神經(jīng)元[J]. 現(xiàn)代遠(yuǎn)程教育研究，2017（1）：51-58.

[2] 薛青.眾籌平臺應(yīng)用于工業(yè)設(shè)計(jì)教育的可行性分析[J].工業(yè)設(shè)計(jì)，2018（1）：106-107.

[3] Bird， Steven， Edward Loper and Ewan Klein. Natural Language Processing with Python[Z]. OReilly Media Inc，2009.

[4] Xiaoqing Zheng，Hanyang Chen，Tianyu Xu.Deep Learning for Chinese Word Segmentation and POS tagging[R].Proceeding of the 2013 Conference on Empieical Methods in Natural Language Processing， 2013：647-657.

[5] 張鍵鋒，王勁. 基于文本挖掘與神經(jīng)網(wǎng)絡(luò)的音樂風(fēng)格分類建模方法[J]. 電信科學(xué)， 2015，31（7）：80-85.

[6] M. W. Berry & J. Kogan （Eds.）. Text Mining： Theory and Applications： John Wiley & Sons[M].

[7] Rose， S.， Engel， D.， Cramer， N.， & Cowley， W. Automatic Keyword Extraction from Individual Documents[R]. 2010.

[8] Jeffrey Pennington， Richard Socher， and Christopher D. Manning. GloVe： Global Vectors for Word Representation[Z]. 2014.

[9] Alyona M.，NLP keyword extraction tutorial with RAKE and Maui[EB/OL].

[10] 施朝建，張明銘.Logistic回歸模型分析[J].計(jì)算機(jī)輔助工程，2005（3）.

[通聯(lián)編輯：王力]