情感分析，讓機器更懂你
——《探究人工智能》教學設計

張云濤 翟楠 山東省桓臺第一中學

●學科核心素養

①能夠敏銳感覺到信息的變化，分析數據中承載的信息。（信息意識）

②能夠采用計算機可以處理的方式界定問題、抽象特征、建立結構模型。（計算思維）

③通過評估并選用常見的數字化資源與工具，有效地管理學習過程與學習資源，創造性地解決問題。（數字化學習與創新）

④對信息技術創新產生的新觀念和新事物，具有積極學習的態度。（信息社會責任）

●教材分析

本節課出自教育科學出版社出版的《必修1 數據與計算》第五章第二節，是必修1的收尾篇章，主要介紹人工智能技術的相關概念、應用領域、發展新趨勢以及在信息社會中的重要作用。為了更好地呈現人工智能的發展與應用趨勢，也為了給選修課程“人工智能基礎”做鋪墊，依據課程標準和教材相關內容，筆者設計了情感分析這一項目教學：以如何使機器讀懂人的情感態度作為線索，整合機器學習流程和Python編程生成技術；以完成情感分析項目為目標，形成相應知識結構，提高學生分析應用能力及核心素養。

●學情分析

從知識技能看，學生已掌握Python基礎語法，會用Python解決一些實際問題。從思維能力看，學生具有一定的邏輯推理與分析能力和較強的學習能力。從生活經驗看，學生在生活和影視作品中經常接觸到人工智能，渴望了解人工智能背后的工作原理。

●教學目標

了解機器學習流程，根據需求對項目進行改進；利用第三方庫SnowNLP進行模型訓練解決問題；能夠根據情感分析過程，使用Python完善部分核心代碼；樹立利用人工智能解決問題的觀念。

●教學重點與難點

重點：根據機器學習流程，利用第三方庫SnowNLP進行模型訓練解決問題；體驗人工智能解決問題的一般流程。

難點：能夠使用Python完善部分核心代碼的編寫與調試；理解機器學習的基本原理；初步理解貝葉斯算法的基本原理。

●教學過程

1.情境導入

師：我們在網購時通常會將商品評價作為判斷商品質量優劣的一個非常重要的參考。但有時商品評價過多，要把所有的評價內容都看完，是一件相當困難的事情，要是能讓計算機幫忙分析商品評價，我們的購物體驗就會變得更加輕松。那么，計算機可以區分某條評價是好評還是差評嗎？計算機能夠理解商品評價中的人類情感或態度嗎？

設計意圖：用學生較熟悉的網絡購物作為問題導入，提高學生的學習興趣，為整節課的學習做好鋪墊。

2.情感分析初體驗

師：讓我們借助百度AI開放平臺的情感分析功能模塊，來體驗利用人工智能讓計算機對文本進行情感傾向性判斷。

學生打開百度AI開放平臺，找到情感分析模塊，任意輸入語句，觀察機器判定結果。根據結果，體驗計算機的情感判定得分是否準確，并進一步思考討論如何讓計算機理解人的情感或態度。

設計意圖：以人工智能應用作為導入，關注信息技術發展新動向，確立實用又有趣的項目目標，激發學生學習的內驅力。

3.項目分析

師：剛剛的體驗，同學們產生了很多疑問，現在思考并分組討論以下幾個問題—如何讓計算機像人一樣理解語言中的情感傾向？人類天生就擁有理解情感的能力嗎？可否借鑒人的學習過程使計算機具備情感分析能力？

學生通過頭腦風暴，分析出人的學習過程：對知識經驗進行歸納，得到規律，應用規律解決新問題；通過分析人的學習過程，理解機器學習流程。

設計意圖：通過創設問題鏈，尋找項目解決思路—類比人的學習過程，理解機器學習流程。

4.情感分析工具開發

師：厘清了利用機器學習進行情感分析的一般流程，下面我們借助Python第三方庫SnowNLP來制作一款個性化的情感分析工具。

SnowNLP情感分析是一種基于中文文本的自然語言處理技術，它的原理是抽取文本中的詞語，判斷出其情感特征，并結合句子的構建，判斷出整段文本的情感傾向性。它是一種基于統計學習的情感分析，需要用到機器學習的算法，將文本中的數據集先做情感標注，以此作為樣本數據去訓練模型，再用訓練好的模型去判斷新的句子的情感是“正向”情感還是“負向”情感。

任務一：SnowNLP的簡單使用。閱讀圖1所示的代碼，學習SnowNLP的核心應用代碼。

圖1

調試運行上述代碼，觀察情感分規律：情感分是位于區間（0，1）的一個小數，越接近1說明越偏向正向情感，越接近0說明越偏向負向情感。

通過任務一的測試，有的學生覺得程序做出的情感得分比較準確，有的學生則覺得這個情感得分準確性不盡如人意。原因是由于SnowNLP語料庫沒有經過專門的訓練，對一些特定領域的文本分析不準確，所以需要事先對其進行有針對性的訓練，向其投喂經過標注的訓練數據，之后再用訓練好的模型進行測試，就能有效提高準確性。

設計意圖：學會使用SnowNLP進行簡單文本的情感分析，初步體驗情感分析過程，并掌握情感分析計算的關鍵步驟，在測試過程中發現新問題，思考原因并尋求解決方案，為提高準確率做鋪墊。

5.完善情感分析工具AI1.0

師：雖然我們學會了使用SnowNLP對文本進行情感傾向的判斷，但是有的同學發現一個問題—由于模型未經專門訓練，對測試文本的情感得分不夠準確。下面我們一起來看看，如何對初代人工智能工具進行訓練，以提高其情感傾向判斷的準確率。

任務二：SnowNLP的模型訓練。首先要告訴計算機哪些文本的情感傾向是正向的，哪些是負向的，這個過程叫做樣本標注。請對樣本數據進行人工區分，從而形成正向和負向訓練樣本，分好類的評論分別存放在pos-lock.txt（正向樣本）和neg-lock.txt（負向樣本）中，并通過如下頁圖2所示的代碼，將其投喂給人工智能工具，以對其進行針對性的訓練，形成新的情感分析模型。之后用新模型進行文本測試，觀察情感判斷的準確率是否有所提升。

圖2

通過教學資源，總結得出機器學習的一般流程：導入樣本數據—訓練分類模型—對目標文本進行情感分析。通過測試，掌握提高準確性的方法，即使用更加豐富的訓練樣本進行模型訓練。

設計意圖：讓學生明白人工智能的學習過程與人類學習過程的相似性，初步理解使用人工智能進行信息處理的基本原理和一般過程，同時理解SnowNLP模型訓練的代碼，為進一步優化升級做準備。

6.升級情感分析工具AI2.0

師：在實際應用中，我們面對的可能是通過爬蟲程序自動獲取的大型文本集合，AI1.0需要一句一句輸入測試文本，它在處理這種大型數據時的分析效率明顯偏低，難以滿足我們的需求。那么，如何提高效率，實現程序自動化遍歷文本數據集合，并自動統計情感傾向，從而直接給出最終結論呢？

任務三：SnowNLP的綜合應用。假設你現在想購買一款智能門鎖，貨比三家，最終你鎖定了某品牌的一款智能門鎖，為了更準確地了解該商品，用爬蟲程序搜集了大量關于該商品的評價，存放在Excel電子表格文件中。接下來，能否利用情感分析工具自動完成該商品評價的分析處理工作，并最終給出購買建議呢？

通過分析新的問題，確立改進方案：①增加讀取Excel文件的功能，從而可以遍歷所有評論內容；②使用SnowNLP對每條評論做出情感傾向的打分，并自動統計好評率（正向情感的評論數量在總的評論數中的占比），具體代碼如圖3所示。以此，作為購買建議的重要依據。

圖3

另外，為了保證準確率，在正式運行之前，還要選取一部分數據進行測試。

設計意圖：本環節以SnowNLP的使用方法為內核，以實際需求為外延，通過活動串，讓學生在人工智能情感分析系統的完善與應用的過程中，進一步理解人工智能情感分析的原理，掌握利用人工智能工具處理信息的一般流程。

7.項目評價，總結提升

教師指導學生填寫項目評價表，組織學生對項目改進方案、情感分析應用領域進行交流，揭秘情感分析背后的技術原理：數據獲取處理、自然語言處理技術、條件概率、貝葉斯分類。

設計意圖：診斷目標達成度，對學科核心素養達成情況進行評價；了解現實生活中的應用如何從技術中來再到場景中去。

●教學反思

本節課以人工智能應用作為導入，根據現實生活創設項目目標，通過問題鏈理順機器學習流程，通過任務鏈開發并完善情感分析系統，實現了從學技術到用技術的轉變，讓學生感受到了運用人工智能解決問題的喜悅感，增強了利用智能技術服務人類發展的責任感。

蒼山點題

關于人工智能在中小學信息科技教育中的發展，目前至少在三個層次被廣泛實踐：一是，基于人工智能產品應用層面的體驗式活動；二是，基于機器人開源設計層面的設計活動；三是，基于人工智能模型訓練層面的原理探究活動。當然，這三個層次的活動又派生出涉及計算思維、編碼、編程、傳感、物聯以及機器情感、人工智能倫理等多種邏輯線索的學習設計，展現出了信息科技課程建設的廣闊天地。本期解碼的兩篇文章，就是從不同的層面對信息科技原理進行實踐，值得深入研討。

第一篇文章，基于能聽會說的“機器人”來探究人工智能如何“聽”、如何“說”。首先，結合生活實例，從人工智能語音識別技術的工作流程角度，揭秘機器人如何才能“聽”懂自然語言，即揭秘語音識別的科技原理。該活動沒有局限于傳統的活動體驗，而是在體驗中著重探究原理，把人工智能的自然語音識別納入學習的重點，以語音識別的概念與流程解釋人工智能的“能聽”，突出了人工智能之“科”的價值。接下來探究機器人如何“說”。仍然在通過實例體驗之后，探究語音合成技術的工作原理，以語音合成的概念與流程解釋人工智能的能“說”，繼續突出人工智能之“科”的價值。這些“科”的價值也不是生澀地解釋理論，而是融入“技”的應用與體驗，在體驗中思考與探究。這相對于第一層次的人工智能體驗式教育來說大幅度地提高了一個段位，且融合了第三層次的探究活動，即人工智能模型的應用。所以，這節課以讓人容易借鑒的方式讓信息科技課程得到高層次發展。

第二篇文章，基于對人工智能的原理深入探究，突出計算思維的培養，并結合了機器對人的情感分析這一自然語言處理應用。首先，通過開放的人工智能情感分析應用體驗，直觀體驗人工智能用人的語義分析情感，事例生動，活動有趣，容易激發學生的好奇心；其次，借助模型訓練的方式，用人工智能構造情感分析模型與應用，提高到計算思維的層次來探究人工智能的模型，甚至涉及部分神經網絡的體驗；最后，又通過人工智能模型推理商品評價來解決決策問題，讓人工智能原理不僅可用而且可見。這節課涉及編程、模型訓練、模型應用等，屬于第三層次的人工智能模型探究方面的學習，難能可貴的是切入點涉及語義理解、情感分析與智能決策，這無疑是以更加生活化的視角豐富了課程內容。

來源于實踐的教學探究往往更具活力，來源于生活的認知案例往往更具親和力，讓我們共同以構建更具生活化、更具深度思維的人工智能教育課程內容的方式，將信息科技課程推向深入吧！