對教育眾籌成敗因素的分析與預(yù)測

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)教育與先進生產(chǎn)力的結(jié)合。該文綜合運用文本挖掘手段對教育眾籌的成敗因素進行分析和預(yù)測，在提取詞向量基礎(chǔ)下實現(xiàn)教育眾籌成敗因素的遷移學習與特征分析，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；遷移學習；tf-idf算法；logistic模型

中圖分類號：TP181 文獻標識碼：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資源來保證教學的質(zhì)量，教育眾籌應(yīng)運而生。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、教師和學生來說，預(yù)測這些請求書能否得到公眾認可，并獲得相應(yīng)的教育資源已經(jīng)成為當務(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)機制與學習神經(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、申請原因及最后申請書是否被通過。

本文接下來將具體描述實現(xiàn)提取關(guān)鍵詞/詞頻分析的過程，在這一基礎(chǔ)上實現(xiàn)對詞向量的預(yù)訓練1；隨后將說明具體影響教育眾籌的因素并對其進行建模分析；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際情況進行合理的假設(shè)，以正常進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；

2） 學校教育短時間內(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行分析，并對分析的數(shù)據(jù)建立模型進行預(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行了建模預(yù)測，通過檢驗證明了對四個要素進行定量分析的重要性，并得出了結(jié)論。本文認為所處地域/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。

當然，論文受時間以及語料庫單一等因素的限制，無法完全準確的提取出各種要素并進行大規(guī)模分析，但本文在語料基礎(chǔ)上已經(jīng)對提取出的要素進行了較為全面的分析。日后，加強語料庫的建設(shè)，提高分類程度，涵蓋更多領(lǐng)域和標簽，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)計提供數(shù)據(jù)基礎(chǔ).

2.簡稱為NLP（Nature Language Processing）.

3.即認為一個詞出現(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算法分數(shù)，不代表論文中所論述的實際方法. 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：

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

[2] 薛青.眾籌平臺應(yīng)用于工業(yè)設(shè)計教育的可行性分析[J].工業(yè)設(shè)計，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)的音樂風格分類建模方法[J]. 電信科學， 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].計算機輔助工程，2005（3）.

[通聯(lián)編輯：王力]