МУБИС, БСС, Боловсрол судлалын тэнхим
conference paper · 2023
This study aims to develop a model with a sentiment-pattern matrix that performs large-scale information mining to improve contextual understanding of words in text and to extract semantic and syntactic information. To this end, we propose and present the K-AGCN model, which predicts interest in art and provides students with practical experience. The study uses data drawn from restaurant reviews, laptop reviews, and Twitter commentary. In 2023, data was collected over a two-month period at Fujian University in China, involving 200 new media art students, using public information databases. Advanced natural-language-processing tools and the SPSS program were used to analyze text data for sentiment patterns. The experimental model significantly outperformed baseline models — particularly on the restaurant and laptop datasets — with notable improvements in accuracy and F1 score. This indicates that combining syntactic, semantic, and external sentiment knowledge is important for improving sentiment analysis. In conclusion, the use of artificial intelligence in new media art education can support students' learning ability, creativity, and engagement by enabling sentiment analysis. The K-AGCN model contributes to understanding user sentiment and introduces new teaching methods to improve the quality of art education. Бичвэр дэх үгсийг тухайн агуулгын хүрээнд ойлгох ойлголтыг сайжруулж, семантик болон дүрмийн мэдээллийг олж авахын тулд дэлхийн хэмжээний мэдээллийн олборлолт хийн, сэтгэл хөдлөлийн хэв маягийг илрүүлэх матриц бүхий загварыг боловсруулах нь энэхүү судалгааны зорилго юм. Энэхүү зорилгын хүрээнд бид K-AGCN загварыг санал болгон, танилцуулж байна. Уг загвар нь урлаг дахь сонирхлыг урьдчилан таамаглаж, оюутнуудад практик туршлага өгдөг. Уг судалгаанд ресторан, зөөврийн компьютер, твиттерийн тойм зэрэг эх сурвалжаас авсан мэдээллийг ашигласан. 2023 онд БНХАУ-ын Фүжяний их сургуулийн шинэ медиа урлагийн 200 оюутныг хамруулан, олон нийтийн мэдээллийн санг ашиглан хоёр сарын хугацаанд мэдээлэл цуглуулсан. Текстийн өгөгдөлд дүн шинжилгээ хийхдээ сэтгэл хөдлөлийн хэв маягийг илрүүлэхийн тулд хэл боловсруулах дэвшилтэт хэрэгслүүд болон SPSS програм ашигласан. Туршилтын загвар нь үндсэн загваруудаас, ялангуяа ресторан болон зөөврийн компьютерын өгөгдлийн багцаас давж, нарийвчлал болон F1 онооны хувьд мэдэгдэхүйц сайжирч байгааг харуулсан. Энэ нь мэдрэмжийн шинжилгээг сайжруулахын тулд дүрмийн, семантик, гадаад сэтгэл хөдлөлийн мэдлэгийг хослуулах нь чухал болохыг харуулж байна. Дүгнэж хэлэхэд, шинэ медиа урлагийн боловсролд хиймэл оюун ухааныг ашиглах нь сэтгэл хөдлөлийн дүн шинжилгээ хийх замаар оюутны суралцах чадварыг илүү ухамсартай, ухаалаг болгож, тэдний бүтээлч байдал, оролцоог дэмжинэ. K-AGCN загвар нь хэрэглэгчийн сэтгэл хөдлөлийг ойлгох, урлагийн чанарыг сайжруулах сургалтын шинэ арга нэвтрүүлэхэд тусална.
