《文本分类：网上购物评价分类》教学设计

课题文本分类：网上购物评价分类建议课时1课时课型新知学习课（）原理探究课（√）综合应用课（）其它_____（）教学背景分析随着互联网技术的迅速发展和普及，对浩如烟海的文献、资料和数据进行表示处理、自动分类、组织管理，已经成为一个重要的研究课题。文本分类（textcategorization）是一种对文本数据进行处理的基础技术，学生在前面的学习中接触较少。本节课以“网上购物评价分类、新闻分类”等问题情境引入，帮助学生理解文本分类基本概念及其应用，并以新闻文本分类为例，要求学生通过人工智能实验平台探究文本分类的原理，理解文本分类的核心算法，让学生在探索、应用和实践中对自然语言处理技术有更深入的理解。学习目标1.了解文本分类基本概念和文本分类系统。2.理解文本特征选取与权重计算的基本方法，掌握TF-IDF算法。3.理解朴素贝叶斯原理及其应用。学习重难点1.学习重点（1）了解文本分类基本概念和文本分类系统。（2）理解文本特征选取与权重计算的基本方法，掌握TF-IDF算法。2.学习难点（1）理解朴素贝叶斯原理及其应用。课前准备教材，教学课件，平板电脑，人工智能实验平台（含“文本分类”实验），学习单，阅读材料“自动提取关键词：TF-IDF统计方法解读”。教学过程设计教师活动学生活动环节一：新课引入教师活动：1.创设情境：要求学生扮演新闻社编辑角色，对给定的2则新闻进行分类，并回答分类依据。2.通过人工分类与机器自动分类的对比，引出本节课的主题——文本分类。3.启发学生思考：计算机是否能够正确理解评论者要表达的意思？引出理解语言的复杂性及机器理解语言的一般方法，即将文本想要表达的内容划分到正确的类型中。学生活动：1.新闻分类，并回答分类依据。2.理解文本分类产生的原因。3.积极思考。设计意图：通过创设“新闻社编辑”情境，让学生体验人工分类的过程，进而对比人工分类和机器自动分类，顺利引出本节课的学习主题——文本分类。 环节二：新知学习（一）认识文本分类教师活动：1.讲解文本分类的产生背景、基本概念和文本分类在生活中的实际应用，如购物评价分类系统、新闻题材分类系统、垃圾邮件识别系统等。2.启发学生思考：机器是如何进行文本分类的？引出最常用的一种分类方法，即关键词分析。学生活动：1.了解文本分类的产生背景、基本概念和实际应用。2.积极思考，知道关键词分析是文本分类最常用的一种分类方法。设计意图：采用教师讲授形式帮助学生理解文本分类的基本概念及其应用，并启发学生思考文本分类的原理，激发学习兴趣。 环节三：新知学习（二）文本分类的原理教师活动：1.组织学生开展感知体验5-5：探究文本分类的方法。（1）提出任务：独立寻找给定两节文本的关键词，将结果填写在表5-5中，然后小组合作分析思考题（1）、（2）。（2）课堂巡视，解决小组合作中存在的问题。（3）组织学生分组汇报，汇报要点包括任务完成情况和过程体会。（4）结合各小组的汇报结果，进行总结，帮助学生明确人工分类和机器自动分类的区别，即人依据主观感受和经验进行判断，而机器则是通过大数据分析和统计算法进行判断。2.布置小组活动1:探究文本分类的原理。（1）小组划分，每4-6人一组。（2）说明活动步骤与要求：阅读材料“自动提取关键词：TF-IDF统计方法解读”（阅读材料源文件详见本课时素材资源），理解TF-IDF算法。打开平板人工智能实验平台，选择“文本分类”实验，感受机器对新闻文本进行分类的过程，填写学习单。（3）课堂巡视，解决小组合作过程中的疑问。（4）组织学生分组汇报，汇报要点包括实验过程和实验中遇到的困难及解决办法。活动1建议时长：20分钟。3.教师总结（1）以第一条新闻为例，介绍机器新闻文本分类初体验的实验结果，展示学习单填写参照，总结学生开展原理探究的4个步骤。（2）展示中文分词的实验过程，讲解停用词的概念和新闻分词的结果，强调灰色字体即为停用词。（3）展示“词袋模型”的实验过程，强调词汇表是分词及统计词语在文档中出现次数的判断依据。（4）展示特征提取的实验过程，结合提供给学生的阅读材料“自动提取关键词：TF-IDF统计方法解读”，再次讲解TF-IDF统计方法的计算过程，帮助学生巩固理解文本特征选取与权重计算的基本方法，让学生点击不同的词语，查看其TF-IDF的值，判断该文档的关键词。（5）展示分类预测的实验过程，在前面的实验过程中，学生对于朴素贝叶斯分类法产生疑问，详细讲解朴素贝叶斯算法的思想和计算公式，并以小飞去超市的案例讲解朴素贝叶斯算法计算过程，进而让学生自主探究分类预测中新闻分类预测概率的计算过程。学生活动：1.开展感知体验5-5：探究文本分类的方法。（1）明确任务内容与要求。（2）组内分工，开展小组任务。（3）按照教师要求分小组汇报。（4）记录教师总结中的要点。2.各小组分工协作完成活动1。（1）按要求完成分组。（2）明确活动步骤与要求。（3）组内分工，合作完成活动1。（4）按照教师要求分小组汇报。3.记录教师总结中的要点。（1）对照、补充学习单。（2）理解中文分词过程和停用词的概念。（3）理解词汇表的作用。（4）结合阅读材料，理解TF-IDF算法，判断文档的关键词。（5）结合教师的讲解，理解朴素贝叶斯分类法的计算过程和中心思想，进一步探究分类预测中新闻分类预测概率的计算过程。设计意图：通过感知体验5-5，帮助学生明确人工分类和机器自动分类的区别，即人依据主观感受和经验进行判断，而机器则是通过大数据分析和统计算法进行判断。为了让学生理解文本分类的核心算法，如TF-IDF算法、朴素贝叶斯算法等，首先让学生阅读材料“自动提取关键词：TF-IDF统计方法解读”，初步理解TF-IDF算法的基本思想，接着要求学生通过人工智能实验平台探究文本分类的原理，最后通过实验要点总结，系统介绍TF-IDF算法和朴素贝叶斯算法，解决学生实验过程中的疑问，学生在探索、应用和实践中能够对自然语言处理技术有更深入的理解。环节四：总结归纳教师活动：1.通过提问引导学生回顾本节课所学知识点，问题如下：（1）什么是文本分类，它在生活中有哪些应用？（2）TF-IDF算法和朴素贝叶斯算法在文本分类中的作用是什么？学生活动：1.回答问题，巩固新知。设计意图：通过提问帮助学生回忆本节课所