新时期的“双一流”高校建设是中国政府在高等教育领域新近推出的又一重大国家战略,势必将教师教学质量放在学校长期发展的重要战略地位。学生评教是教学质量的重要测评工具之一,如何利用和量化评教系统中存在的大量评教文本信息,是公正客观地评价教师教学质量的关键环节。论文主要通过自然语言处理和机器学习方法对学生评教文本进行情感分析,旨在客观公正地反馈教师教学质量的相关信息。主要工作如下:1、构建了评教主题词典Topic-Dictionary。论文提出了一种基于词语共现原理的抽取算法,提取了主题词集合和情感词集合,并对主题词集合进行平滑处理,将其归结为九个主题大类,最终得到了主题词典。2、构建了评教情感词典Edu-Dictionary。论文采用Word2Vec方法进行词典扩展,这种基于词向量的方法携带了丰富的语义信息,利用词向量之间这种潜在的语义关系可有效地进行词典扩充。Word2Vec方法是基于评教领域独立的语料空间而扩展得到该领域专用的情感词典,因此可有效识别该领域的新词及独有的表达方式。3、提出了基于主题的学生评教短文本细粒度情感分析模型。该模型基于中文句法依存关系分析,结合主题词典、情感词典、程度副词词典和否定词词典,构建了<主题,情感>评价单元并进行情感计算,获得了针对各个评教主题的情感倾向评价。4、提出了基于情感词典与机器学习的评教短文本粗粒度情感分析模型,即对整条评教文本进行情感分析。首先利用情感词典计算情感极性,将情感极性置信度较高的评教文本作为训练集,训练分类器,然后借助多分类器(SVM+KNN)多特征融合的方法对测试集进行分类预测。实验证明:多分类器多特征融合的分类效果要比单一分类器略胜一筹。