教学中通常会使用微信、QQ等互联网群组辅助教学。在利用工具进行教学互动的过程中往往会有新内容和新知识的产生,这些内容在很大程度上能够反映“教”与“学”的情况,但是目前较少有人对其进行分析与整理。因此结合教学过程对这些内容进行分析挖掘与整理,有利于改善教学质量,并提供新的教学资源。本文选取教学过程中产生的群聊文本作为研究对象,首先构建了自动控制原理课程的群聊数据集,并引入相关教材文本进行了关键词提取,构建了教材文本与群聊文本的词向量模型,计算了两者之间的余弦相似度,然后以此为依据进行了数据清洗工作,去除了部分无关信息。接着选取了Text CNN作为基准模型进行问句抽取,并且针对类别分布不均匀的问题以及结合文本的词语特征,使用了三种优化策略:注意力机制、平衡交叉熵损失函数和Borderline1-SMOTE算法。然后再对数据集进行了预分割,并且标注了对话片段以及主题词。接着选用single-pass作为基准的对话片段分割模型,使用了TFIDF训练词向量、结合时间特征的优化策略,最后结合所使用的数据集特征选择了Text Rank算法进行了主题词提取。实验结果表明,优化后的问句抽取模型测试集准确率达到了92.03%,F1-score为0.7150,与基准模型相比,分别提升了1.28%和0.0847。优化后的single-pass聚类模型准确率为66.9%,提升了13.7%。从最后的实例分析得出,针对分割后的对话片段,结合问句抽取模型进行话题核心问句抽取,利用关键词句技术进行话题关键词和话题中心句的分析,能够形成较为系统的对话片段体系,从而为教学提供帮助。将提取出来的内容应用到实际教学中,取得了一定的教学成果。