随着我国高等教育的快速发展,学生评教已经成为了一项非常重要的教学质量评估方式。现阶段,越来越多的学者聚焦于对学生评教数据的情感挖掘。学生评教数据包括了评教量表数据和评教文本数据。其中,评教量表数据可以直接定性统计情感信息,而评教文本数据无法直接定性分析情感信息。因此,针对评教文本数据的隐含情感信息挖掘是十分重要的。在现实教学环境中,学生评教文本以短文本居多。学生评教短文本中存在大量默认好评文本、少量语言描述文本和无评教文本的情况,从而造成了评教文本的稀疏性。同时,由于评教领域的特殊性,学生在评教时用语不规范,风格较随意,未包含对评教对象的全方面评价,但高校通过多个维度衡量评教对象,导致了学生评教数据与评教对象之间的信息不匹配的问题。因此,根据学生的评教文本以及衡量评教对象的多个指标构建评教维度,从而进行情感分析是很有必要的。针对以往的研究工作中存在的不足,本文分别聚焦于研究评教文本情感分析中涉及的两个主要问题:1、如何从稀疏评教文本中进行文本细粒度情感分析;如何利用学生评教量表数据和学生评教文本数据等信息来对稀疏评教数据进行处理。2、如何在处理好的稀疏评教文本的基础上,进行基于评教维度的情感分析,并提取文本中方面词、情感评价词以及情感类别;如何基于评教维度整合评教量表数据和评教文本数据的情感分析,并对特定评教对象的综合评价。针对以上两个问题,本文提出了基于群体分组的稀疏评教文本数据处理模型和考虑评教维度的评教数据情感分析模型,主要工作如下:（1）基于群体分组的稀疏评教文本数据处理问题研究。为了挖掘评教数据中存在的更多信息,通过群体分组与群体词典来对评教文本数据进行补齐和处理。首先,对评教文本数据进行清洗与处理。接着通过群体相似度与评教评分一致性程度对学生群体进行分组,并利用从组中学习到的知识来分析数据有限的学生。然后,采用弱监督神经网络构建群体评教词典。最后,利用群体评教词典补齐分组后群体内的稀疏文本。（2）评教数据情感分析问题研究。该研究问题主要分为两个部分:一是评教短文本细粒度情感分析建模,本文将短文本细粒度情感分析问题转化为采用双向机器阅读理解框架提取方面情感四元组问题;二是学生评教观点整合建模,本文基于评教维度整合归纳多文本情感信息与量表情感信息,呈现和分析出某个评教群体针对评教对象的情感信息。（3）利用在真实评教数据集上的数据,对上述模型展开了实验,实验表明上述模型比传统的模型要好很多,使用该模型可以得到更加精确的评教文本情感分析结果,也可以获得更为合理的评教情感观点。