自2012以来,MOOCs(Massive Open Online courses)在全球范围内迅速发展,MOOCs为了适合人们在网上学习,把学校中的课堂碎片化,移植到互联网环境中。MOOCs改变了现代教育的方式、体制、观念等,改善了传统学校传授知识的局限性,让全世界人民都有机会享受高品质的教育。MOOCs给大众带来福利的同时也带来了新的挑战,其中,如何对教学群体的大规模无结构化文本反馈开展情感分析等自然语言处理研究对提高教学精准化,优化智能教学环境尤为重要。传统的文本的情感分析大多都是通过情感词典统计文本中的褒义词与贬义词数量,通过分析褒义词与贬义词的特征得到文本篇章等级或句子等级的情感分类的结果,所以这种方法难以准确的获取评论文本的情感信息。此外,情感词典,难以覆盖文本中所有的情感词,尤其是对于在线评论文本,在线评论文本具有用语不规范,数据稀疏,未登录词很多的特点,一定程度上,旧词新用也给文本情感分析带来了麻烦。本文设计了一个基于条件随机场应用模型,并将其应用于对MOOCs论坛交互文本的研究。本文首先采集MOOCs论坛文本构建实验数据集,并将评论文本的句子分割为基础情感单元,基于基础情感单元的文本情感分类比传统的基于篇章或句子等级的情感分类更准确更合理。然后使用Stanford Parser获取基础情感单元的语法信息,综合NTUSD情感词典,对评论文本进行了多维特征提取,采用机器学习的方法,构建了一个半监督的情感分类模型。同时,通过评论文本的语法信息与情感分类结果,建立了一个基于本领域文本的中文情感词典,并通过实验验证了该方法对于MOOCs评论文本情感分类的有效性。