Python用LoRA微调与ISMOTE过采样实现社交媒体文本情感多标签识别|附AI智能体、代码和数据 By tecdat6月 25, 2026AI人工智能辅导, Python辅导, 人工智能, 大数据部落, 技术支持, 数理统计, 期刊论文发表投稿, 计算机科学CS辅导, 计算机科学与技术AI agent, AI智能体, Code, Data, fine-tuning, improved synthetic minority oversampling technique, ISMOTE, LoRA, Low-Rank Adaptation, multi-label, multi-label classification, multi-label recognition, oversampling, python, Sentiment, sentiment analysis, social media, Text, 代码, 低秩适应, 分类, 多标签, 多标签识别, 微调, 情感, 情感分析, 数据, 文本, 社交媒体, 过采样 本文围绕小语言模型在社交媒体文本多标签情感识别中的应用，系统阐述了从不平衡数据处理到模型微调的完整技术链路。本文重点回答了以下问题：（1）如何处理多标签情感分类中的严重类别不平衡问题？（2）如何利用改进的过采样算法合成高质量的少数类样本？（3）如何在有限算力下高效微调24B参数级语言模型？（4）如何通过加权损失函数优先保障目标情感类别的识别性能？文中构建了一个基于LoRA低秩适配与焦点损失函数的Mistral Small 3.1微调方案，在15类情感标签上取得了多数类别F1超过0.7的效果。
Python、SEM与LDA主题模型、RoBERTa情感分析大学生生成式AI辅助学习影响|附AI智能体、代码和数据 By tecdat6月 25, 2026AI人工智能辅导, 人工智能, 大数据部落, 技术支持, 数理统计, 期刊论文发表投稿, 计算机科学CS辅导, 计算机科学与技术assisted learning, college students, generative AI, impact, latent dirichlet allocation, LDA, python, RoBERTa, SEM, sentiment analysis, structural equation modeling, topic model, 主题模型, 大学生, 影响, 情感分析, 潜在狄利克雷分配, 生成式AI, 结构方程模型, 辅助学习 生成式AI（GAI）正在重塑大学生的学习方式，但其”外挂”与”枷锁”的双面效应尚缺乏系统实证。本文基于问卷调查与知乎舆情数据，综合运用结构方程模型（SEM）、LDA主题挖掘与RoBERTa情感分析，探究GAI对大学生自主学习能力的影响机制。
