下一步是基于朴素贝叶斯实现情感-2/。基于词典的情感 分析依靠手工标注词典，需要大量人力，比如:我/r爱/v京/ns天安门/ns，AI人体动作分析识别，作为课堂行为的核心技术分析，一方面通过摄像头实时扫描学生的行为，针对学生的读书、写字、举手、趴在课桌上等行为分析得到整个班级的质量，老师的教学是否达到了教学目标。
单词1、NLP基本术语与基本概念-上
是可以独立移动的最小的有意义的语言成分。英语单词以空格为自然分隔符，汉语单词以词为基本书写单位，单词之间没有明显的区分标记。因此，中文分词分析是中文分词的基础和关键。中文和英文都有分词的需求，但相比较而言，英文单词有空格可以分词，处理起来相对方便。但是因为中文没有分隔符，所以分词的问题更重要。
比如“美国将通过对台军售法案”，可分为“美国/国会/台湾军售法案”和“美国/国会/台湾军售法案”。中文分词技术可以分为三类:在基于机器学习的方法中，往往需要标注词的词性。词性一般指动词、名词、形容词等。标注的目的是表示单词的一种隐藏状态，隐藏状态的转换构成一个状态转换序列。比如:我/r爱/v京/ns天安门/ns。
2、AI人体动作识别实现课堂行为 分析随着科技的不断发展，人工智能越来越多地应用到很多行业。可以预见，人工智能将成为未来人类发展的必要手段，改变人类的生产和生活。教育行业率先开创了人工智能领域的先河，智慧课堂一度进入大众视野。除了常见的针对学生上课考勤和课后的人脸识别，“人工智能用于统计分析学生课堂行为，并对异常行为进行实时反馈”成为人工智能的另一项重要创新。
AI人体行为识别预警可以实现学生课堂行为的统计和异常行为的实时反馈。它主要以人体行为识别技术为核心手段，对视频监控拍摄的各种人体行为进行识别，如面部关键点识别，根据人体运动轨迹定义行为动作，也就是赋予监控自主识别的能力，从而解决传统监控需要依赖人力的问题。AI人体动作分析识别，作为课堂行为的核心技术分析，一方面通过摄像头实时扫描学生的行为，针对学生的读书、写字、举手、趴在课桌上等行为分析得到整个班级的质量，老师的教学是否达到了教学目标。
文本相似度。基于词典的情感 分析依靠手工标注词典，需要大量人力，如果遇到情感这个词，但字典里没有，可以设计另一个NLP中常用的技术文本相似度。以上步骤还可以进一步优化，比如用决策树来判断句法规则，下一步是基于朴素贝叶斯实现情感-2/。
