基于TF-IDF和人工神经网络模型的众筹影响因素研究

随着社会经济的发展,教育资源不平衡的情况正在愈演愈烈。很多地区的适龄儿童因为没有合适的经济条件和物质基础,就难以享受到良好的教育资源。在这种背景下,教育众筹平台成了一个协调教育资料的渠道,众多贫困地区的教师可以在平台上发布申请书而获得社会大众的关注和支持。基于美国众筹网站的18万条申请记录数据进行了一系列分析,对教育众筹成败的影响因素做了深入讨论。首先,基于TF-IDF算法,对申请书中的文本关键词进行了提取,使得大众可以快速地了解到申请书的核心诉求。基于Python计算了单词的TFIDF值,并统计出了最常出现的一些关键词,并分析了关键词对申请结果的影响因素。之后,建立了人工神经网络模型,实现了对申请结果的精准预测,并对项目的申请者和审核者提出了合理化的建议。