近几年来,随着高校不断的改革与发展,教学质量已成为高校发展的核心工作内容。教学质量的高低和效果好坏,直接影响学校人才培养的质量,所以搞好教师教学质量评价是每一所学校在管理中要重点解决的问题。学生评教是教学质量评价方法之一,目前已有的教务管理系统中存在大量的学生评教文本信息,而这些评教文本信息由于难以定量定性分析,且逐条人工分析工作量太大,所以这些文本信息都没有被利用起来,没有发挥到它们的价值。本文主要是对学生评教文本进行情感分类,通过判断评教文本的情感倾向,我们可以更加客观的得到学生对教师授课的满意度,从而更好的促进高校教学质量。本文主要的研究成果如下:1.构建了评教领域的情感词典EduNet。文本采用基于语义的双向传播机制拓展情感词典和主题词典,通过分析词语之间的依存关系定义拓展规则,得到最终的情感词典和主题词典,弥补了评教领域的情感词典空白。2.构建了基于词向量相似度的短文本表示模型。针对学生评教文本字数少,内容简短的特殊性,本文采用了Word2Vec模型训练词向量,通过求词向量相似度对短文本进行特征扩展。3.构建了基于半监督集成学习的学生评教情感分类模型。首先通过集成学习的方法弥补了单个分类器的不全面性和不完整性,其次通过半监督学习的方法弥补了初始训练集过小的问题,最后将两种学习方法融合在一起,构建了基于半监督集成学习框架。