摘 要：目前，深度学习已经成为计算机视觉处理领域事实上的标准。由于它在图像处理方面的广泛普及和成功应用，几乎所有的其他领域的问题都在尝试通过深度学习找到其解决方案，在自然语言处理中的文本分析和语言建模也不例外。在情感分析中，识别用户在文本评论中隐藏的情感是一项具有挑战性的任务。在本文中， 使用深度学习模型进行基于IMDB电影评论数据集的情感分析，将基于深度学习的情感分析方法与其他传统機器学习方法进行比较，以评估模型的性能。实验结果表明，基于深度学习的神经网络模型在许多方面优于传统的机器学习方法。

关键词：情感分析;深度学习;自然语言处理;LSTM;词嵌入

中图分类号：TP183                文献标识码：A

0 引言

在解决机器学习问题上，深度学习已经被证明是非常成功的[1]。虽然这些深度学习算法并不能直接用来进行情感分析，但是深度学习在图像处理、语音处理和其他认知方面计算领域上的成功，促使人们正尝试把深度学习算法应用在语言处理， 情感分析和意见挖掘上，但语言问题是非常复杂的，首先需要解决语言规则和语言如何表示等相关的问题。随着词嵌入模型word2vec的出现，深度学习已经开始应用到包括情感分析在内的许多NLP任务中。

在本文中，使用深度神经网络将用户的电影评论数据集分为正类和负类。为了评估建立的深度学习模型的性能，将模型与传统的朴素贝叶斯和逻辑回归方法进行比较，结果表明，用于情感分析的深度神经网络自然语言处理（NLP）模型不仅在准确率方面优于基础模型，而且在捕获隐藏情感方面优于基于统计概率的机器学习算法。……