张逸方　吴佩芬

文字探勘（Text Mining）是自然语言处理（Natural Language Progressing，简称NLP）领域的研究重点，也是AI人工智能与语言学的学习分支。伴随着网络时代的来临，越来越多的人在网络上发表自己的观影意见，有许多学者运用文字探勘方法，搜集网络上的影评数据，进行文本情感分析。

配合网络与社交平台的快速发展，电影的评分网站也成为在线参考电影信息和表达影评意见的重要平台，电影评分网站中，又以IMDb（Internet Movie Database）在全球最具代表性与影响力。IMDb成立于1990年，囊括了全球几乎所有电影及演员、导演、剧情、影评等讯息，共计约四百多万条作品数据。

文本情感分析的方法众多，主要途径可分为两种[1]，一种是“词汇法”[2][3]，另一种是“机器学习法”（machine learning method）[4]，“词汇法”从语言学的角度出发，以专家分类的情绪词为基础，分析文本情感倾向[5];“机器学习法”则将大量人为判断的训练数据，进行特征选取与模型的建立，利用机器自动判断数据意见倾向。在多年的发展下，两类研究方法不断地互相影响，累积了诸多的资源、模型与数据库。

配合深度学习技术的演变，学术界也开始使用神经网络的概念进行文本分析，并大量运用在电影影评分析领域。本研究以IMDb的影评评论为文本对象，提出一种改良型卷积神经网络（Convolutional Neural Network，CNN）的模型架构，比较不同神经网络架构、层数以及参数是否会影响到模型的准确率。

一、相关研究

（一）应用WEKA于电影评论之机器学习演算

2014年学者藉由数据探勘工具WEKA进行数据探勘，进行电影评论分……