周孝辉

【摘要】    近些年中国电影市场飞速发展，仅2021年春节档电影票房就破百亿，国内用户选择影片观影时会参考豆瓣电影评分，也会表发影评并打分，由于智能手机的普及，人们大多习惯在各类手机APP或者网站上发表评论，这类评论多为短文本，本文旨在通过对影评的情感分析，结合用户对电影的评分计算出一个更符合用户真实想法的电影评分。该评分可以供用户和影院参考，协助其做出观影决策和排片。相比传统CNN模型，胶囊网络在小型数据集上可以取得更好的效果，并且有更好的鲁棒性以及拟合特征能力。我们先用网络爬虫技术爬取豆瓣影评数据并进行预处理，然后将处理好的数据输入到ALBERT层进行序列化，再将ALBERT层输出的文本特征分别输入到Bi-GRU层和胶囊网络层获取句子全局特征和局部特征并进行特征融合，再经过全连接层进行线性降维，然后将全连接层的输出结果输入到Softmax层进行分类得到对应情感类别，最后结合电影的星级评分计算电影的综合评分。

【关键字】    短文本    情感分析    Bi-GRU    胶囊网络

引言：

情感分析，也称为观点挖掘、意见挖掘、极性分类，本质上是一个情感分类问题，主要研究人们对实体的看法、态度和情感，是自然语言处理领域中的一个重要研究方向。传统的情感分析方法主要是基于机器学习，需要复杂的特征工程，且泛化能力较差，近年来崛起的深度学习方法很好的弥补了基于机器学习方法的缺陷，成为了情感分析的主流方法。……