DOI：10.19850/j.cnki.2096-4706.2021.08.005

摘  要：在網络技术高速发展的背景下，信息纷乱繁杂，如何能够获得需要的文本信息，成了许多企业或组织关注的问题。该项目以采集的豆瓣电影评论数据为例，使用Python 语言和朴素贝叶斯等多种算法，对文本挖掘进行全流程的分析，包括对其特征及其子集进行提取，并对文本进行聚类和分类处理，同时采用交叉验证方法对模型进行调整，从而预测有关评论的类型，并将其作为电影推荐的一个标准。

关键词：文本分词;文本向量化;词频矩阵;朴素贝叶斯

中图分类号：TP391.1       文献标识码：A 文章编号：2096-4706（2021）08-0017-04

Classification and Analysis of Network Comments Based on Text Mining Algorithm

——Take Douban Film Review as an Example

WANG Rui

（Jincheng College of Sichuan University，Chengdu  611731，China）

Abstract：Under the background of the rapid development of network technology，information is messy and complicated，and how to obtain the required text information has become a concern for many enterprises or organizations. Taking the collected Douban film review data as an example，this project uses Python language，Naive Bayes and other algorithms to analyze the whole process of text mining，including extracting its features and subsets，clustering and classifying the text，and adjusting the model by cross validation method，so as to predict the types of relevant reviews，and take it as a standard for film recommendation.

Keywords：text segmentation;text vectorization;word frequency matrix;Naive Bayes

0  引  言

随着信息网络的高速发展，发表言论的平台越来越多，其门槛也越来越低，各种海量数据实时更新，以至于言论窗口充斥着一些结构不规范的文本。个人或者组织想要从中提取具有针对性且有使用价值的信息，必须对初步获得的文本数据进行充分的处理。由于文本是人类使用的自然语言，具有非结构化的特征，计算机识别起来会具有一定的机械性和局限性，这使得在进行处理和分析文本的操作过程中会遇到更多的困难，所以在处理文本时不能简单地使用传统的数据处理方式^[1]。文本挖掘是针对文本的一种分析处理算法，虽然近几年个人或者企业对其的需求有所上升，但是文本挖掘仍存在着一些问题，因其发展历史相比较于传统的数据挖掘方式的历史较短，且方法不够成熟，所以并没有被广泛使用，而且人们对于文本挖掘使用领域的认知也比较单一^[2]。……