栾迪 董玉娜

（1.南京理工大学紫金学院，江苏 南京 210046；2.芝罘区黄务小区，山东 烟台 264000）

1 引言

随着互联网技术的飞速发展及联网的便捷，越来越多的人在网上表达自己的意见。其中，电影评论受到广泛关注。很多人选择在闲暇时间观看电影，选择哪一部电影则常常受到网上评论的影响。然而电影评论主观性较强，个体化倾向明显，单个评论不具备可参考性，因此需要对大量的影评进行综合性的情感分析[1]。

情感分析是自然语言处理领域的一个重要分支。在社交媒体中，评论文本的数量呈指数级增长，必须采用智能处理方式。目前的情感分析主要是基于机器学习的方法，基于CNN（Convolutional Neural Network，卷积神经网络）、RNN（Recurrent Neural Network，循环神经网络）等神经网络的处理比传统的方法取得了更高的准确率。文本分析属于典型的时序数据处理问题，因此本文采用改进的RNN网络BiLSTM（Bidirectional Long-short Term Memory Network，双向长短时记忆网络）对电影评论进行情感分析。

2 LSTM及BiLSTM

RNN一般用来处理序列信息，在文本、语音、视频等具有上下文关联的应用场景中精度很高。其展开结构如图1所示。但是RNN会面临梯度消失和梯度爆炸的问题，这将导致长时依赖丢失。为解决这个问题，LSTM网络对RNN进行了改进。LSTM由遗忘门、输入门和输出门三个控制门组成，如图2所示[2-4]。遗忘门控制上一时刻的单元状态Ct-1有多少保留到当前状态Ct，输入门控制当前时刻的网络输入Xt有多少保存到单元状态Ct，输出门控制单元状态Ct有多少输出到LSTM网络的当前输出ht。图2中σ表示sigmoid函数，其取值范围是[0-1]，决定了门控制器能够通过信息的比例。……