摘要
近些年，随着互联网和影视产业的飞速发展，电影已经成为了大部分网民生活中不可或缺的一部分，导致各大视频网站上的电影评论文本呈爆炸式增长，这些评论中包含着观影者对电影的主观情感倾向。对各大平台的电影评论进行情感分析，不仅用户可以通过查看电影评论来评估该电影是否具有观看价值，而且制片人也可以通过评论数据来收集用户喜好度，从而为下一步电影做出改进。 基于方面的情感分析技术在产品、服务等领域得到了广泛的应用，然而该技术很少出现在影视评论的相关领域。在现有的研究中，对于影视评论的情感分析，主要是对整个句子进行情感分析，不能突出电影每个方面的情感倾向。通过对影评进行方面级情感分析，可以有效挖掘出用户对电影每个方面的情感极性。因此，对影视评论进行方面级情感分析有着重大的研究意义。本文研究了基于深度学习的方面级影视评论情感分析方法并进行了系统实现，主要工作如下： （1）在方面级影视评论情感分析领域中，首先需要对影视评论中的方面词进行提取。因此，本文基于ERBAC模型，实现对影视评论中方面词的提取。首先，该模型采用ERNIE预训练模型对文本进行语义编码表示，增强了模型对中文词向量的表征能力；并利用BiGRU（Bidirectional Gated Recurrent Unit，BiGRU）模型提取上下文语义特征，提升了模型提取文本语义特征的能力；其次，使用Attention机制突显关键词的信息以优化模型的整体效果；最后，通过CRF（Conditionnal Random Field，CRF）层获取最优的标签序列组合并提取方面词。然后将本文模型同基线模型进行对比实验，结果证明本文模型对影视评论方面词的提取有着更优的效果。并设计该模型的消融实验，结果表明ERNIE模型进行语义编码、BiGRU模型学习上下文语义特征、注意力机制获取关键词信息的有效性。 （2）在对影视评论中的方面词提取后，接下来需要进行方面情感分析。因此，本文基于TP-GCN模型，对给定方面词作出情感极性判别。该模型首先对影视评论文本进行词性标注，融入具有词性信息的上下文特征作为模型输入，以获取具有词性特征的向量表示；并通过BiGRU模型学习句子深层次上下文语义信息，得到上下文隐层表示；其次，将句法依存树的邻接矩阵与上下文隐层表示作为图卷积神经网络输入，从而获取具有语法信息的特征表示；再采用一种掩码机制获取方面表示；最后，利用交互注意力机制获取从语法信息和语义信息角度考虑与方面词相关的上下文信息，从而完成情感分析。然后将本文模型同基线模型进行对比实验，并给出实验结果与分析。并设计该模型的消融实验，探讨词性信息、GCN的层数、掩码机制以及交互注意力机制对模型性能的影响。 （3）根据已实现的方面词提取算法和方面级情感分析算法，借助常用的web开发框架，完成方面级影视评论情感分析系统的开发与实现，并对系统相关页面进行展示，验证该系统的可用性。
NETL