摘要
随着电影市场的蓬勃发展和互联网技术的普及，社交网络逐渐成为观众分享和交流电影观后感的主要平台。这些评论反映了观众的喜好，同时对尚未观看电影的人产生一定影响，进而影响电影的票房和声誉。因此对电影评论进行情感分析具有重要的实际价值。随着网络数据迅速增长，将深度学习模型应用于影评文本的情感分析变得更加可行。基于上述理解，本文设计并构建了一个影评情感分析模型，利用互联网数据分析人们的情感和观点，主要研究内容如下： (1)基于预训练语言模型的深度神经网络情感分析模型。本文通过分析影评的文本特点，利用RoBERTa模型对文本进行词向量转换，同时为了捕捉到语义编码信息采用双向门控循环单元(BiGRU)来处理输入的词向量，以提取其特征信息。为了让模型对上下文关键信息赋予更多权重，在BiGRU模型输出后加入了自注意力机制，这样模型可以更好的关注上下文语义信息。同时加上残差连接层防止梯度消失，归一化层防止梯度过大。最后将提取到的语义信息传递到输出层，输出结果经线性层和SoftMax层，计算得到预测的情感分析结果。在三个公开数据集上进行对比实验，结果表明该模型的有效性。 (2)基于预训练语言模型与注意力机制的双通道情感分析模型。考虑到多类型特征可以提升模型性能，在基础模型上构建了结合注意力机制的双通道深度情感分析模型，该模型融合了双通道中的特征信息，包括语义特征信息和文本特征信息。右侧通道使用Transformer编码器来提取文本信息。为优化深度网络，同时加上残差连接层防止梯度消失，归一化层防止梯度过大。接着利用注意力机制将从右侧通道中提取的文本信息与左侧通道提取的语义信息进行拼接融合，形成最终的特征信息，传递到输出层。输出结果经线性层和SoftMax层，计算得到预测的情感分析结果。在三个公开数据集上进行对比实验，结果表明该模型的有效性。 (3)设计并开发了影评情感分析系统，将前文融合构建的情感分析模型嵌入到影评情感分析系统中，以便帮助用户可以对影评文本进行更加全面深入的内容分析。具体包括主题分析、关键词分析以及情感分析。
NETL