对于电影评价倾向性分析的实现主要借助自适应系统以及SVM算法来实现电影评价的倾向性分类,系统平台设计基于C/S结构实现,同时结合Python语言以及Mysql数据库的应用实现了电影评论信息的在线分析,结合电影评价内容爬取以及融入支持向量机算法的计算,来实现电影评论文本信息的分类。借助系统平台实现了评价信息的在线倾向性测试,通过消极和积极的评论分类判定来实现电影评价信息内容的分类,同时利用电影评价分析信息的统计了解到评价倾向性比例,通过线上化平台的信息录入和倾向性分析实现了电影评价内容的分类反馈。
随着预测技术及统计分析领域的相关技术越发成熟,对于电影票房预测、影评分析等内容成为了很多电影平台的重要功能模块,电影评价预测会受到数据不规整以及预测精度欠缺的影响,利用现有的运算技术实现更加精准的电影评价分析可以帮助更好的预测电影的票房成绩。
本文结合当前电影市场的现状以及电影评价预测意义,利用Python编程语言基于C/S结构开发设计针对电影评价倾向性分析的系统平台,同时为了确保电影评价分析数据信息判断的精确性,通过自适应SVM支持向量机的算法应用,实现了数据信息的分类提取,结合电影评价内容实现积极和消极影评数字信息的分类,结合电影评价的统计图例帮助更好的了解电影评价倾向性,结合数据预处理、特征量化以及模型结构的确认来实现电影影评的分析,对于电影票房预测提供了更加详尽的数据信息支持。
关键词:Python语言;Mysql数据库;自适应SVM;电影评价倾向性;
目 录
摘 要 2
Abstract 3
第一章 绪论 1
1.1 开发背景 1
1.2研究现状 1
1.3研究的意义 2
1.4开发工具及技术 2
1.4.1 C/S模式简介 2
1.4.2 Mysql数据库 2
1.4.3 Python 语言 2
第二章 SVM的算法研究 3
2.1 SVM支持向量机介绍 3
2.2 自适应控制 3
第三章 电影评价倾向性需求分析 4
3.1需求调研 4
3.2可行性分析 4
3.2.1技术的可行性 4
3.2.2经济的可行性 4
3.2.3操作可行性 4
第四章 系统设计 5
4.1功能模块设计 5
4.2数据库设计 5
第五章 系统实现 6
5.1 系统主页 6
5.2评论管理界面 6
5.3用户管理 7
5.5评论预测界面 7
5.5 算法准确率比较 8
5.6 算法优缺点比较 8
5.7 自适应SVM与SVM对比 9
5.8 电影评价倾向性图表分析 9
第六章 系统测试 10
6.1 系统测试的意义 10
6.2 系统测试的内容 10
6.3系统测试结果 10
7. 总结与展望 11
7.1 总结 11
7.2 展望 11
致 谢 12
参考文献 13