毕业设计之基于深度学习的电影评论情感分析方法与实现（python完整源码+说明文档+演示视频）

1 项目介绍

鉴于电影评论的重要性，电影评论的情感数据分析也成为了当下发展非常迅速的一项内容。本次就是利用了flask框架以及深度学习中的word2vac向量模型来进行一款深度学习的电影评论软件开发，通过该软件的开发来更加有效的对众多的影评文本进行情感分析来判断出一部电影评论好与评论不好的比例等内容，从而为电影的评论提供一个综合的汇总评判分析。

2、项目技术

项目后端框架：Java+ssm

项目前端框架：vue2，ssm

3、开发环境

后端：开发语言：python

框架：python，django

python版本：python3.6.8版本向上兼容

数据库：mysql5.7+

数据库工具：Navicat11+

开发软件：pycharm

前端：nodejs，vue，html

数据库：mysql

4  系统特点

情感分析和传统的极其学习的方法主要是通过词典、语句的特征、上下文的结合等方式来进行相应的内容判断，而深度学习则是可以实现以深层的神经网络算法来根据选择的特征进行训练和深度挖局，从而能够更加准确的实现情感分类，通过深度学习的方式来进行电影评论的分析是可以实现精准的分析结果，为提升中国电影水平、提高中国电影的发展提供宝贵的经验和建议。

• 5系统的实现

  1. 系统的登录模块设计

本次的基于深度学习的电影评论情感分析系统是需要完成用户的登录才能够进入到系统中进行评论分析的，此次设计的分析系统的登录页面如下所示：

图5-1 系统的登录模块

1. 1. 系统的首页实现

当完成登录后，系统的首页以搜索界面为主要展示的内容，在首页中能够在文本框内进行想要获取的电影详情的搜索来快速的查询到与电影相关的信息内容。如下所示：

图5-2 系统首页的实现

1. 1. 电影简介的实现

当输入相关信息后，会有电影的名称、图片、主演、上映时间以及简介等多种内容在该页面进行呈现，并且能够通过点击“立即播放”实现在线的电影播放功能，如下图所示：

图5-3 电影简介的实现

1. 1. 电影评价分析的实现

在电影简介界面中点击“下一页”能够看到当前用户对于该电影的评价信息，有积极、消极、一般等内容，能够通过环形图来进行相应评分占比的展示。当在点击下一页时，会有具体的热门点评的显示，通过“积极”、“消极”、“一般”三个选项来进行评价的划分，有用户对于电影的评分、点赞数、留言时间等内容的显示。如下图所示：

图5-4 电影评价分析的实现

1. 1. 电影评价情感类别的实现

在电影评价的菜单中，管理员能够看到现有的用户对于电影的全部评价信息，系统会根据输入的评价内容来进行情感类别的判断，并且存储如数据库中，如下图所示：

图5-5 电影评价情感分析类别的实现