2026《电影网络评论的文本分析案例》4900字.docxVIP

PAGE

PAGE1

电影网络评论的文本分析案例

目录

TOC\o1-3\h\u13704电影网络评论的文本分析案例 1

92391.1数据获取 1

306511.1.1电影数据集抽样 1

156251.1.2评论评分获取 1

45751.2文本预处理 2

135161.2.1数据清洗 2

308871.2.2中文分词 3

134091.2.3词性过滤 3

9621.3建立网络评论文本分类标准 4

11891.3.1确定主题个数 4

43141.3.2主题及关键词可视化 5

276021.3.3建立分类标准 8

60341.4网络评论文本分类及情感倾向分析 8

276581.1.1网络评论文本分类 8

323591.1.2基于情感词典的网络评论情感倾向分析 10

1.1数据获取

1.1.1电影数据集抽样

本文使用python软件从电影数据库网站（http://58921.com/）爬取2018年至2019年所有在国内上映过的所有电影共计1057部，作为电影名称总集。为尽可能保证质量多样性，依照总集中票房分布进行随机抽样：将2018年527部电影根据票房分布分为5个区间，每个区间随机抽取20部电影，得到100部电影；将2019年530部电影按同样标准分为5个区间，每个区间随机抽取20部电影，得到100部电影。考虑到话题多样性的要求，再根据电影类型分布按比例人工抽取40部电影作为补充，最终得到的240部电影作为可用数据集。

1.1.2评论评分获取

使用python软件对豆瓣电影进行爬虫处理，爬取票房集中240部电影的评分和短评文本内容。每部电影对应一个最终评分，在豆瓣中以十分制显示。短评选取按照点赞数排序后的前200条，对于短评不足200条的电影则选择全部，共获得38490条不重复的短评数据。

将电影名称集与评论评分数据集按照电影名称合并为一个，得到用于后续实证研究的数据集。数据字段包括电影名称、评分、短评文本。示例如下：

表4-1数据字段示例

名称

评分

短评文本

红海行动

8.3

超前点映场。场面真实，剧情紧凑。中间其实很想上厕所，但是愣是没有找到任何尿点…作为战争片，已超额完成任务，在真实度还原上，达到了国产影片从未有过的高度。

红海行动

8.3

故事没有编排，两个半小时劈头盖脸把爆破场面往观众脸上扔，累不累累不累！

红海行动

8.3

感谢豆瓣观影团给的这次提前点映机会，让我提前看到了这部等了好久期待好久的电影。林超贤导演果然是好，拍出了大片的场面，很燃！几乎是从头打到尾，比战狼2不知好了太多。中国的军事题材电影就应该这么拍才好，不要那么多个人英雄主义的虚假做作，而是拍出质感来。

红海行动

8.3

真人版吃鸡和低配版《使命召唤》，一场大型的闯关游戏，没有人物，没有剧情，没有主题，就是一通狂打，越到后面越视觉疲劳，不过最重要的问题还是空洞乏味，毫无起承转合，看完了连角色都没有认全。

红海行动

8.3

春节档最好！主旋律色彩下，真实又残酷的战争渲染。

1.2文本预处理

电影短评内容是观众对电影感受的自主表达，评论字数不一，格式自由多样，且不同观众语言习惯不同，存在网络用语、表情符号、不规范的标点符号等。因此，这些原始文本数据不能直接用来提取主题进行情感评分，而要先对数据进行清洗，使格式标准化，并按照中文语义规则进行分词，以便后续研究的展开。

1.2.1数据清洗

由于在线评论本身的特点，我们的原始数据中有许多无意义的词，也有重复或是不具有情感表达效果的词，这些内容可能造成无效训练，甚至影响后续后续分析的准确性，因此需要对短评文本进行预处理清洗。主要操作如下：

（1）删除短句。过短的评论包含信息较少，大多无意义，因此剔除长度10以下的评论。

（2）删除英文及数字。用户发布的评论格式自由，中文英文符号、网络新词缩写混合使用，如“☆☆☆”、“很nice”、“666”、“yyds”，难以从此类评论有效提取观众的感情倾向，故删除。

（3）去除停用词。该预处理方法的功能是过滤分词结果中的噪声，即一些出现频率高但对于语义分析意义不大的标点符号和词语。本文在选用百度停用词表、哈工大停用词表及四川大学机器智能实验室停用词表这三个通用停词表的基础上，考虑到电影领域部分词汇的专业性，引入了搜狗细胞词库中的电影、明星两大词库，将其合并去重共得70218个停用词。

1.2.2中文分词

中英文由于语言表达习惯的不同，在分词时思路也有较大区别。英文单词之间通常以空格分开，可直接将空格作为分词标志。而中文语法复杂，且词和词组的边界模糊，因此需要第三方分词工具。本文采用目前国内使用人数最多的jibe库，它支持三种分词模式，其中精确模式