再使用情感字典打分的方法对已分类的每条影评进行打分，并挑选出异常影评数据再进行分类，这样最大程度降低影评错分；紧接着对已经分类之后的影评数据进行社会语义网络分析，并且绘制了语义网络图，通过概念之间的语义关系发现电影的特征，对比电影的不同；然后分别对电影的积极评论、消极评论进行LDA主题模型分析，挖掘潜在主题，从不同的潜在主题中，发现电影的可取之处以及不足；最后对电影的积极评论、消极评论进行聚类分析，得到影评中观众关注的有剧情、特效、演技、人物四大方面，并把结果进行对比分析总结。
....
第1章绪论
这几年优秀的国产电影层出不穷、大放异彩，尤其是17年上映的《战狼2》以及18年上映的《红海行动》分别凭借56.8亿元和36.5亿元人民币票房夺得17和18年的年度冠军。虽然好电影层出不穷，但是期初人们寄予厚望结果票房惨淡的电影也不是没有，例如2019年上映的同为动作片的《上海堡垒》，它的总票房只有1.2亿人民币，可以说是令人大跌眼镜。所以本文有两个目的：首先，提出一种新的分类模型，即FV-SA-SVM，之后对不同类型的电影影评进行情感分类研究，并和传统模型进行对比，来验证本文所用模型是否优于传统模型。其次通过对《上海堡垒》、《战狼2》以及《红海行动》影评的统计分析并且对比，了解观众对于动作片的情感倾向，观众评赏动作片时主要关注电影哪些元素，还研究了好评、差评的形成因素。以及基于FV-SA-SVM模型进行影评分类，并且与情感字典打分相结合，获得更好的情感分类效果。本文还将通过对影评进行聚类分析以及LDA主题建模，获得影评中观众关注的电影重要方面，从观众的不同角度来获取他们对电影的不同看法，可以充分的了解电影的优点以及不足，总结得出有用结论，为以后的同类型电影的发展提供有价值的建议。
....
第2章文献综述与相关理论
2.1文献综述
因此，有必要对各大平台上的带有情感色彩或情感倾向的言论做出整理分析，这可能带来巨大效益，例如分析购物网站上的商品评论便于消费者详细了解商品信息，从而优化消费决策，有助于企业根据消费者的反馈信息了解各自优劣势，从而优化战略决策；针对某一舆情，通过对相关微博的评论进行整理分析，政府可以将其作为颁布相关政策的有力依据；针对电影评论而言，通过进行情感分析不仅可以引导观众的观影决策，而且可以使制片商调整他们的营销策略。所以，对含有情感色彩的文本进行情感极性判断具有巨大的商业价值和社会价值。
2.2相关理论
我们要使用LDA进行主题提取之前，首先要确定主题的个数，主题个数的提取可以使用最大似然方法来进行优化，首先抽取每个主题的对数似然估计值，而后计算各个主题的调和平均数，将其最为模型的最大似然估计，最后画出主题数-似然估计曲线图，选取最大值的那个点作为最佳主题数。对这三部电影进行情感分析时，需要去挖掘影评中的潜在主题，为的是研究电影的评论关注点。主题是每条影评的中心主旨，如果某个潜在主题同时是多条影评中的主题，则这个潜在主题很有可能是整个影评中的核心关注点。我认为影评中的特征词项是LDA模型中的可观测变量，在特征词中、潜在主题中越是高频词就越来越可能成为核心关注点中的评论词。因为每个影评都可能有多个主题，而且我们篇幅有限，所以我们将主题出现的次数从大到小进行排序，选取出现次数位居前四的主题作为影评中的核心关注点。
........
第3章影评数据获取与预处理..............................................................................................27
3.1数据的来源.....................................................................................................................27
3.2获取数据的技术实现.....................................................................................................27
3.3数据的预处理.................................................................................................................30
第4章情感分类以及算法改进..............................................................................................35
4.1影评情感分类.................................................................................................................35
4.2基于语义网络的影评分析.............................................................................................50
第5章基于LDA主题分析与聚类分析..................................................................................56
5.1影评数据的LDA主题分析..........................................................................................56
5.2影评聚类分析.................................................................................................................64
........
第5章基于LDA主题分析与聚类分析
5.1影评数据的LDA主题分析
对这三部电影进行情感分析时，需要去挖掘影评中的潜在主题，为的是研究电影的评论关注点。主题是每条影评的中心主旨，如果某个潜在主题同时是多条影评中的主题，则这个潜在主题很有可能是整个影评中的核心关注点。我认为影评中的特征词项是LDA模型中的可观测变量，在特征词中、潜在主题中越是高频词就越来越可能成为核心关注点中的评论词。因为每个影评都可能有多个主题，而且我们篇幅有限，所以我们将主题出现的次数从大到小进行排序，选取出现次数位居前四的主题作为影评中的核心关注点。我们要使用LDA进行主题提取之前，首先要确定主题的个数，主题个数的提取可以使用最大似然方法来进行优化，首先抽取每个主题的对数似然估计值，而后计算各个主题的调和平均数，将其最为模型的最大似然估计，最后画出主题数-似然估计曲线图，选取最大值的那个点作为最佳主题数。
5.2影评聚类分析
从图5-10可以发现关于《上海堡垒》影评类簇好评率从高到低依次为演员导演、剧情、演技动作、特效；《战狼2》影评类簇好评率从高到低依次为特效、演技动作、演员导演、剧情；《红海行动》影评类簇好评率从高到低依次为演技动作、特效、演员导演、剧情。首先我们从整体上看，《战狼2》与《红海行动》均优于《上海堡垒》，说明观众对于前两部电影的观影体验要好于后者，这也符合各大电影评分网站上的评分结果。其次，从演员导演和剧情这两类的对比结果来看，我们可以发现《战狼2》与《红海行动》的好评率皆在0.8以上，略好于《上海堡垒》，《上海堡垒》的好评率离0.8还有些差距，但差距并不是很大。这说明观众觉得《上海堡垒》不好看的主要原因并非是因为演员导演和剧情这两类。然后再从特效和演技动作这两类的对比结果来看，《战狼2》和《红海行动》皆要明显好于《上海堡垒》，前两部电影的好评率皆超过了0.9，而《上海堡垒》得好评率则连0.6都没有达到，差距极大。
......
第6章总结与展望
所以本文主要结论有以下两点：第一，本文FV-SA-SVM分类算法的准确率、精确率、召回率以及F1值这四个分类指标均优于文献中SA-SVM算法以及传统分类算法，证明了FV-SA-SVM分类算法在影评情感分类领域具有很好的优越性能。第二，通过对《上海堡垒》、《战狼2》以及《红海行动》这三部电影影评挖掘分析，我们发现优秀的动作电影中最吸引观众的是电影的特效和演技动作两个方面。而《上海堡垒》之所以评分和票房低无疑是因为特效和演技动作这两点表现太差所致。接下来，对于后续的国产动作片电影提出以下建议：1.特效是重头戏，观众很看重的一点就是特效，所以在特效、场景、画面要下大功夫，不能粗制滥造，画面不要过于血腥，要找专业的、口碑好的、有经验的特效公司进行特效制作。2.其次是演技动作方面。需要专业的动作指导团队，动作要丰富，如行云流水一般，避免生硬、蹩脚。
参考文献（略）
参考文献（略）
