1. 毕业设计（论文）的内容和要求
随着社交网络的发展与兴起，越来越多的人倾向于在网络上发表自己对于影视作品的评论看法，这也为电影投资人带来了更加便捷的方式来调查观影用户对于影视作品的反馈，从而能够做出更加合理的影视投资，也使得影迷们能够提前对个电影有一个初步的了解，以便做出观影选择。
大量数据分析必须借助计算机技术手段完成，其中情感分析是自然语言处理的一个方向，常用来分析并判断文本描述的情绪类型，因此常常也被称作情感倾向分析，通常根据文本进行情感分析，得到此文本是积极的（正面的）还是消极的（负面的），已经很有很多方法被应用在情感分析中，包括支持向量机（SVM）、最大熵模型（Maximum Entropy）等等，随着近几年深度学习的发展，神经网络技术开始被越来越多应用在情感分析上，已经被应用在其中的神经网络主要有卷积神经网络（CNN）、循环神经网络（RNN）、递归神经网络（RecNN）和长短期记忆网络 (LSTM)等，其中长短期记忆网络是一种特殊的RNN网络，在情感分析领域中有着很好的处理效果，因此在本次毕业设计中将主要采用LSTM网络和BiLSTM来进行电影短评的情感分析工作，并且搭建CNN模型作为比对模型。
情感分析的主要步骤是首先是中文分词，然后进行文本向量化，之后搭建并训练模型，并且评估模型，这样最后得出一个高准确率的模型最终应用到实际中去，在这次的毕设实践中，能够让学生熟练学习掌握中文分词的方法，学习一些深度学习的知识，并掌握LSTM神经网络模型，并搭建出一个影评情感分析系统。
2. 参考文献
[1] Zhang L , Wang S , Liu B . Deep learning for sentiment analysis: A survey[J]. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 2018:e1253[2] 斋藤康毅. 深度学习入门：基于Python的理论与实现[M]. 北京: 人民邮电出版社，2018.7[3] 唐聃. 自然语言处理[M]. 北京: 电子工业出版社，2018.7[4] 刘兵，赵军. 情感分析：挖掘观点、情感和情绪[M]. 北京: 机械工业出版社,2017.9[5] Staudemeyer R C , Morris E R . Understanding LSTM -- a tutorial into Long Short-Term Memory Recurrent Neural Networks[J]. 2019.[6] 梁军, 柴玉梅, 原慧斌, et al. 基于深度学习的微博情感分析[J]. 中文信息学报, 2014, 28(5).[7] Greff K , Srivastava R K , Koutnk, Jan, et al. LSTM: A Search Space Odyssey[J]. IEEE Transactions on Neural Networks Learning Systems, 2015, 28(10):2222-2232.[8] 周敬一, 郭燕, 丁友东. 基于深度学习的中文影评情感分析[J]. 上海大学学报(自然科学版), 2018, 24(05):33-42.[9] 梁军, 柴玉梅, 原慧斌, et al. 基于极性转移和LSTM递归网络的情感分析[J]. 中文信息学报, 2015, 29(5):152-160.[10] Lipton Z C . A Critical Review of Recurrent Neural Networks for Sequence Learning[J]. Computer Science, 2015.
