基于深度学习的动漫影评特征挖掘与应用

张煦渤　张莉

摘要：随着互联网的发展和近年来中国电影的崛起，中国用户越来越习惯于在豆瓣、猫眼一类的影评论坛或平台上发布自己的观影感受，并对电影进行打分。这些评论中隐藏着大量的用户偏好等信息。而若想对这些隐含信息进行获取，需要对影评特征进行进一步分析。基于此，本文通过Python对猫眼网站中“动漫电影”分类下面的影评及其得分等数据进行爬取，并将所得文本数据进行整理，通过jieba分词和word2vec等方法对影评特征进行分析;之后，根据影评的主体内容，侧重于其情感特征进行挖掘，将清洗过后的结构化数据带入基于RNN的深度学习模型中，以用户评分作为其影评情感特征的体现;然后，通过随机游走对模型进行优化，再进行模型效用对比，得到动漫影评情感特征的预测模型，并对其应用场景予以分析。

关键词：深度学习  动漫影评  特征挖掘

1 引言

随着我国经济的不断发展和人们生活水平的日益提高，电影作为一种娱乐消费品，已成为国人生活中不可或缺的一部分，观众在养成观影习惯的同时，越来越热衷于将自己的观影感受和想法分享到互联网上，国内的豆瓣、猫眼等影评汇总平台也由此越来越受人们的关注。而在众多电影分类中，动漫电影作为电影行业中的一个重要成员，从其诞生以来，许多动漫角色深入人心，其影评中亦包含着大量潜在信息，包括电影的口碑、用户的的观影偏好等等。若想对这部分潜在信息进行获取，就不得不对其影评的特征进行针对性的分析。

2 基于RNN深度学习的动漫影评特征分析

2.1 数据获取及预处理

本文以猫眼移动端网页版影评为数据源，选取其动漫电影分类中所有可见平均得分的电影影评为实验对象，同时考虑了影评评论时间的筛选。

首先在Chrome开发者模式下可以通过对网络请求的查询获取猫眼数据的API，其接口结构为：

在具体抓取某一部电影的影评时，只需将其中的movieId替换对对应的电影编号即可。同时，还需注意影评列表的开始时间等参数。

将获取的json文件进行解析，即可得到对应影评的用户ID、打分、地理位置、评论内容等有效信息。之后，将解析后的无效信息予以剔除，共计63条，有效信息214424条。

将评论按照用户地域进行分组，通过pyecharts可视化后可得到样本数据用户地域分布如下图。

从图中不难看出，样本用户主要分布于东南沿海一带和华北地区，其次是东北地区，少量位于西北内陆。这主要是因为东南沿海和华北一些地区经济相对发达，城市人口基数庞大，极多的荧幕数量和座位、极高密度的排片场次，让观众便捷观影，活跃的观众评论也多，自然也就成为票房的主要贡献者。

我们整理了样本数据中影评数量排名前20的城市，分别为北京、上海、武汉、南京、成都、深圳、西安、广州、天津、重庆、郑州、杭州、沈阳、无锡、合肥、昆明、哈尔滨、常州、长沙、苏州。这些城市都是经济相对发达的城市，从某种角度来讲，这也侧面反映了城市的购买力和城市GDP，说明其消费水平较高，也印证了用户分布图中所得出的结论。

2.2 word2vec提取词向量

为了在深度学习模型中更好的表示影评的文本数据，需将影评文本进行词向量化表示，基于此本文选择python中的gensim模块训练词向量。由于所抓取的猫眼影评数据为中文影评，所以需要一个符合中文语料库的word2vec模型，以完成对影评数据的词向量获取。因此，为了更好地描述影评词语特征，本文直接选取猫眼影评作为训练数据，采用Skip-Gram模型进行训练。训练参数如下表所示，训练维度为64，迭代次数为5次。

在对抓取的影评数据进行表情符号剔除和去停用词等操作之后，将其输入word2vec进行训练，得到模型测试结果如下表，由于训练数据为影评数据，语料库有限，所以在词语的相似度上有一定的误差，但就总体影评效果来看，符合影评总体语言风格。

同时，模型还生成了对应的词向量表和对应的字典。在词向量表中每一个词语都是通过一个64维的行向量所表示的，而词向量字典是后文中将影评分词数据转化为RNN模型可输入数据的基础。

2.3 基于LSTM的RNN模型搭建

通过tensorboard生成的模型结构如下图所示，其中模型整体包括输入层、隐层和输出层，而在隐层中又包含了内部隐层和LSTM细胞状态层。隐层中神经元个数为128，而LSTM细胞状态中又含有四个子层。

其中，模型的关键运算过程位于LSTM_cell模块中，其中包括了细胞状态、RNN的内部神经元结构，以及激活函数等。

2.4 实验结果及分析

在构建好RNN模型后，将清洗过的数据带入模型。模型以用户打分为预测变量，从0到10共分为十一个等级，输入变量为用户评论分词转化而来的向量矩阵，由此在经过多次迭代训练后可以得到模型预测的准确率与成本函数。我们可以得出，随着迭代次数的不断增加，模型预测的平均成本逐渐减少，准确率不断上升，约在12000次后准确率趋于稳定状态，最终预测准确率可达93.75%，说明模型对于影评的用户评分有着很好的预测效果。

而从模型的准确率曲线图来看，模型在训练的迭代前期准确率提升幅度较快，后期趋于平缓，最后逐渐稳定在90%以上水平。

2.5 基于随机游走的改进RNN影评分析模型

由于随机游走词向量多用于做半监督分类模型，所以本节分别选取每种评分的500条数据作为标注数据，共计5500条标注數据，其余数据视为未标注数据。以标注数据为随机游走图中的已知点，对未标注的数据进行随机游走，之后将数据带入RNN模型中进行训练，模型运行结果如下表。

由上表可以看出，模型的平均成本函数以及准确率的变化趋势与上节中RNN模型是一致的;而在准确率上，在迭代前期准确率略低于随机游走改进前RNN模型，而在趋于稳定状态，相比于原模型，预测准确度约提高0.5%。

从上图来看，经过随机游走优化的RNN模型在稳定状态略有提高，虽然随机游走算法对于模型的预测准确率提高不显著，这可能是由于原模型准确率已经很高，导致其提高水平不够显著造成的，但总体来讲，本文实验结果说明，随机游走模型对应预测准确率的提高是有意义的。

3 结论

本文基于深度学习模型，通过对猫眼动漫影评进行数据抓取，完成了对动漫影评的自然语言处理处理和用户评分预测。首先通过分析猫眼影评API，利用python中的requests等库对影评数据进行爬取，再通过jieba模块对评论进行分词得到影评的语料库，之后利用gensim中的word2vec模块得到影评词向量矩阵，在将影评数据转换为嵌入式矩阵后，完成了对数据的预处理工作。接下来搭建基于LSTM的RNN深度学习模型，并将影评词向量矩阵和用户评分带入模型，完成迭代训练，最后得到评分预测模型。

参考文献

[1]伍宏伟.基于隐马尔可夫模型的交通流预测研究[D].兰州交通大学，2019.

[2]郑啸，王义真，袁志祥，秦锋.基于卷积记忆神经网络的微博短文本情感分析[J].电子测量与仪器学报，2018，32（03）：195-200.

[3]刘娜.文本自动摘要和信息抽取方法及其应用研究[D].大连海事大学，2012.