朱亚鹏

项目内容

完成了从数据爬取到模型部署的全流程研究。针对中文电影评论的情感分析任务，从主流平台（猫眼）爬取10万条评论数据并进行深度清洗与预处理。创新性地融合前沿与经典模型提出 Bert-CNN-BiLSTM-Attention (BCBA) 混合模型架构。该架构利用BERT获取深度语义，CNN捕捉局部特征，BiLSTM建模上下文依赖，并通过注意力机制聚焦关键信息。在项目中为提升基线性能，采用无监督的SO-PMI算法，结合领域语料自动构建了一个电影垂直领域的情感词典。

项目成果

所构建的领域专用情感词典，将情感分类准确率从通用词典的72.84%提升至91.06%。最终训练的BCBA模型在测试集上取得了97.26%的准确率，显著优于SVM、LSTM等基线模型及多种神经网络变体，验证了模型架构的有效性。利用LDA主题模型对好评与差评进行了主题挖掘，从数据中抽取出"科幻特效"、"剧情逻辑"等核心讨论维度，为分析提供了可解释的洞察。