1. 研究目的与意义
近年来，随着深度学习的兴起以及大数据技术的不断发展，机器学习逐渐成为数据科学中最重要的研究方法之一，同时也为人工智能带来了巨大的发展空间。为了提高计算机对数据的处理能力，使计算机能够更好地对信息进行分析和理解，越来越多的学者提出了深度学习方法来实现这一目标，而情感分类就是其中一种重要而有趣的情感分析任务。
在本文中，以豆瓣电影评论为数据集，使用人工神经网络和朴素贝叶斯算法来实现对影评情感分析任务。通过对比两种方法对电影数据进行处理所得到的实验结果对比证明本文提出方法在数据集规模较小时效果更好。为了提高处理效率使用了两种结构来实现情感分析任务。实验结果表明本文提出并实现的情感分析模型取得了较好的效果，对于这一类任务都可以实现比较好的应用。
2. 课题关键问题和重难点
基于深度学习的豆瓣影评情感分析主要要解决两大问题，获取豆瓣影评数据和训练相关模型。获取豆瓣影评数据需要利用爬虫技术。训练相关模型需要定义训练数据、构建模型、配置学习过程、调用模型的fit方法在训练数据上进行迭代和使用模型进行预测。本课题拟完成基于深度学习的豆瓣影评情感分析
本课题的关键：
3. 国内外研究现状（文献综述）
随着互联网技术的发展，各种类型的电影层出不穷，同时也涌现出了大量在线评论数据，豆瓣影评作为电影评论平台中一个重要的组成部分，在电影评论方面起到了至关重要的作用。
在信息爆炸的时代，海量文本数据带来了巨大挑战。如果能够对这些具有情感倾向、倾向性和内容倾向的数据进行有效分类，那么就可以从大量的数据中挖掘出有价值的信息，进而提高人们对某一特定领域信息研究的效率。
然而，在面对海量的文本时如何高效地进行分类依然是一个难题。
4. 研究方案
1. 功能结构图
系统总体功能结构图如图1所示，
5. 工作计划
2022-2022-1学期：
第15-16周：完成选题，查阅相关中英文资料，进行相关技术的学习
第17-18周：进行课题总体规划；导师下发毕业设计（论文）任务书，根据导师要求进行外文翻译，列出开题报告大纲
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
