面向电影评论的细粒度情感分析研究是文本挖掘、自然语言处理等相关领域的研究热点。用户的网络评论中包含着用户的体验与感受，这些海量的信息看似复杂，但其中包含着强烈的情感色彩并有很大的价值。对评论进行情感分析具有很强的应用价值。若将情感分析的结果应用于个性化推荐策略的优化，将大众情感与个人喜好有机的结合起来，能够为用户决策提供更加个性化的参考。随着网络技术的发展，越来越多的互联网用户喜欢通过互联网观看电影，电视节目，音乐等。用户通常会在网络上留下自己的评论，其中包含了用户的体验与感受，这些信息可能看起来很复杂，但它通常包含强烈的情感色彩并且包含很大的价值。研究如何从海量的网络通过评论的情绪分析，我们可以更容易地理解事物的实际情况。对商品评论进行情感分析，可以获取以购买用户对商品的满意程度，从而挖掘潜在客户以及帮助商品生产商改善产品及服务，还可以发现竞争对手的优劣势；对社交媒体进行情感分析，可以挖掘社会舆情发展，维护网络环境安全，社会舆论关注热点等；对电影评价进行情感分析，可以获取用户对电影的满意程度从而帮助其他用户做出观影选择，对电影艺术的发展提供意见，等等。 通过对电影评论情感分析方法及推荐策略进行建模，提出创新性的两种方法进行情感词典的构建，从而增强情感分析的质量，利用细粒度的情感分析模型对电影评论进行分析，提出结合情感分析结果的个性化推荐模型，进而提高个性化推荐的有用性。面对海量数据，用户会发现很难获得他们需要的信息，个性化的推荐是解决这个问题的有效方法。现有的大多数个性化推荐算法都取得了很好的效果，但一般只考虑个体用户的社交关系，忽视其他用户的实际体验。而其他用户的评论信息往往会对单个用户的决策起到重要的影响。若将情感分析的结果应用于个性化推荐策略的优化，将大众情感与个人喜好有机的结合起来，能够为用户决策提供更加个性化的参考。文本情感分析也称为倾向性分析和意见挖掘，是分析，处理，总结和推断包含情绪色彩的主观文本的过程。它还可以细分为情绪极性分析，情绪水平分析，主客观分析等。由于分析需求的不同，情感分析的粒度可以分为多个研究层次，如词层次，句子层次和文章层次。通过词级的情感分析，可以找到观影用户对某部电影的评论属性的评价水平。

东北林业大学

该项目为储备库项目资源，暂无效益分析内容。