基于python深度学习的中文情感分析的系统设计与实现

1 简介

本文主要还是以基于python深度学习的中文情感分析的系统设计与实现为主要的考虑内容，我们通过python的技术将目前中文语言的各种信息进行相关的预测，换句话说我们的数据来源完完全全都是真实的数据。那么在数据库方面还是采用了MYSQL的数据库，这样即节约了成本又能快速上手。

关键词: MYSQL数据库 预测分析 python技术

情感分类是研究最广的问题，它主要是判断主观文本所表达的正负面的倾向性。本文就是根据分析总结传统情感分类方法的基础上，使用深度学习的方法来自动提取文本情感特征，从而进行情感分类。其中比较关键的内容有词向量模型，循环神经网络的搭建以及情感模型的生成。先收集语料，然后对语料进行预处理，接着生成词向量模型和情感模型最后对文本进行验证预测，最后得出结论。

2 技术栈

环境要求
Python 3.7 （最好用 3.7）
pycharm （社区版，专业版本都可以）
MySql （建议 5.7， 8.0 也可以）
Navicat （不限制版本）

3 需求分析

基于深度学习的中文情感分析系统就是我们常见的数据请求系统，我们都知道系统的数据请求流程其实是针对系统的物理结构进行一个划分，那么就是能够通过简单的说明，爬虫的网站，在bilibli
网站，主要是爬虫用户的评论信息，通过算法，去分析用户的情感，就是感情色彩。当然，我们一定要有登录和注册的功能，否则这个任何系统或者网站没有了入口，那将是废物一个。情景能够分析情感算法俺不是一个很完善的系统，那么还要有一些统计的数量，比如用户数了，从文本数了，正面情感数了，负面情感说了，这些都以不同的形式展现出来，方便我们一目了然的就能看出来到底是如何进行统计。当然还要有对于文本输入的入口，这样就能够很清楚的看到是否是正面还是负面评价了。

深度学习算法

我们在Python技术当中经常提到深度学习算法。那么究竟什么是深度学习算法呢？这里进行一个简单的介绍了，深度学习算法是在机器学习的基础之上进行发展。就是让机器进行学习。说白了，深度学习算法是机器学习之上的一个算法。在分类中，我们看到有神经网络结构，这个也是深度学习的根基。深度学习正是在机器学习的基础上发展的，区别在于深度学习的神经网络的层级比机器学习的多而复杂。正是受到生物学领域中的神经网络的启发，才有了今天机器学习、深度学习中的神经网络的结构。如下图

爬虫相关

爬虫技术如果早在十年八年前被人们生活中提到的话，可能不知道什么是爬虫技术，但现在随着技术的发展，爬虫技术已经相当成熟，而且应用也有着许许多多的经验和案例。官方一点的话语解释就是说，网络爬虫是一种自动能够自动下载网络资源的程序，比如说可以读取网络资源当中的一些文本信息，或者可以读取网络资源中一种。嗯，图片等等，但是也有反爬虫的技术也在不断的应用，爬虫是好，但是也有它的弊端就是能够窃取各种各样的信息。爬虫可以理解为就像动物界的蜘蛛要抓取某个猎物一样。他通过蜘蛛网捕获到这个猎物，然后就是进行吃掉这个猎物。那么对于爬虫技术而言呢？首先是爬取，我们爬取网络这张大网中所需要的资源和文本，他们爬去之后就是解析哪些是我需要的，哪些不是我需要的，解析之后就是存取类似于"吃"的这个过程。基本流程如下图：

4 系统设计

基于python深度学习的中文情感分析系统当中整体的功能模块设计如下：

5系统实现

登录界面

刚才在上面的需求阶段也提到，系统最重要的就是注册和登录，没有注册和登录的系统啥也不是。那么在登陆界面呢，我们也是通过肽毕业来区分登录还是注册，当然登录时需要输入的是注册时注册的信息，比如说用户名、密码等等。如下图所示：

注册界面

除了登录之外，还有就是注册的页面，注册页面当中不仅要对于密码进行一个重复确认，防止一次修改密码之后忘记，那么还要对手机号进行一个绑定，方便用户信息的再三确认，只有这样才能保证系统的第一道安全。如下图所示：

后台首页

当通过正确的用户名儿密码进入系统之后，那么就是系统后台的一个首页，基于深度学习的中文情感分析系统的首页，在首页当中会以不同的指标维度来进行一个统计和分析，含有。一些柱状图和饼图来进行一个数据汇总。如下所示：

文本分析

文本分析很重要的一项工作就是将我们需要分析的文本输入到。输入到文本框当中，只有这样才能进行一个分类，分出正面评价和负面评价的一个分界线。如下图所示：

参考文献

[1]赵萌萌. 基于深度学习的社交平台情感分析系统设计[D]. 河北科技大学.

[2]李峰俊, 温杨百合. Python实现基于深度学习的人脸识别[J]. 2020.

[3]廖继红. 基于Python在深度学习处理应用的探究[J]. 数码世界, 2020.

[4]史晓凌, 卞珂珂, 李立琴,等.
一种基于python深度学习算法的视觉识别方法:..

[5] 李尊朝，苏军，饶元编著.
Python语言程序设计例题解析与实验指导.中国铁道出版社, 2019.

[6] 梁建全等编著. 精通轻量级Java EE框架整合方案.
北京市：人民邮电出版社, 2008.

[7] 秦京渝编著. 企业级Python开发与架构
专业程序员在实战中的蜕变.电子工业出版社, 2019.