基于Python技术电影口碑的研究

武永娇 黄宁

为了解决电影评分体系的打分机制存在诸多不足，提出基于Python网络爬虫技术的电影口碑研究方法。以2部电影为例，利用该技术将电影网站上的用户评论提取下来，并对其进行自然语言处理情感分析，通过实验分析得出的情感分数可以表示用户对于电影的态度，作为一种评判电影口碑的重要依据。

1.引言

电影口碑对于电影营销的重要性不言而喻，目前国内对于电影口碑的研究很少，除了比较具有代表性的豆瓣电影评分，其他相关机构的数据都很难有参考价值，而豆瓣电影评分体系的打分机制本身也存在诸多不足，因此，提出一种更权威的电影口碑研究方法成为亟待解决的问题。

观众对于一部电影的评论能够真实反映对于该部电影的态度。详细的文字描述可以表达出观众的主观态度，运用大数据Python技术，以豆瓣平台亿万观众所发表的文字为研究对象。实现对电影评论的文本挖掘和情感分析，理论与实际操作相结合进行研究，解决电影营销中遇到的问题，进而对营销人员如何有效应用大数据提供启示，使其可以用于营销决策。

2.信息提取

2.1 Python技术与信息提取

网络爬虫是一种通过既定规则，可自动地抓取网页信息的计算机程序。通过Python技术，可以方便、快捷和高效地对电影评论实现网络数据爬取和网页解析，部分代码如图1所示。其中Requests库，可以对豆瓣网页爬取，获取网络页面，Beautiful Soup库，可以有效地解析HTML页面的内容，并且提取相关的信息。

2.2情感分析

情感分析又称意见挖掘，简而言之，是对带有情感色彩的主观性文本进行分析、处理、推理和归纳的过程，采取基于深度学习的情感分析方法，实现步骤如下：

文本预处理包括以下3部分。①分词：在语言学中，词作为最小的独立情感单元具有丰富的情感内涵。②词性标注：词性是指根据词的特点用来划分词类的根据。包括名词、动词、助词、形容词、副词和连词等。③去停用词和特殊字符：停用词是指在自然语言处理中可以过滤掉的一些没有实际意义的功能词，这些词在文本中出现的频率较高，但对文本的情感分析却没有实际的影响，如代词“这”、“那”，助词“的”、“了”，介词“在”，语气助词“呢”、“啊”等。有研究表明去除这些无实义的高频停用词能够减少数据的噪音，降低特征向量的空间维度并提高情感分类的准确率。

3.观众对电影的态度分析

3.1电影《战狼2》口碑分析

利用网络爬虫将豆瓣网上电影《战狼2》的500条热门短评抓取下来，对这些评论文本数据进行情感分析。每条评论文本数据进入情感分析处理后会得到一个0 ～1的概率值，其中1表示该文本的情感是积极的；0表示文本的情感是极度消极的，图2为《战狼2》短评的情感分析散点图。

根据分析结果，《战狼2》的态度评分为0.79，如图3所示。

由此可见，根据评论文本得出，观众对于电影《战狼2》的态度是相当积极的，这与《战狼2》在票房上所获得的成功、豆瓣网上的高分是一致的。

3.2电影《捉妖记2》口碑分析

与上一节相同，采取相同的方法对电影《捉妖记2》的口碑进行分析。《捉妖记2》并没有取得前作《捉妖记》那样的成功，被视为是一部失败的续集，其在豆瓣网上参与评分人数132 973人，评分为5.0分。

同样，抓取《捉妖记2》的500条热门短评进行情感分析，得到散点图如图4所示。

《捉妖记2》的情感分为0.57，如图5所示。

3.3分析結果

由以上2节的分析可知，根据豆瓣网站上的电影评论，观众对于《战狼2》的情感分为0.79，对于《捉妖记2》的情感分为0.57。这表明，观众对于《战狼2》与《捉妖记2》这两部电影，偏爱《战狼2》的程度明显高于《捉妖记2》。这个研究结果与实际票房和身边观众的实际感受等都是一致的，说明这种基于Python技术电影口碑的研究是有效的。

4.结束语

这种基于Python大数据的分析方法可以弥补现有电影口碑研究方法的不足，对于电影口碑，电影的立项、制作、发行和上映等环节都可以做出针对性的部署，从而提高效率，获得更高的收益。

本案例旨在说明大数据技术在电影营销中的应用，将这种方法推广，不局限于比较两部电影的口碑优劣，而对整个电影市场中观众的态度做研究，可以得到一些对于电影营销极具意义的参考意见。所采用的网络爬虫在抓取网页上的评论时采用单线程的方式，效率较低，从长远来看其爬虫效率需要优化，有进一步提高的空间。