武永嬌 黃寧

為了解決電影評分體系的打分機(jī)制存在諸多不足，提出基于Python網(wǎng)絡(luò)爬蟲技術(shù)的電影口碑研究方法。以2部電影為例，利用該技術(shù)將電影網(wǎng)站上的用戶評論提取下來，并對其進(jìn)行自然語言處理情感分析，通過實(shí)驗(yàn)分析得出的情感分?jǐn)?shù)可以表示用戶對于電影的態(tài)度，作為一種評判電影口碑的重要依據(jù)。

1.引言

電影口碑對于電影營銷的重要性不言而喻，目前國內(nèi)對于電影口碑的研究很少，除了比較具有代表性的豆瓣電影評分，其他相關(guān)機(jī)構(gòu)的數(shù)據(jù)都很難有參考價值，而豆瓣電影評分體系的打分機(jī)制本身也存在諸多不足，因此，提出一種更權(quán)威的電影口碑研究方法成為亟待解決的問題。

觀眾對于一部電影的評論能夠真實(shí)反映對于該部電影的態(tài)度。詳細(xì)的文字描述可以表達(dá)出觀眾的主觀態(tài)度，運(yùn)用大數(shù)據(jù)Python技術(shù)，以豆瓣平臺億萬觀眾所發(fā)表的文字為研究對象。實(shí)現(xiàn)對電影評論的文本挖掘和情感分析，理論與實(shí)際操作相結(jié)合進(jìn)行研究，解決電影營銷中遇到的問題，進(jìn)而對營銷人員如何有效應(yīng)用大數(shù)據(jù)提供啟示，使其可以用于營銷決策。

2.信息提取

2.1 Python技術(shù)與信息提取

網(wǎng)絡(luò)爬蟲是一種通過既定規(guī)則，可自動地抓取網(wǎng)頁信息的計算機(jī)程序。通過Python技術(shù)，可以方便、快捷和高效地對電影評論實(shí)現(xiàn)網(wǎng)絡(luò)數(shù)據(jù)爬取和網(wǎng)頁解析，部分代碼如圖1所示。其中Requests庫，可以對豆瓣網(wǎng)頁爬取，獲取網(wǎng)絡(luò)頁面，Beautiful Soup庫，可以有效地解析HTML頁面的內(nèi)容，并且提取相關(guān)的信息。

2.2情感分析

情感分析又稱意見挖掘，簡而言之，是對帶有情感色彩的主觀性文本進(jìn)行分析、處理、推理和歸納的過程，采取基于深度學(xué)習(xí)的情感分析方法，實(shí)現(xiàn)步驟如下：

文本預(yù)處理包括以下3部分。①分詞：在語言學(xué)中，詞作為最小的獨(dú)立情感單元具有豐富的情感內(nèi)涵。②詞性標(biāo)注：詞性是指根據(jù)詞的特點(diǎn)用來劃分詞類的根據(jù)。包括名詞、動詞、助詞、形容詞、副詞和連詞等。③去停用詞和特殊字符：停用詞是指在自然語言處理中可以過濾掉的一些沒有實(shí)際意義的功能詞，這些詞在文本中出現(xiàn)的頻率較高，但對文本的情感分析卻沒有實(shí)際的影響，如代詞“這”、“那”，助詞“的”、“了”，介詞“在”，語氣助詞“呢”、“啊”等。有研究表明去除這些無實(shí)義的高頻停用詞能夠減少數(shù)據(jù)的噪音，降低特征向量的空間維度并提高情感分類的準(zhǔn)確率。

3.觀眾對電影的態(tài)度分析

3.1電影《戰(zhàn)狼2》口碑分析

利用網(wǎng)絡(luò)爬蟲將豆瓣網(wǎng)上電影《戰(zhàn)狼2》的500條熱門短評抓取下來，對這些評論文本數(shù)據(jù)進(jìn)行情感分析。每條評論文本數(shù)據(jù)進(jìn)入情感分析處理后會得到一個0 ～1的概率值，其中1表示該文本的情感是積極的；0表示文本的情感是極度消極的，圖2為《戰(zhàn)狼2》短評的情感分析散點(diǎn)圖。

根據(jù)分析結(jié)果，《戰(zhàn)狼2》的態(tài)度評分為0.79，如圖3所示。

由此可見，根據(jù)評論文本得出，觀眾對于電影《戰(zhàn)狼2》的態(tài)度是相當(dāng)積極的，這與《戰(zhàn)狼2》在票房上所獲得的成功、豆瓣網(wǎng)上的高分是一致的。

3.2電影《捉妖記2》口碑分析

與上一節(jié)相同，采取相同的方法對電影《捉妖記2》的口碑進(jìn)行分析?！蹲窖?》并沒有取得前作《捉妖記》那樣的成功，被視為是一部失敗的續(xù)集，其在豆瓣網(wǎng)上參與評分人數(shù)132 973人，評分為5.0分。

同樣，抓取《捉妖記2》的500條熱門短評進(jìn)行情感分析，得到散點(diǎn)圖如圖4所示。

《捉妖記2》的情感分為0.57，如圖5所示。

3.3分析結(jié)果

由以上2節(jié)的分析可知，根據(jù)豆瓣網(wǎng)站上的電影評論，觀眾對于《戰(zhàn)狼2》的情感分為0.79，對于《捉妖記2》的情感分為0.57。這表明，觀眾對于《戰(zhàn)狼2》與《捉妖記2》這兩部電影，偏愛《戰(zhàn)狼2》的程度明顯高于《捉妖記2》。這個研究結(jié)果與實(shí)際票房和身邊觀眾的實(shí)際感受等都是一致的，說明這種基于Python技術(shù)電影口碑的研究是有效的。

4.結(jié)束語

這種基于Python大數(shù)據(jù)的分析方法可以彌補(bǔ)現(xiàn)有電影口碑研究方法的不足，對于電影口碑，電影的立項(xiàng)、制作、發(fā)行和上映等環(huán)節(jié)都可以做出針對性的部署，從而提高效率，獲得更高的收益。

本案例旨在說明大數(shù)據(jù)技術(shù)在電影營銷中的應(yīng)用，將這種方法推廣，不局限于比較兩部電影的口碑優(yōu)劣，而對整個電影市場中觀眾的態(tài)度做研究，可以得到一些對于電影營銷極具意義的參考意見。所采用的網(wǎng)絡(luò)爬蟲在抓取網(wǎng)頁上的評論時采用單線程的方式，效率較低，從長遠(yuǎn)來看其爬蟲效率需要優(yōu)化，有進(jìn)一步提高的空間。