1. 本选题研究的目的及意义

随着互联网和流媒体技术的快速发展，电影已经成为人们日常生活中不可或缺的娱乐方式之一。

与此同时，海量的电影信息也给用户带来了选择上的困扰。

推荐系统应运而生，旨在根据用户的历史行为和偏好，为用户推荐可能感兴趣的电影。

2. 本选题国内外研究状况综述

近年来，电影评价预估成为了推荐系统领域的研究热点，国内外学者在该领域取得了一系列的研究成果。

1. 国内研究现状

国内学者在电影评价预估方面开展了一系列研究，并取得了一些进展。

3. 本选题研究的主要内容及写作提纲

1. 主要内容

本研究的主要内容包括以下几个方面:
1.用户评价数据收集与预处理:从公开数据集或电影网站获取用户评价数据，并对数据进行清洗、分词、去停用词等预处理操作，为后续分析做好准备。

2.用户评价情感分析:利用情感分析技术对用户评价进行情感倾向分析，例如，判断用户评价是积极的、消极的还是中性的。

4. 研究的方法与步骤

本研究将采用以下方法和步骤进行：
1.数据收集与预处理:从公开的电影数据库或电影网站爬取相关数据，例如豆瓣电影、imdb等。

获取的数据包括电影的基本信息（如电影名称、导演、演员、类型等）、用户的评分数据以及用户对电影的文字评价等。

对收集到的数据进行预处理，包括数据清洗、缺失值处理、文本分词、去停用词等操作，为后续的分析和建模做好准备。

5. 研究的创新点

本研究的创新点在于：
1.融合用户评价情感倾向和文本相似度的评价预估模型:不同于传统的仅考虑用户评分信息的评价预估模型，本研究将用户评价的情感倾向融入到模型中，并结合文本相似度算法计算用户对不同类型电影的评价相似度，从而更全面地刻画用户的偏好，提高评价预估的准确性。

2.面向同类型电影的评价预估:本研究主要关注于同类型电影的评价预估，相较于针对所有电影的评价预估，针对同类型电影的评价预估能够更加精准地捕捉用户的兴趣，提高推荐系统的个性化程度。

6. 计划与进度安排

第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。

第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲

第三阶段（2024.2~2024.3）查询资料，学习相关论文

7. 参考文献（20个中文5个英文）

1.刘奕彤,黄俊,张栩.融合情感分析和主题模型的在线评论有用性识别[j].情报科学,2023,41(01):170-179.

2.陈佳,陈光,李晓东,等.融合注意力机制和多特征的情感分类模型[j].计算机工程,2022,48(12):276-284.

3.何炎祥,陶剑文,叶阳东,等.融合情感分析的医疗领域中文评论摘要生成[j].计算机应用,2021,41(04):1105-1111.