输入一段影评，自动给出可能的星级。亦可用作筛选恶意评论。
该项目是上海交通大学AU331本科课程的课程大项目，主要目的是分析一段影评中的情感并给出最可能的星级。一般在撰写影评时，用户需要给出对电影的星级评价。在正常情况下，星级与给出的影评是相关的。项目中使用了三种方法：基于词性的朴素贝叶斯法、基于词嵌入的神经网络、基于词嵌入的LSTM网络。
1.影评爬取：
get_comment.py: 是爬取影评部分的代码
data.csv: 是包含电影名+电影网址序列号信息的文件
2.基于词性的朴素贝叶斯法
segmentation.py: 是将原始数据进行分词的程序（包含词性判断以及词频统计）
predict_star.py: 是可视化星级预测程序，可以输入评论，在可视化窗口中进行星级评定
test_predict.py: 是利用DC测试集进行精度测试的程序
all_comment.csv: 是包含约32000条评论的原始数据集
not_allowed_noun.csv: 是不允许进入词库的无意义常见词
word_dict.csv: 是分词及统计后形成的词库，星级预测即基于词库中各词的平均星级和出现次数
3.基于词嵌入的神经网络
prepare_data.py: 数据预处理：将已经合并好的csv文件进行处理，获得词语转换为整数的列表（词表），并且将所有的短评进行分词和转换，并且用0补足到256维整数向量，保存为npy文件
together.py: 合并所有爬到的电影短评csv文件
train.py: 训练模型，最终得到一个权重文件
application.py: 使用图形化界面进行预测
all.csv: 只包含漫威21部电影的原始数据（未做任何删减）
test.csv: 包含三部dc电影的原始数据（未做任何删减）
data.csv: 包含漫威和120部动作片和科幻片的短评数据（删减了少量无效数据）
dataset.npy: 训练集的特征向量
labels.npy: 训练集的标记文件
comments_word.npy: 词表文件，运行application.py时需要
moviename.npy: 合并电影短评时用来记录所有电影名字的文件
weights_best.h5: 权重文件，运行application.py时需要
4.基于词嵌入的LSTM网络
包括3万和19万两次的训练过程，内容相近只是数据集和代码中稍作修改
get_order_word2.py: 将影评+评分的初步数据转化成按在影评中出现的顺序排列的顺序关键词list，即将movie_score_comment_seg.csv -> new_data.csv 同理 test.csv -> test_data.csv
order_word_to_number_list.py: 将顺序关键词list转化成number list，即将new_data.csv -> features.npy 并得到 labels.npy 同理得到 test_features.npy和test_labels.npy
test_number_list.py: 将交互输入的影评转化成可输入训练好的模型中进行预测的number list形式
lstm1.py，lstm2.py: 构建lstm网络：其中lstm1构建的是精确相等即5类标签的网络而lstm2是3类标签（好中差）网络
movie_score_comment_seg.csv: 初始数据：包含影评+评分信息
new_data.csv: 顺序关键词list数据集：将每条影评提取top40关键词后并按在影评中出现的顺序排列
test.csv: 初始测试集：包含影评+评分信息
test_data.csv: 顺序关键词list测试集：将每条影评提取top40关键词后并按在影评中出现的顺序排列
features.npy: 训练集特征向量（数字list形式）
labels.npy: 训练集的标记文件
test_features.npy: 测试集特征向量（数字list形式）
test_labels.npy: 测试集的标记文件
5.结果可视化
词云设计文件夹
word.cloud.py: 制作词云代码
word_dict.csv: 包含关键词，出现频次，平均分数信息的数据集
words_cloud.jpg: 运行程序word.cloud.py后保存的词云图片
STKAITI.TFF: 选择显示的字体文件
交互界面设计文件夹
application.py: 交互界面的设计
predict_star.py: 调用交互界面的程序
word_dict.csv: 调用程序中需要的数据
蔡建伟、严威豪、刘启明 上海交通大学自动化系
豆瓣，主要收集漫威超级英雄系列、DC系列以及其它著名动作及科幻类电影影评。