全球票房排名2023的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

情緒分析的中性評論之辨識 - 以中英文電影評論為例

為了解決全球票房排名2023的問題，作者袁子凡 這樣論述：

網際網路的發達讓當今社會中多數的消費者們會盡可能地在消費前先使用網際網路查詢不論是電子商品、旅館業者、餐廳、電影…任何一項產品或是服務的「評論」，因此評論的正負向情緒也逐漸成為影響消費者們購買產品或是服務意願的因素之一。然而，在以往的研究中中性評論時常都會被研究者們忽略，但是中性評論對產品銷售量影響並非必是中性的，若忽略中性評論，將導致正向與負向的準確度被高估或是低估；有鑑於此，本研究將針對中性評論進行辨識，進而成為於正式情緒分析前使用的第一步驟或是篩選工具。此外，本研究為了能夠解決情緒分析中跨語言的困境，故特別針對中英文電影評論進行辨識，而使用的工具為LIWC，原因是該工具同時提供中文與英

文雙詞庫。至於電影產業則在過去九年的票房收入皆有顯著成長，且在未來2021-2023年的產值預估中，更是在全球娛樂產業中排名第六。本研究採用IMDB英文電影評論網站與YAHOO中文電影評論網站的評論做為本次研究的資料數據集。而本研究對於中性向情緒的辨識就是依據該則評論內有許多沒有表達情緒的詞時，就將該則評論人工判定為中性向。本研究將從兩種語言的LIWC結果中挑選出與情緒向度相關的六類別與兩類別資料，之後分別進行五項單一分類模型判斷，並將結果整合後投入兩項整合分類模型判斷，用以精進分類模型的準確度。本研究結果顯示在英文分類時以貝氏分類器為最佳，中文分類時則以決策樹分類為最佳；在情緒類別方面則由六

大類情緒詞優於兩大類情緒詞；語言類別方面，則是英文分類優於中文分類。