随着人工智能浪潮袭来，作为人工智能领域中的一个重要方向的自然语言处理越来越受到学术界和工业界的重视。

不同于图像和语言，文本在很多方面有其自身特殊的特点。

例如短文本本身的稀疏性和不归发行使得自然语言处理在研究过程中遇到了更多的困难。

然而随着深度学习的高速发展，国内外研究者已将深度学习与自然语言处理领域紧密结合起来。

近年来，国家出台一系列政策措施，规范和扶持电影产业发展，同时伴随新消费升级与大众娱乐消费观念的转变，广阔的市场空间和良好的消费基础促进电影产业持续健康发展。

2018年下半年统计显示，中国内地票房规模为271.2亿元，其中用户在线购买电影票占比达78.2%，在线电影购票渗透率趋于稳定。

越来越多的观影群体开始在美团、豆瓣等网络电影平台发表电影评论，表达自己对电影的观点和看法，这些电影评论包含着用户对演员、剧情、演技、特效等相关内容的评价。

合理地利用这些用户评论可以为用户消费决策、商家营销策划、电影制作方内容优化等提供帮助，因此挖掘用户评论文本中的情感信息有着重要价值，随着评论信息的数据量越来越大，人们急需一种自动化的工具在大量的评论文本中迅速获取真正需要的信息，如何对这些包含大量信息的互联网评论文本进行情感分类、挖掘其中蕴含的情感信息是自认语言处理领域的研究难点，电影评论情感分析相关技术应运而生。

所谓人工神经网络就是基于模仿生物大脑的结构和功能而构成的一种信息处理系统（计算机）。

人工神经网络的过程可以分为两阶段，一是训练学习、二是操作预测： 1. 训练学习 训练时，把要教给神经网络的信息（外部输入）作为网络的输入和要求的输出，使网络按某种规则（称为训练算法）调节各处理单元间的连接权值，直至加上给定输入，网络就能产生给定输出为止。