影评分类
随着时代的发展，科技日新月异，我国的电影评论也随之发生了更迭，从传统的纸质类影评到电影影评、网络影评、新媒体影评等层出不穷，可以说是百花齐放，在这么一片繁华的现象下，本质上影评还是由人写出来的，不管是哪种形式的影评，都无法跳脱出人的思想而萌发出来，而人的思想就更为复杂了。
大家都听过莎士比亚的这句话——“一千人眼里有一千个哈姆雷特”，意思是每一个人看《哈姆雷特》这本书，都有不同的感觉，也就是每一个人读一本书都有自己的理解。这句话揭示了阅读的不同理解和成果的多元化。
影评在不同身份地位、不同社会角色的人眼中也是各花入各眼的，观众、影评人、电影创作者对于同一部影片可能产生不同的几种评价。但不管怎么样，我们不可能严肃地拿着课本对影评下一个学术性的定义，那样未免显得太教条了些；而且，我们也不可能专门为影评列一个公式，由此解释哪些是正面影评，哪些是负面影评，那样只会限制影评这种多元化文化载体的丰富性。
因此，对于无法改变的这些事实，我们该如何化繁为简的对影评进行分类呢？我想，很多人应该都曾经思考过这个问题吧。
或许明白这些，很多人还是不知道影评是什么。但正如拉塞尔·阿伯克隆比说的那样，“人只有发觉他喜爱此物胜过彼物，才会产生评论；也只有在模糊的、本能的偏爱变成自觉而明确的合理选择时，评论才开始成为一种文学活动”。简言之，就是当你发现自己喜爱观影并且选择对你观看的影片做出你对它的评价时，你才能理解什么是影评。
乍看上去, 要对电影评论分门别类, 似乎不大可能。然而, 倘若梳理一下目前市面上的众多影评的点评方式与评价体系，仍然可以大致上将影评分为正面评价和负面评价。
实际上，我们看影评的目的之一也是看评论中的含义是否是正面的和负面的，正面影评能够告诉我们电影好在哪里，反之负面影评能够告诉我们电影有哪些不足之处。
在电影票房上万的情况下，影评的数量也不小，一个个人力手动看过去需要花费大量的时间。像豆瓣等专业的影评网站在提供影评服务的同时还支持用户打分来辅助判断，但在微博、论坛、贴吧等本身不是为专门服务于影评的平台上，电影人如果想找一个自己想找的影评，就需要一个个帖子一个个短博文看过去。
那么，有没有什么方法可以对浩如烟海的影评进行简单的分类呢？
事实上，还真有办法对影评进行分类。为了解决这些问题，聪明的编程人员想到了利用机器学习的方式来代替人工对影评进行庞杂且重复的筛选工作，从而实现了人们想要分门别类地查看影评的需求（如写一篇关于爱情的文章，从爱情片影评中找到一些自己想要的启发）。
试着自己完成影评分类
在 TensorFlow 机器学习快速入门课程中，我们需要经过两个阶段，分别是数据集处理和模型训练。我们将使用豆瓣开源的影评数据集，并训练一个机器学习模型辨别出哪些影评是正面的，哪些影评是负面的。
我们可以构思出以下开发路径：
想要成为影评分类大师吗？
感兴趣的铁汁们赶快到黑胡桃实验室网站体验学习吧！
