摘要
本文首次将机器学习方法系统性地引入视觉小说评价研究，以《素晴日》的多平台评分与玩家评论数据为研究对象，构建了涵盖文本特征、元数据特征与玩家行为特征的多维数据集。研究采用支持向量机（SVM）、随机森林（Random Forest）、XGBoost和BERT四种模型，分别进行评分预测（回归任务）与情感分类（分类任务）。实验结果表明：（1）在评分预测任务中，XGBoost模型取得最优性能（RMSE=0.412，R²=0.873）；（2）在情感分类任务中，BERT微调模型取得最优性能（F1=0.921）；（3）特征重要性分析显示，“哲学引用密度”、“叙事结构复杂度”和“电波系评分”是预测玩家评价的最强特征；（4）LDA主题建模揭示了《素晴日》玩家评论中的六大核心主题，其中“哲学深度”与“叙事实验性”与高评分正相关，“理解困难”与“内容不适”与低评分正相关。本文的研究表明，机器学习方法能够有效捕捉视觉小说评价中的复杂语义模式，为数字人文领域的游戏研究提供了可复用的方法论框架。
关键词：机器学习；情感分析；视觉小说；《素晴日》；自然语言处理；评分预测
Leave a Reply