随着直播行业的崛起,弹幕俨然成为直播的一大特色,用户在观看直播的同时可以通过发送实时弹幕的形式对当前直播状况和内容进行评论,从而与其他观众和主播产生即时互动。在弹幕中也不乏出现了某些不文明的话语以及对社区发展有影响的议论,这些严重影响了其他用户对直播视频的观看体验,同时也破坏了直播间的观看环境。本文主要运用文本挖掘技术对直播间的弹幕进行情感分析,为观众提供目标直播间的直播环境情况,观众可以根据情况挑选同类型直播进行观看,此外,也可以辅助主播对其直播环境进行相应的调整,直播平台也可以对直播环境较好的直播进行首页推荐。本文的主要工作如下:本文对自然语言处理技术和深度学习理论的有关研究状况做出了说明,首先阐明弹幕的研究发展状况及其当前直播环境对于用户和公司以及主播们的重要意义,并对情感分类的有关理论与算法做出了充分阐述。从国内知名游戏直播平台选取热门游戏中受欢迎程度不同的主播,采用selenium框架和高频获取方法构建弹幕爬取模型,将不同直播间的弹幕爬取并储存进txt文件中并进行三类情感极性标注。提出了改进的词嵌入模型,将长短时记忆网络（LSTM）与改进的词嵌入层相结合进行训练。LSTM模型的门控机制考虑了上下文信息,在自然语言处理任务中有着独特优势。在词嵌入层处理方面,利用了TF-IDF值与Word2Vec词向量进行加权来构建改进的词嵌入层。两者相结合可以对文本上下文信息以及重点词语进行捕捉,进一步提升模型的分类效果。最后综合对比了传统的机器学习方法模型以及本文提出的改进的词嵌入模型在弹幕情感分析中的结果,实验表明改进的词嵌入模型在弹幕情感分析任务中有着更高的准确率和效果,详细说明了弹幕文本情感分析的价值和应用意义。