作为当下网络环境中流量的主力军,直播贡献了大量的原始多模态数据与情感信息,其中,以“弹幕”为代表的直播文本蕴含着丰富的情感文化符号,受到了广大用户的喜爱。如何借助人工智能技术来理解直播背后的多元情感符号,成为了当下计算机科技研究的热点需求。本文以直播为研究场景,关注直播中的网络文本模态,提出了一个直播情感分析模型及可视化机制。情感分析模型借助GRU递归神经网络模型和Capusle胶囊网络高效率地对文本进行情感极性判定,并为短文本的分析场景加入了注意力机制。同时,基于实时分析的直播场景,提出了滚动训练的方式,使得模型具有“与时俱进”地学习直播上下文的情感信息的能力。可视化机制作为展示层,将情感信息以清晰客观的统计图展示给用户,具有很强的可扩展性和可读性以及很好的可视化输出,具备了诸如动态情感趋势绘制、情感主题摘要、情感归因、舆情监控等一系列强大的功能。本文实现了一个完整的直播情感分析系统,对直播的所有文本所蕴含的整体情感趋势和局部情感数据进行归纳、理解和可视化展示。实验表明,相比于四种基准模型和未融合的BiGRUs-Capusle,基于注意力机制的字词向量融合后的BiGRUs-Capusle模型性能最佳,在weibo_senti₁00k数据集上准确率为96.30%;而半监督策略方面,相比Pseudo-Label最优模型,加入主题样本的滚动训练的模型性能最佳,在直播数据集上准确率为88.70%,recall为79.60%,F1为83.90。