弹幕视频是近几年才兴起的一种观看视频方式,即边看视频边发弹幕。随着新时代信息与传播技术的迅猛发展,也使得弹幕文化慢慢走向中国的主流文化舞台。目前,视频推荐算法大多数都是根据用户的搜索记录和历史观看记录为基础建立的推荐算法,随着弹幕的兴起,这为视频推荐提供了一种新的数据。一般我们认为在一部视频中不同用户所发的弹幕越相似,他们的性格喜好就越相似,所以可以根据用户在同一部视频中所发的弹幕来进一步的分类,将同一类型中其他用户喜欢的视频推荐给该用户,以实现更加精准的视频推荐。本文针对基于弹幕文本的视频用户聚类模型大致分为了两个步骤进行介绍。先是根据弹幕简短、含有表情符号等特点,提出基于融合表情符号的弹幕多维情感分类模型,该模型结合了表情符号的情感值来得到弹幕的情感概率向量;之后又构建了基于弹幕情感的视频用户聚类模型,根据每个用户发送弹幕的时间和数量不同,本文提出了基于动态时间规整的K-medoids优化算法来对用户进行聚类,根据上一步得到的情感概率向量和对应的时间作为输入数据,得到最终的聚类结果,之后再对各类视频用户情感进行具体分析,同时还可根据弹幕的情感概率向量得到该弹幕对应的情感标签,体现整个视频的情感走向。本文先是应用公共数据集NLPCC2014来验证CNN-LSTM网络在情感分类中的有效性,再将训练好的模型应用于电影《小王子》的弹幕数据进行实证分析,根据基于动态时间规整的聚类模型进行聚类,并得到最终的分类结果,并对分类结果进行具体分析,验证本文模型的可行性,通过实证,可以得到该方法是可行的。