本工作基于MLP（多层感知机）构建了一个简单而高效的文本情绪分类模型。采用线性层、激活函数和Softmax函数构建的深度神经网络，通过交叉熵损失函数进行训练，充分利用Adam优化算法进行学习率的智能调整。训练过程中，详细记录损失值，并以每3000步为间隔对校验集进行验证，以确保模型的稳定性和性能。该模型广泛适用于文本情感分类，具有出色的准确率和损失值表现。涵盖了数据收集、预处理、模型构建、训练、测试、性能观察等多个关键步骤，为深入理解文本情感变化提供了可靠的技术支持。