1. 研究目的与意义（文献综述）

随着中国互联网经济的发展，在“互联网＋”的模式下的影响下，电子商务发展迅猛。根据中国电子商务研究中心统计数据，我国电子商务全局保持了快速发展的势头，已经迈入规模发展阶段，成为我国经济发展的主力军。淘宝、京东、亚马逊、当当等电商网站的发展使得网购成为潮流，多样化的需求也推动各网站的发展，竞争也愈发激烈起来。在电商平台这样激烈竞争的的大背景下，除了提高产品质量、压低产品价格和使用一些营销手段外，了解更多消费者的心声，发现产品的不足更是相当重要的一种提高竞争力的方法。其中最为有效的就是方式就是利用消费者的评论数据，进行潜在信息的一种数据挖掘分析工作，这对于电商平台以及产品都会有很大的意义。对于用户来说，在网上确认订单前，通常会去查看该商品的历史评论以了解该商品的评价信息，从而做出是否购买的决策。

目前各大主流网站电商平台用户评论系统都是采用“评分等级 预定义标签 评论文本”的形式对用户评论进行采集和分析。但现有的电商评论系统存在步骤繁多和操作繁琐，而且容易导致错误判断的问题。这样的错误评价不仅会影响到 商家对于产品精准的数据统计、广告推送和商家商品排名，也会使后来购买此商品的用户判断失误造成决策错误。

本论文的目标是，基于文本挖掘技术和情感分析技术的相关理论知识，克服现有电商网站评论分析系统准确度较低的缺陷，利用京东网站部分商品对产品的评论数据进行去重和清洗，并对数据进行分词，分析其依存语法关系，建立情感规则表，并提取情感词，再通过构建面向产品评论文本的情感词库以及辅助词库，对评论的文本情感值进行计算，进而较为准确的识别出用户评论的情感倾向。

2. 研究的基本内容与方案

在电子商务中文本挖掘和情感分析技术起到十分的重要作用。通过分析电商平台的用户评论数据，挖掘用户情感信息，不仅为用户选购相应商品时提供有价值参考，还可以为企业提供更精确的数据统计、广告推送和商家商品排名。本课题主要从预处理的分析电商历史评论数据、历史语料处理和语法依存分析、属性词库与情感词典的建立和多等级分类系统的实现等方面进行，通过对用户评论文本进行分析计算，较为准确地识别出用户评论的情感倾向。本课题主要研究基于电商评价的文本情感分析，以自然语言处理技术为基础，需要完成的主要内容为:（1）利用爬虫工具获取某个产品的评论数据并去重和清洗；（2）详细分析历史评论数据，对数据进行分词，并分析其各种依存语法关系，识别出其中可能包含用户语义倾向的依存关系，建立一个适用于抽取情感词的依存规则表，然后基于规则抽取电商评论文本中的情感词；（3）基于抽取的情感词集合，利用基准词库来构建面向电商评论文本的情感词库；（4）利用建立的基准词库来构建适用于电商领域的情感词库的功能、构建辅助词库，实现情感计算算法的功能，从而完成整个系统的设计与实现。

3. 研究计划与安排

第一周：查阅设计题目的相关资料；

第二至第三周：撰写开题报告，翻译英文资料；

第四至第五周：掌握python自然语言处理的使用方法；

4. 参考文献（12篇以上）

[1] 易剑波. 基于文本挖掘的电商用户评论分析与系统实现[d]. 2017.

[2] 陈涛等译著. python自然语言处理[m].人民邮电出版社, 2014.