随着互联网的发展和普及,信息技术和计算机的使用早已常态化,尤其是手机的迅速普及使得网络成为人们交流信息的首要途径,各领域所积累的数据也因此呈现爆炸式增长。与此同时,线上支付技术的日渐完善推动了电商行业的发展,各类线上平台为人们的生活提供了极大的方便,早已成为我们日常生活中必不可少的部分。越来越多的人选择网上购物、社交,推动了在线文本语料快速增长。而潜在于文本语料中的信息也开始被研究人员关注,由此推动了NLP领域的发展,文本情感分析作为自然语言处理中的一部分逐渐成为主流研究领域之一。因此,本文以京东商品评论数据为例,分别探讨了K近邻算法、随机森林以及长短期记忆网络在情感倾向预测中的准确率。相关预备知识部分,本文先对文本情感分析做了概念阐述,其次介绍了数据获取、数据预处理、文本表示模型等。重点介绍了情感分析的常用方法,如K近邻算法、循环神经网络、随机森林算法和以循环神经网络为基础加入门控模型的长短期记忆网络,并分析了各自算法的原理。最后介绍了基于selenium的爬虫如何分析页面元素以及获取目标信息。实证分析部分,首先说明了如何从京东平台获取数据,然后介绍了如何进行数据预处理以及如何使用word2vec完成将文本转换为词向量的过程和语料库的构建,最后通过用随机森林、K近邻、长短期记忆网络三种方法对实验数据进行情感分析预测,结果表明长短期记忆网络的准确率高于随机森林高于K近邻算法。结果展示部分利用Django框架搭建了web页面,页面显示了某一商品的原始评论和利用LSTM得到的情感倾向预测结果,最后对界面中的元素和数据进行了获取说明和解释。