随着网络购物的出现和普及,人们已养成了线上购物以及在线发表商品评论的习惯,各个电商平台上都累积了大量的用户评论文本,针对这些文本进行自动情感分类对平台的各方使用者都有重要意义。本文以基于规则的情感分类方法展开,以电商平台中美妆领域在线评论文本为研究对象,研究目的在于对现有的情感词典进行改进和扩充,构建出更加适用于美妆领域在线评论文本的情感词典,并制定配套的情感计算规则,提升该领域在线评论文本的情感分类效果。本文主要从以下三个方面开展研究工作:第一,将已有的两部通用情感词典HowNet情感词典和中文情感词汇本体库分别应用于美妆领域在线评论文本的情感分类,考察其分类效果。实验发现已有的两部情感词典在美妆领域在线评论文本的分类中效果均不理想,表现出较低的准确率、召回率和F1值。接着对实验中产生分类错误的文本进行分析和总结,共总结出4类导致分类错误的原因,据此归纳出已有情感词典在美妆领域在线评论文本的情感分类中需要改进的三个方向。第二,按照归纳出的方向对已有情感词典进行有针对性的改进和扩充,通过对大规模真实文本的统计和语义分析完成情感词典的构建,最终构建出由基础情感词典、新增情感词典以及辅助词典三部分共7个子词典构成的美妆领域在线评论文本情感词典,并制定出针对词项和文本两个层面的配套情感计算规则,实现完整的情感自动分类系统的建立。第三,将本文所构建的美妆领域在线评论文本情感词典应用于实际评论文本的情感分类。将基于本文所构建词典的分类实验结果与基于两部已有通用词典的分类实验结果进行对比,分析评价指标的变化情况,以此来考察本文所构建词典的分类有效性。并对实验中产生分类错误的文本进行分析,总结目前的分类方法中仍存在的不足之处,以期今后能有进一步的发展完善。实验结果显示,基于本文所构建的美妆领域在线评论文本情感词典的分类方法在针对该领域正、负向情感文本进行分类计算时,准确率分别达到97.75%和91.03%,召回率分别达到94.19%和86.27%,F1值分别达到95.94%和88.59%,与基于已有情感词典的实验结果相比提升显著,实现了较好的情感分类效果。