近年来,伴随着信息网络的迅速发展,电商也快速发展起来,海量的电商商品评论数据中涉及了大量的用户体验与感受,蕴藏着丰富的商业价值.本文以天猫商城的全自动洗衣机为例,通过数据采集、数据清洗、商品评论指标体系建立、关键词短句情感分类、商品评论数据分析,对电商评论进行价值挖掘,既为潜在消费者提供参考信息,也为商品制造商提供优化建议.首先,本文通过网络爬虫从天猫商城平台中采集全自动洗衣机行业的商品评论数据.由于采集的数据存在不规范性,因此需要先对其进行数据预处理.其次,搭建电商商品评论指标体系,包括商品评论指标的设计、商品评论关键词的提取、商品评论关键词短句的提取及情感分类.将预处理后的评论数据进行分词处理,根据分词后的词频统计结果以及商品自身的特征制定商品评论指标;然后采用TF-IDF的方法从商品评论中抽取指标关键词,再利用指标关键词对商品评论进行正则化匹配,得到指标关键词短句;之后对部分关键词短句进行人工标注,将关键词短句分为正面和负面两种类别的情感;最后对标注的数据集进行模型搭建,对比Stacking算法和LSTM算法的模型效果,最终选择修正的交叉熵LSTM模型对关键词短句进行情感分类.最后,通过对电商商品评论进行数据预处理、指标体系搭建、关键词短句情感分类后,形成指标化的电商商品评论,并对其进行数据分析,得出消费者对商品各特征的关注度和满意度.结果表明,消费者对商品的外观、音量以及服务体验重视度较高,且对商品的外观、音量、物流服务、安装服务、价格等特征的满意度较低.根据分析结果,本文为潜在消费者选择商品提供了参考意见,为商品制造商优化产品提出了针对性建议.