电商在线评论蕴含的情感态度对于企业具有重要价值。大量的评论信息中包含着消费者对于产品或店铺等方方面面的评价,这些信息不仅是其他潜在消费者决定是否购买产品的重要参考,也是产品生产商把握消费者喜好和消费趋势,快速找到用户需求和改进方向,提升产品核心竞争力,不断研发符合消费群体预期的新产品的重要信息来源。同时,当下科技发展早已不同往日,产品迭代更新迅速,不停的有旧产品被淘汰,又有新产品出现,在这个竞争日益激烈的市场环境下,只有保证产品满足客户需求才能获得稳定的成长,而通过传统的用户反馈调研等方法来谋求产品改进已经不能完全满足当下的需要,通过充分挖掘利用大数据时代下的巨量信息,更能把握关键。论文以电商平台手机产品的在线评论文本为研究对象,在消费者主权理论与购买决策理论等理论基础上,运用网络爬虫、Word2vec词向量化、情感词典等方法构建了手机产品在线评论的评价指标,并通过主成分分析与多元线性回归分析验证方法有效性,通过结合评价指标,对手机评论文本的挖掘,分析得出消费者对于产品的需求并对企业提出相关建议。论文主要研究工作内容如下:首先,论文诠释了文本挖掘的定义,梳理了文本挖掘的三个发展阶段,总结了文本挖掘的一般步骤;在阐述了相关理论基础,整理和分析了以往学者在电商在线评论研究、文本情感分析研究以及基于情感分析的电商在线评论研究的研究成果基础上,明确了论文以电商在线评论文本为研究对象,通过挖掘文本内部多样化情感并进行指标量化,以实现指导企业产品生产的目的;围绕实现论文研究的相关技术方法,论文展开介绍了文本分词、词向量工具、Kmeans聚类、主成分分析法以及多元线性回归分析法的相关原理及实现步骤。其次,为实现对电商在线评论文本内部情感信息的量化,论文爬取京东商城手机热卖榜中的52款手机的在线评论文本,将知网词典、NTUSD词典等传统词典进行整理为论文的原始词典,通过Word2vec模型将Jieba分词处理后的52款手机评论文本进行训练得到词向量,结合Word2vec的相似词功能及Kmeans聚类,对原始词典进行扩充,得到论文最终的词典,包括情感词词典、属性词词典、程度副词词典、否定词词典;通过词典赋值、短句有用性筛选和规定五类情感值计算规则,使用Python编程实现情感态度的分值量化;以情感分值为基础,论文介绍了四个评价指标构建的过程及含义,包括:满意度指标、关注度指标、待改进度指标以及情感方差指标,通过结合52款手机的差评率,运用主成分分析法与多元线性回归分析建立回归方程模型,验证了评价指标的有效性。最后,通过文中构建的四个评价指标,应用于京东热销榜中的52款手机产品,将评价指标数据可视化,分别从52款手机整体的角度和高中低档手机的角度进行了可视化展示与分析,并结合指标数据对手机产品的体验属性、电池属性、包装属性、机身外观属性以及摄像属性等关键属性进行了社会网络图分析,进一步指出差评产生的根源问题,对手机企业在产品研发与营销策略方面给出了相关建议,以期对企业产生一定的现实意义与价值。