随着移动互联网的普及,电子商务技术越发的便利了人们的生活,目前已成为人们生活领域不可分割的一部分。电子商务发展的同时,也导致了在线语料井喷式的产生。而在大量语料中潜在的价值开始被研究人员所关注,也由此推动了自然语言处理(NLP)领域的发展。而与电子商务同步发展的情感分析领域也成为自然语言处理(NLP)中最为活跃的领域之一。目前,大量的情感分析领域的研究主要集中在语料文本的处理和机器学习模型的改进。本文首先针对情感分析领域中基于机器学习的文本情感极性分类技术进行了介绍。之后,通过研究近年来国内外在该领域的研究成果,分析其在特征空间与情感分类算法环节中存在的问题。接下来,本文提出了一种基于评论分析与集成分类的情感分析模型——ARAEC。该模型通过一种结合改进的情感词网扩充方法和评论语料个性分析方法的文本分析机制,并基于一种结合词嵌入特征的集成学习模型扩展特征向量空间,提高了集成学习模型的分类准确度。为了进一步提高情感分析的效果,本文提出了一种基于SD-LS-SVM情感分类算法。通过引入动态置信度和改进的蚁群优化算法,在提高LS-SVM算法准确度的同时优化LS-SVM算法的稀疏度,以提高算法的预测效率。本论文课题来源于企、事业委托项目,所提出的算法改进方法都应用于实际的项目工程中。本文融合ARAEC模型与SD-LS-SVM算法构建了一个基于机器学习的电商评论情感分析系统。可证明,本方案在实际应用领域中,有较强的实用性。