美团平台上店铺的评分是一个综合性的评分,并不能从多个角度说明商品的情况,客户根据综合评分很难选择到符合自己需求的商品。现有的评价模型在商品属性的选择和权重量化上依靠有经验的管理者给出,存在很大主观性。鉴于此,本文主要针对评价角度的多样性和评论结果的客观性提出了基于模糊综合评价的情感分析模型。本文主要工作如下:(1)提出了一种多角度分析评论情感的模型。该模型采用关键词提取与模糊矩阵结合的方法,对评论的语料进行关键词提取,根据关键词的权重设置模糊矩阵。将评论情感分析的结果放在模糊矩阵中,构建出基于模糊矩阵的模糊综合情感评价模型。模型给出了店铺除综合评分以外的其他关键词得分,全面地分析了店铺的口味、环境、价格等因素的评分,为顾客提供了多角度的选择指导。所得出的评分也给商家提供了很好的指导意见,帮助商家调整自己的经营模式和策略。(2)美团平台评论的情感倾向分析主要是集中在商铺整体情感分类的问题上。对于不同评价因素对应的情感分类问题的讨论比较少。对于海量的评论数据来说,评论的关键因素提取也有一定的难度。该模型通过对评论语料的关键词提取,结合模糊矩阵的方法,能够确定消费者对一个或几个因素的态度。本文首先对纯文本的评论数据进行分析,该方法在美团评论数据集上实验得出的综合评价结果与美团平台的综合性评分只相差了4%,验证了模型的可靠性。模型同时给出了评论数据对于不同关键词的情感得分,实现了对商品的多角度分析。(3)情感的倾向分析包括纯文本和含有表情符号的评论数据。针对现下网络符号和表情的广泛性、多义性,本文将含有表情符号的评论语料进行提取。首先查找出含有表情符号的评论数据,然后对表情符号的含义进行人工标注,最后根据表情符号词典,将评论中的表情数据替换成相应的情感词汇,再进行情感倾向分析。通过对含有表情符号的大量评论数据进行实验,基于模糊综合评价计算出的情感倾向最佳值被作为最终的模糊评价结果,并且与用户评价的平均值相比,仅仅相差1%。显然,含有表情符号的评论数据相较于纯文本的评论数据能更一步接近用户的真实评价。(4)不同的用户关注的商品属性也不同,模型增加了个性化的用户评论推荐模式。当用户选择系统中自己感兴趣的关键词后,系统将根据用户选择的关键词,设置关键词的权重,由权重和模糊矩阵计算出综合评价结果。用户可以参照这个结果来做出消费选择。