现今,互联网普及率的上升和计算机技术的快速发展促使电子商务行业的兴起,电子商务平台为消费研究提供了新的途径,同时依托电商平台线上购物创造了巨大的交易额,也成为了预测研究中的热门研究点。但是线上购物具有风险性,消费者们通过搜集商品信息来降低购买风险,因此在线评论信息成为了消费者商品购买的重要参考依据,在线评论也成为了销量预测的重要影响因素。本文针对在线评论标签极性与文本情感倾向的异质性,基于内容特征与情感分析两方面提出一种新的集成预测模型。本文首先对在线评论以及消费者相关理论进行梳理,构建在线评论与消费决策行为、销量预测之间的关联模型,分析三者之间的关系。基于相关理论采用定性分析的方法根据相关理论取在线评论中内容特征和情感特征的具体指标。其次,采用长短期神经网络计算在线评论文本的情感值以确定其情感倾向。利用网络爬虫技术收集长短神经网络模型训练数据,对收集到的同类型产品的评论文本进行预处理,然后对长短神经网络模型进行训练。将处理完的情感作为训练数据,训练该模型,最终发现其情感分类准确率较高,可以到达90%左右。最后,本文采用回声状态网络模型构建预测模型。首先采用网络爬虫技术收集预测数据,然后对收集到的评论文本进行情感分类,得到情感指标基础数据,然后通过主客观赋权法进行指标融合形成内容指标、情感指标和内容-情感指标,形成预测变量,再对形成的指标进行相关性、平稳性、协整性及因果检验。然后将三种指标应用到训练过的模型中,进行销量预测。最后分析对比三种指标的预测结果,发现内容-情感指标的预测效果最优。本文还对商家及平台提出相应的管理启示及建议。