随着网络在最近几年的飞速发展,现在社会体系俨然成为了互联社会,人们之间的交流方式、出行方式、学习方式、生活方式等都在革新。现在,数据量几何式增长使得单纯地通过人工去筛选收集用户所对商品态度(情感)已经不现实了,现在企业等急需一个情感分析系统可以更快更好地对商品评论进行抽取,并分析这些评论中所带有的情感,加大做好对其产品提升的标准,使消费者愿意买单。本文通过对电脑行业产品评论为例进行深入研究,研究的目的就是建立一个商品评论情感分析系统,这个系统用于对用户的评论进行分析,从情感词汇中得出商品优缺点。可以分作三个部分来构造情感分析系统。第一部分,对商品评论进行爬取和处理,在这一部分中,首先运用爬虫技术爬取互联网上电脑商品的评论数据,再对这些数据用“0”和“1”标注这些数据,标注完之后对其进行拆分正负样本。第二部分,研究了特征选择和特征降维方法,特征选择选取了单词特征、双词搭配特征和结巴分词进行研究。通过统计分析算法对选取的特征进行降维,仅保留信息量丰富的特征,简化有利于提高算法的速度并增加算法的执行效率,在这一部分中,通过对属性特征进行创新研究,提出了属性特征维度、属性情感和属性权重概念,进一步提高特征的准确性,以提高分类算法的精确度。第三部分,我们使用机器学习算法来训练这些特征信息,本文主要运用了朴素贝叶斯算法、支持向量机算法、K-近邻算法,经过试验对比,并对结果进行分析,最后选取支持向量机算法作为最后的评论语句情感分析系统算法。商品评论情感分析模型构建出来之后,还需要对其健壮性进行验证。使用机器学习算法作为情感分析系统的主要技术,要大量数据对训练模型进行优化,通过增加数据量,分类效果就会越来越好,并能逐步提高分类器的准确度。本文中的这个系统是对电脑商品的评论进行情感分析研究,以后随着算法的优化、高质量数据的训练,使得分类器越来越好,最后该方法可以运用到商品评论的方方面面,最终实现对任意商品评论进行情感分析的目的。