本文旨在通过对数据集的分析,建立相关的评价模型,为产品的销售策略提供指导.我们利用NLP将文本评论转换为可比较的数据,评论情感得分.它规范了评论数据的情感评分,有用的评级和星级评级,以促进统计分布的统一样本.然后利用SPSS对评论和星级评定之间的相关性进行分析.在此基础上,首先利用神经网络来确定基于星光等级的数据测量方法和评论.研究发现,评论和标题的情感得分对明星评分有很大的影响,而评论时间影响不大.由此可以推断,客户不容易受到不同时期的其他评论的影响,从而影响他们自己对产品的星级评级.然后,利用计算机对评论的情感评分随时间的波动进行建模.发现亚马逊藤蔓成员评论的分散使得有用的选票分散,从而允许更多的客户在不同的时间段看到更多有价值和有参考价值的高投票率评论.同时,可以发现,产品上市后期的评论具有更多的参考价值,从而推断出在早期可能存在恶意评论.通过对评价体系权重的分析,发现星级对销售量的影响较大.