人工智能的快速发展,使“无人超市”的推广得以实现。单纯的电商或者实体服务已不能满足消费者的购物体验,“无人超市”融合线上下线形成新零售购物模式:一方面使消费者省略排队结账时间,享有更便捷的购物体验,同时也减少了运营者的人工成本;另一方面,商家结合相关销售数据,制定个性化的销售方案,为消费者提供更智能的服务体验。本文利用爬虫技术采集新浪微博中有关“无人超市”的文本数据,通过网络舆情分析监管舆情发展。其中,通过情感分析有效把握主观性文本的情感倾向性,在此基础上结合聚类分析帮助企业进一步挖掘网民的观点与态度,从而为“无人超市”的运营乃至新零售模式的运营提供决策支持。情感分析一般可以分为基于情感词典与基于机器学习的两种方式,这两种方式各有利弊:基于情感词典方法虽然操作简单,但对于情感词典要求高、无法识别未登录词;基于机器学习方法虽然解决了新兴词汇的问题,但存在孤立分析特征项、忽略上下文之间联系的问题。为了解决以上问题,本文进行以下研究:(1)依据boosting算法思想,在基于词典匹配算法与基于机器学习算法的基础上进行加权求和,提出新的综合分类方法,使得其评价指标准确率(0.801)、召回率(0.76)、F值(0.773)明显得到提升。(2)利用词云图清晰地了解网民对于“无人超市”的关注重点,通过情感分析总体把握情感倾向性,最后结合文本聚类分析K-means算法进一步挖掘民意与态度,从而更好把握网络舆情,提出相关运营策略。(3)网民总体上对于“无人超市”的情感倾向性呈积极态度,但对于“素质”、“失业”等方面仍较为担心,企业与政府应正确引导消费者的舆情发展。一方面,在微博内容运营上针对性的分析“无人超市”相关重点,做好舆情引导工作;另一方面,从运营形式上通过多渠道协同合作,利用微信、微博、直播等方式让“无人超市”以更生动、活泼、快捷的方式展现给大众。(4)以“无人超市”为个例,推广到新零售行业,通过研究新零售行业全渠道与智能化的运营特点,利用网络舆情预警机制,对舆情正确引导与监管,保障其健康发展。