在线社交和网络购物因互联网的发展对人们生活各个方面的影响逐渐增大。虽然大多数人不会通过网络来购买汽车,但并不影响他们通过网络来了解意向车系的驾驶体验、油耗、性价比等。目前汽车之家平台已给出了汽车油耗、内饰、性价比等方面的评分,但更深一步对于人群画像的分析尚有缺失。本文将现如今较为成熟的文本情感分析方法应用到口碑数据的分析中,从中获取购车人群对各车系的多元反馈信息。一方面,构建汽车行业垂直领域的情感词典,通过词性标注,来确定该人群的情感极性;另一方面,采用随机森林算法来分析评论的情感极性;将情感词典分析获得的特征值运用到随机森林算法分类中,即利用情感词典和随机森林相结合来分析。根据实际业务需求,本文的分析以车系为单位,以此来获取消费者对该车系的满意程度。这不仅可以帮助消费者了解意向车系的相关信息,对于汽车生产商进行汽车的迭代优化也有一定的参考意义。完成的主要工作如下:(1)搭建情感分析子系统,分析子系统可行性分析、功能性需求、非功能性需求等,设计整体子系统的分析框架。(2)实现核心功能模块、核心算法模块和数据分析模块的功能,并在核心算法模块中使用实验选择效果最好的算法作为核心算法,在情感分析子系统中具体实现数据的分析。(3)验证情感分析的结果,并对构建的情感分析子系统进行功能和性能上的测试,验证子系统的可用性。结果表明:情感分析子系统的建立大大提高了运营和分析人员的工作效率;在保证准确率和召回率的情况下,保证后续工作可以继续进行,且耗时和人工成本兼顾的前提下,使用随机森林来进行分析,会更为有效;随机森林算法实现的情感分析子系统具有很好的适用性。