人民群众的物质财富已经获得了极大的丰富,外出旅游成为大众追求精神财富的一种流行形式。游客在出行前可以通过在线平台完成酒店预订,他们会阅读过往游客发表的体验评论来给自己提供意见参考。酒店本身也会密切关注那些评论,从中发现提高自身服务水平的立足点和着力点。评论信息杂乱且数量巨大,通过人工阅读的方式无法准确而全面地了解酒店情况。使用机器学习技术对评论文本进行精确分类并对其中蕴含的信息进行挖掘就显得极具意义和价值。本文立足于文本分类和LDA主题模型的相关理论,对某品牌酒店的评论文本进行实证研究。首先,数据的收集是基于网络爬虫技术完成的,通过数据清洗、中文分词以及文本向量化完成数据的预处理。对完成预处理的数据作了描述统计说明。其次,构建了逻辑回归、支持向量机、随机森林和人工神经网络四个分类器模型,计算召回率、精确度和AUC值等指标来评价它们的实际性能。支持向量机模型表现最好,可以在线上进行推广,用于实现对该品牌酒店评论文本的精确分类,弥补一些平台完全没有考虑将评论文本进行分类或者分类效果不佳的缺陷。最后,在正向评论类别和负向评论类别中分别构建LDA主题模型,挖掘潜在主题,提取不同主题对应的特征词进行对比分析。正向评论和负向评论的关注点主要集中在地理位置、设施配套、房间大小和隔音效果等方面。基于从评论文本中挖掘到的潜在信息,为出行游客和该品牌酒店提供针对性的意见和建议。