网络购物在方便人们生活的同时,也存在着一些问题,由于网络购物不能像线下购物一样能够接触到商品,而且商品的所有信息都是由商家所给出的,这就造成了信息的不对等,容易导致用户买到了假货、残次品、或与自己期望不符的商品,造成一定的损失。虽然用户可以通过查看商品评论来获取有价值的信息,但随着商品评论的不断的累积,这种信息获取方式的效率越来越低。针对商品评论累积过多的问题,重点是从海量的商品评论中提取出有价值的信息,本文通过对现有情感分析方法进行研究,设计并实现了基于情感词典和基于SVM的商品评价系统,利用情感分析方法对商品评论进行分析处理,向用户提供客观且全面的购物参考信息。本文主要工作体现在以下方面:(1)数据的采集。本文通过对电商平台页面进行分析,设计了基于Scrapy框架的网络爬虫,该网络爬虫能够从电商平台上爬取相应商品的各项信息。本文利用该网络爬虫从电商平台累积收集了数十万条数据。(2)情感分析方法的研究。为了从商品评论中挖掘出有价值的信息,本文对现有情感分析方法进行研究,采用了基于情感词典和基于SVM这两种情感分析方法对商品评论进行处理。在情感词典方法的研究中,本文以通用情感词典为基础利用Word2vec模型通过计算词语相似度的方法进行扩展,构建了专用情感词典,并设计了相应的评分规则。在SVM方法的研究中,本文首先采用词典与用户评分相结合的方法构建训练集,之后使用Word2vec模型生成特征词的词向量,并且为了在词向量中更好的表现出词语的重要程度,本文采用了词向量加权的方式对生成的词向量加以改进。(3)商品评价系统的设计与实现。本文使用Flask+vue框架,采用前后端分离的开发方式,以情感分析方法为核心完成了商品评价系统的设计与实现。用户可以通过与UI界面进行交互来获取商品的情感分析结果、商品特征分析结果等各项信息,从而知晓该商品的整体评价情况以及商品特征的优缺点。为用户提供客观且全面的购物参考信息。