随着互联网的快速发展,人们的日常购物场所逐渐由线下实体店转为线上网店,其中,消费者购物体验后的评论作为一种重要的市场反馈,在网络销售和顾客商品选购中有着重要应用,且近来随着越来越多的人适应这种网购模式,其规模正日益增大。考虑到,对于网购用户而言,相关评论数据可能影响用户的最终购买决定,而对于商家而言,评论数据可作为其获取经营决策信息,提炼出对消费者和商家有价值的信息的重要基础,因此,如何对网购评论数据进行分析和挖掘,并有效利用蕴含其中的有益信息正成为商品评论情感分析的重要研究方向。但值得注意的是,对这种数据的挖掘以及分析方法和传统的方法有所差异,网络购物用户评论是非结构化数据,传统的数据挖掘方法已不适用于网络购物用户评论的分析。有鉴于此,现有文献对此开展了大量前期研究。不过值得一提的是,现有方法易受异常值影响,在实际中存在较大局限性。针对这一问题,本文在稳健聚类分析方法的基础上,重点考察了如何将构建词典法、机器学习方法及深度学习的相关方法应用于对评论数据进行情感倾向分类分析。本文主要以京东商城平台上的华为P40Pro和华为P40手机为例,爬取了近20000条评论数据,并且利用词云图可视化技术和建立LDA主题模型对评论数据进行语义挖掘分析,提取评论数据的关键词与主题。最终分析结果显示,本文运用稳健方法其结果更贴近客观实际。从产品款型角度来看,华为P40pro比华为P40的好评率要更高,主要体现在拍照功能和运行速度等等这几个方面。华为P40比华为P40pro更受欢迎的地方在于其小巧、方便使用及性价比等方面。从消费者分类角度看,会员与非会员对手机所专注的性能与功能大同小异,从所收集到的数据看,会员消费者更加关注于手机性能、内存以及系统是否满意等,而非会员消费者主要关注手机外观是否漂亮、拍照是否清晰及产品的性价比等。从手机特征角度来看,屏幕、性价比、物流、音质等方面尚有待改进,尤其是屏幕和性价比,而手机外观设计及功能和客服服务,均得到了用户的普遍认可。本文通过对结果进一步的分析,比较基础版与升级版的评价,会员和非会员的需求,分析消费者需求是否与商家提供的产品吻合,更加直观反映消费者需求以及产品需要改造升级的地方,充分利用评论数据反映的信息,对商家以及消费者提出合理建议。