摘  要：为充分挖掘用户对网购商品的评论信息，为消费者的购买决策提供参考，同时帮助商家改进自身产品、提高市场竞争力，文章提出一种基于支持向量机（SVM）的细粒度商品评论情感分析方法。首先，使用Python中的网络爬虫获取京东某品牌的冰箱评论信息作为语料库并对其进行预处理，将语料数据分为训练集和测试集;接着，通过特征选择对词汇集做降维处理并使用支持向量机（SVM）的算法对商品评论信息进行情感分类;最后，统计包含每个基本属性和其扩充的特征词集的正面评论个数及负面评论个数，分析并给出结论。

关键词：SVM;文本情感研究;商品评论情感研究

中图分类号：TP181                    文献标识码：A文章编号：2096-4706（2021）15-0122-03

Abstract： In order to fully mine the online shopping comment information of a certain product， provide reference for consumers’ purchase decision， and help merchants improve their own products and enhance market competitiveness， this paper proposes a fine-grained sentiment analysis method of product comment based on support vector machine （SVM）. Firstly， the network crawler in Python is used to obtain the comments of a refrigerator of Jingdong brand as a corpus. The corpus data is divided into training set and test set， and the corpus is preprocessed. Secondly， feature selection is used to reduce the dimension of the word collection and support vector machine （SVM） algorithm is used to classify the product review information. Finally， the number of positive comments and negative comments of each basic attribute and it’s expanded feature word set are counted， analyzed and concluded.

Keywords： SVM; text emotion research; goods comments emotion research

0  引  言

隨着电子商务的发展，在线购物成为人们生活中的常态，消费者在购买商品后往往会对商品作出评价，这些网购评论信息中包含了对所购商品的情感，充分挖掘和利用这些评价信息能够为在线购物的诚信交易提供参考。对于潜在的消费者来说，可以借助评价信息进一步了解商品;对于商家来说，能够督促其改进自身产品、提高市场竞争力。然而，从商品评价中挖掘出结构化信息的工作却无法依赖于人工，文本的挖掘和情感研究能够为解决这一问题提供有效的手段。

1  国内外研究现状

近年来，对文本挖掘和自然语言处理技术的相关研究迅速崛起，而其中的情感分析研究更是一个广为研究者研究的活跃领域。目前，对情感分析的研究主要包括基于词典、基于机器学习及基于深度学习这三个方面，本文研究的内容属基于机器学习的情感分析。……