孙翌博，濮泽堃，徐玉华，胡 冰

（1.常州工学院计算机信息工程学院，江苏常州 213032；2.南京邮电大学江苏省邮政大数据技术与应用工程研究中心；3.南京邮电大学国家邮政局邮政行业技术研发中心（物联网技术），江苏南京 210003）

0 引言

由于智能终端设备和移动互联网技术的快速发展，传统线下消费部分份额已开始逐步转移到线上电商消费中。对于商品的评论也从消费者的口碑式口口相传转变为互联网电商平台上的评论热潮。而这些产生于消费者购买后的评价信息，对电商或店家研究商品的销售情况与制定相关销售策略十分有价值。电商或卖家可以对消费者购买后产生的评价信息进行分析，然后根据分析结果实现更好的决策［1］。

情感分析是对文本进行分析处理后对其所表达的情感进行分类［2-3］，由Pang 等［4］于2002 年提出。情感分析主要用于处理非结构化及未标记的数据，而这些数据往往比较模糊主观，因此需要涉及多个领域，其中包括自然语言处理［5］、机器学习［6］、数据分析［7］等。目前，对文本进行情感分析的常见方法主要有情感词典方法和机器学习方法［8］。情感词典是一种传统的情感分析方法［9-10］，由Whissell［11］于1988 年提出。情感词典首先对已知的广泛使用的情感词进行归纳和整理，匹配文本和情感词典中相同的词语，进而预测出待检测文本的情感属性。基于机器学习的情感分析方法首先提取文本特征［12-13］，然后按照预先设定的算法对文本进行相应处理，最后输出情感分类结果。……