摘要
互联网2.0时代，每天在网络上都会产生大量的主观性文本，这些文本其实具有极其深远的价值。其中最具代表性的有社交网络、各种论坛及会产生评论数据的各类网站，这些地方汇聚着网民们真实的想法，而非新闻一类客观的描述。将这些海量的内容进行深度挖掘工作，可以带来意想不到的成果。本文选择商品评论进行情感分析，使人们可以快速简单地了解商品的主要优缺点，根据自己的关注点做出相应的判断以及针对性地改进。 本文使用Scrapy框架在京东商城中抓取了小米mix2手机的评论文本作为实验的源数据。经过数据清洗、中文分词、去停用词、文本向量化以及建立字典的过程，对评论文本进行预处理，最终生成了可以直接输入到神经网络中的数据。其中建立字典的过程包括给文本建立索引标号、序列补齐或截断以及转换为矩阵三个步骤。 对于狭义的情感分析分类工作，本文采用大量预处理工作，提前使用Word2Vec浅层神经网络模型将文本向量化。然后将已经向量化的模型输入到LSTM深度学习模型第一层网络层的嵌入层中，再次进行训练后判断评论文本的褒贬义。将Word2Vec模型产生的词向量模型输入到LSTM模型的嵌入层，相当于进行了两次向量化过程，这种方法有效地将文本分类的准确率提高至89.6％。 整体的评论文本挖掘工作，本文采用K-means聚类短评论，辅助词频统计、Word2Vec关键词相关词提取及人工概括等手段，形成8个展示标签。均为“名词+形容词”形式，后接该方面被提及的所有次数。标签中红色表示褒义，绿色为贬义，点击可以查看到相应的所有评论文本，其中对应的短评论标红显示。 本文有效地提高了中文文本情感分析的准确率，并构建商品评论情感分析系统，直观地展示了商品的优缺点，加快了人们对于文本的理解速度，免除阅读海量文本的辛苦。消费者可以快速做出购买决策，商家可以针对最为人诟病的地方做出改进，提高销量，可以产生直接的经济价值。
NETL