目前，我国电子商务行业发展迅速，规模不断扩大，促使日常生活中网购盛行，各个电商平台竞争激烈，通过构造消费者反馈机制，使得消费者反馈通畅，消费者评论蕴含丰富信息，充分挖掘这类信息，有利于提升电商平台自身的运营竞争力，为用户的选购及厂商的改进提供改善建议。
1 研究背景
1.1 网购盛行
十二五期间，我国电子商务行业规模不断扩大，由以往交易的电子商务规模数额显示，2013年底，该电子商务规模交易数额达到10.2万亿元，与同期相比增长率为29.9%，在中国电子商务市场交易中，史无前例。仅在2010年和2011年两年，我国电子商务交易总额达到4.5万亿元和5.88万亿元。2012年第一季度，电子商务产业规模不断扩增，中国电子商务市场与同期相比增长率为25.8%，达到1.76万亿元。2012年第二季度，我国电子商务市场交易总额达到1.88万亿元，增长率为25.0%。在我国电子商务市场和网络零售市场中再创新高，交易额分别达到了8.2万亿元和18851亿元，与同期相比增长率分别为31.2%、42.8%。
电子商务的规模迅速扩大，带动了经济的发展，网上购物已经成为人们日常生活中的一部分，人们对于线上购物的需求随着电子商务的扩大变得越来越高，让淘宝、天猫、京东、亚马逊等电子商务平台发现了商机。
1 研究背景
1.2 消费者反馈通畅
真实评论包含购买者心声、产品质量、服务质量 以及产品档次。产品的价值最终取决于消费者感受，而不是单纯靠研发者的设想。很有可能出现的一种情况就是，过于追求开发者设想的状态，做到了符合产品预期，但却违背了消费者的使用感受。在使用产品的过程中，消费者总是会遇到一些产品使用问题，但不能自己解决使用问题。操作人员将把消费者反馈到产品方面，这有助于产品方面改善产品。因此，在产品开发过程中，一定要及时参照消费者意见，仔细斟酌改进方案。
消费者常常会寻找到产品的官方联系方式，以解决使用产品时遇到的困难，操作人员将通过通信的方式解决用户的问题。通过一对一的交流可以使消费者有更好的消费体验，但是，消费者反馈不一定只反馈产品的问题，也常常反馈产品的使用问题，由于消费者能力有限或者其他原因很可能使得产品开发出来的功能并没有被用户充分发掘出来，此时，运营人员可以在收到反馈信息后帮助消费者及时解决使用问题，通过这种反馈机制，发挥产品功能最大化。
1 研究背景
1.3 竞争激烈
2015年零售百强中天猫、京东、唯品会销售额分别为11410万元、4627万元、402万元，位列零售百强中前三，其中以京东的增速最快，增速为77.83%。我国的电商平台种类繁多，有如淘宝、天猫、亚马逊等，其中，京东是很受国内消费者们欢迎的一个综合网络零售电商平台，2012年，京东在中国自营市场中占据了49%的份额。2018年11月1日至10日，国内消费者在京东电子商务平台下单金额累计突破上千亿元。2018年11月11日24时，京东电子商务平台仅在双十一购物节这天，国内消费者累计下单金额超过2017年双十一购物节下单金额，达到1271亿元，交易规模堪称之大。2019年6月，京东公布“618”购物节的消费数据，京东电子商务平台有7.5亿的消费者，覆盖了全世界的范围，累计下单金额达到2015亿元，创造历史新高。
市场需求规模的不断扩大，应市场之需，发展起来了如淘宝、京东、天猫、亚马逊等一系列电子商务平台，淘宝、京东、天猫、亚马逊等电商平台之间展开了激烈的商务摩擦以及市场之间的竞争。各种电商平台之间的市场竞争引起电商的平台运营思考，出于电商平台未来格局的发展需求，了解消费者对于购买产品的评价和反应购物者的购物心声，通过挖掘消费者对于购买产品的评价和反应购物者的购物心声的信息，挖掘隐藏的、潜在的商品评论信息，有利于提高该电商平台的自身运营竞争力。
1 研究背景
1.4 消费者评论蕴含丰富信息
网上购物已经成为人们日常所需，人们对于网络购物需求的提升，使得各种电商平台应用崛起，如何在各种电商平台中，扩大自己的市场规模，增加市场消费份额，使得该电商平台异军突起，就要挖掘消费者在产品中的文本评价信息，充分挖掘这类信息，有利于提升电商平台自身的运营竞争力。
巨大的高额利润，使得电商平台探索利润后面的信息挖掘，其中以电商商品评论的数据挖掘为主，根据以往中外学者的研究，文本挖掘问题成为自然语言研究领域中的常见问题。近几年来，许许多多学者和研究人员将重心放在了情感分析的问题研究中，情感分析是一种文本挖掘方法，该方法通过发现文本的情感属性，以此来表达文本的情感内容，是自然语言处理领域的重要文本挖掘方法。在商品评论情感分析中有两种最常使用的研究方法，一种是基于情感词典的情感分析方法，另一种是基于机器学习分类的情感分析方法，消费者对于商品的评论数据信息丰富，通过文本挖掘可挖掘其隐藏的、潜在的信息和价值。
2 研究意义
提高品牌竞争力
在电子商务的繁荣推动下，在线购物用户和产品的数量正在不断增加，并且产品评论的数量也在大规模增加。产品评论数量的增加，也给消费者带来了一些烦恼。消费者从许多产品中筛选出具有可比价格和质量的商品变得越来越困难。因此，在网上购物时，消费者通常会参考其他消费者对对于该款产品的评论，以判断产品是否可以达到他们的购买期望。这些评论包括所有消费者对产品的态度以及使用产品的体验。它们是消费者对产品的主观情感。新消费者可以通过这些主观的情感判断来了解该产品的特性。信息可以为新消费者提供购买标准。
但是，在每天的互联网交易中都有海量的信息，并且有成千上万的热销产品会产生实时评论数据。如果仅仅依靠人们的主观去判断，则很难处理大量的数据信息，得出准确的结论。因此，产品必须研究相应的数据挖掘算法，以自动处理和计算评论信息，以帮助用户有效地处理评论信息，并在决策时为用户提供更高的准确率，以该准确率作为顾客购买商品的标准，提供参考。
自然语言处理（NPL）领域中包含着情感分析等，是近几年比较热门的一个研究方向，情感分析组成了自然语言处理的重要部分，又称为意见挖掘，情感分析通过研究文本的情感属性来表达文本的情感内容。商品评论情感分析首先需要获取文本评论数据，数据预处理后，对文本进行矢量化处理，最后通过算法分类，计算出相应评论的情感倾向，以帮助消费者直观地获取购买者的对产品的情感倾向，给出与评论相对应的情感倾向，帮助消费者直观地获得购买者对产品的情感倾向，并为消费者提供实用的参考标准，以方便消费者做出决策。
对于不同的产品评论数据，可以得出不同的情感分析结果。不仅可以得出消费者对产品的情感倾向，帮助消费者做出购买决定，而且商家还可以通过情感分析结果了解消费者对商品的看法，改善商品的缺陷，保持优势，使得商品更能满足用户需求，并提高品牌竞争力。因此，情感分析作为自然语言处理的一个相对较新的方向，在生活中具有很高的研究价值和实用价值。
PS：本节是一个专辑，包含研究综述、研究内容、数据获取、文本数据清洗、情感倾向性分析、语义网络分析、LDA主题模型、TF-IDF模型属性提取、研究结论共计九节内容，使用多种文本分析工具，借助python、ROSTCM6工具进行建模分析，并实现可视化。
