1. 研究目的与意义（文献综述）

cnnic 2018年3月发布的第 41 次《中国互联网络发展状况统计报告》显示，截至2017 年 12 月，我国网络购物用户规模达到 5.33 亿，占网民总数的 69.1%^[1]。《2015 年中国网络购物市场研究报告》显示，网络口碑、价格以及网站或商家信誉是影响网民购物决策最为关键的因素，其关注度分别为 77.5%、72.2%和 68.7%^[2]。随着互联网的普及和各大在线购物网站的兴起，越来越多的用户开始选择网络购物这种更加快捷和方便的模式。网络口碑作为一种新兴的口碑模式，逐渐取代传统口碑而成为影响用户购买意愿的最重要的因素。同时，在线评论作为网络口碑重要的载体形式，不仅是用户作为是否做出购买行为的参考依据，对于商家来说，也是获取用户反馈、了解用户满意度以便吸引更多顾客参与购买的主要数据来源。

文本情感分析又称意见挖掘，简单而言，是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。赵妍妍认为文本情感分析的研究任务分为情感信息的抽取、情感信息的分类和情感信息的检索与归纳三个方面^[3]。

从技术方法上区分，常用的情感分析方法主要包括基于情感词典和基于机器学习的方法。基于情感词典的情感分析方法是通过情感词典对在线评论进行情感计算从而确定情感倾向的方式。刘玉林等人通过建立电商领域情感词典，引入2元语法改进传统文本情感分析模型，并根据情感分析结果首次创建情感指数模型，作为判断在线评论中富含的顾客情感倾向和程度的依据^[4]。王伟等人则是依据信息增益的思想，基于情感词典，建立计量经济模型来量化产品特征的重要度^[6]。崔永生设计出基于语义词典的评论商品属性lt;特征词、观点词gt;对抽取方法和在线评论情感极性及强度计算方法^[7]。冒小栋等人基于依存句法抽取语句情感标签，将hownet情感词典与语义相似度算法相结合来识别语句情感倾向^[8]。冯小翼提出了基于jwnl库的情感词表扩展算法^[17]。

2. 研究的基本内容与方案

1、基本内容

本文在综合国内外相关理论研究和成果的基础上，结合自身的实际能力，选择电子商务平台的用户在线评论作为研究对象。选取基于手机电商领域情感词典的情感分析方法对手机在线购买评论进行研究，建立属性特征集，抽取lt;特征词，观点词gt;对，并对lt;特征词，观点词gt;进行情感极性量化计算，确定情感倾向。同时，将手机属性作为用户满意度体系的评价维度，确定手机产品评价维度的权重，根据情感极性量化计算的结果，确定不同指标的用户满意度。此次研究，可以帮助手机电商商家通过海量的在线评价信息，快速了解自己产品的总体用户反馈，从而根据所反馈的不同维度的问题改善产品或服务，最终提高用户满意度。文章的结构如下所示:

3. 研究计划与安排

4月5日以前：爬取数据，完成数据预处理；

4月20日以前：完成在线评论文本的主题句抽取，并完成文本分层部分的任务；

5月10日以前：扩充情感词典，建立情感分析模型，完成情感量化计算；建立用户满意度评价体系，完成权重计算，和各维度用户满意度；

4. 参考文献（12篇以上）

[1]中国互联网络信息中心：第41次《中国互联网络发展状况统计报告》 http://www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/201803/t20180305_70249.htm

[2]中国互联网络信息中心:《2015年中国网络购物市场研究报告》 http://www.cnnic.cn/hlwfzyj/hlwxzbg/dzswbg/201606/t20160622_54248.htm