1.1国内外现状分析

在国内用户评价挖掘领域中，已经有学者专家提出了基于WordNet词汇语义相似度计算方法，成为目前中文词语情感极性强度计算得主要根据，这一方法在帮助解析自然语言语义中起到很重要的作用；HuM 等人研究了评论对象特征识别问题，他们提出利用关联规则方法挖掘评论稳重隐藏的特征属性，并提出了根据句子语义倾向对商品进行总体评价。客户价值研究方面已经有波士顿矩阵、RFM模型等理论基础，以及K-means聚类、熵值法等算法手段来对客户价值进行多角度量化研究，但目前在客户分类的研究上缺乏统一、合理、全面的分类变量，客户价值是一个广泛而复杂的概念，建立一个多方面多层次的客户评价体系才能全面地进行客户分类。

然而总体来说国内外关于客户价值的研究普遍偏向于客户价值与客户分类方面，研究的基础基本来自于客户单方面的数据和信息，缺乏将商家、企业的产品特征、属性等与客户评价相结合，探究其间的关联性的文献，本文拟从客户评价分析及产品特征属性两个方面进行研究，更加全面地探究商家、企业改善经营，提升销量的模型和方法。

1.2研究目的：

当今社会化商务成为线上线下交易的主流，随着交易流程中涉及的维度的增加，数据流量也在不断增多，生产商、销售商希望能够简洁直观的了解用户对产品的反馈，从而有针对性地对产品或服务进行改进；潜在的消费者希望通过现有的评价来调整个人的购买意向。因此，分析消费者的评价尤其是负面评价，即带有个人情感倾向的文本便具有相对重要的价值，而其中负面评价的信息收集则是商品改进的关键。

本文拟通过收集特定商品数据针对商品不同属性着重从用户评价对客户价值的影响来进行讨论，分析不同类型的评价分别会对用户产生怎样的干涉，进而影响商家的销量、增长率等。并针对研究过程中追溯到的原因及各类型评价对客户价值的影响提出具体的建议及措施。

1.3研究意义：

1.3.1理论意义：

补充和完善现有客户价值评价模型，着重强调用户正负面评价与产品属性改进方面的量化方法；

1.3.2实践意义：