随着电子商务与社交网络的快速发展,互联网平台中每日产生海量的个人言论和商品服务的评论。这些评论包含人们的各种情感并且蕴含巨大的商业价值。由于数据来源广泛,数量巨大,每时每刻都在增长变化,若通过人工方式来挖掘这些庞大的信息,不仅耗时耗力而且成效甚微,所以需要通过情感分析技术对海量的文本数据进行处理与分析。情感分析是自然语言处理领域的一个重要研究方向,具有重要的研究价值和实际的应用价值。本文主要对酒店领域的用户评论进行情感分析,从中挖掘用户对酒店服务等方面的态度,为酒店提高服务质量提供一定的帮助。本文主要工作如下:(1)以通用的中文情感词典为基础并将酒店评论数据作为扩充词典的语料,构造适用于酒店评论的情感词典。使用通用的词典与本文构造的情感词典对同一语料进行情感分类,并比较分类结果。实验结果表明:在正向与负向分类中,本文构造的词典在准确率上分别是76.5%及80.4%,优于通用词典的分类效果。(2)由于词向量表示方法未能考虑文本中词语的重要程度,因此本文将特征权值与词向量相结合,提出加权词向量,将普通词向量与加权词向量分别作为文本表示的方法,并利用支持向量机进行分类实验。实验结果表明:使用加权词向量表示文本进行分类的效果比采用普通词向量表示文本进行分类的效果好,在准确率上分别是85.2%及81.6%。(3)将情感词典与机器学习方法结合对酒店评论进行情感分析,利用本文提出的词典构建训练集,以及使用加权词向量表示文本,通过朴素贝叶斯和支持向量机两种不同算法训练分类器,并用测试集验证分类的效果。实验结果表明:对不同数量的评论数据进行实验时,支持向量机的分类效果优于朴素贝叶斯,当数量为2000、4000、6000及10000时,在准确率上,支持向量机比朴素贝叶斯高4.7%、5.9%、7%及7.6%。