在线购物网站和社交媒体平台数量的爆炸式增长使得消费者能够轻松分享他们对产品或者服务的评论,潜在消费者在购买产品之前会通过评论来对同类型不同品牌型号的产品进行择优购买决策。针对利用在线评论对电子产品领域备选产品进行排序选优的难点问题进行深入的研究,本文主要的工作有:(1)针对评论文本细粒度情感分析问题,利用自然语言处理工具Hanlp对在线评论进行本文预处理,基于LDA主题模型挖掘出评论文本中消费者感兴趣的产品属性个数确定评价指标,结合评论的频繁项将属性词筛选归类到相应的属性词集合中建立属性词表。(2)以属性词表中的关键词为核心通过依存句法分析技术提取出电子产品属性词相对应的候选情感词,用FastText模型通过领域相关语料训练出词向量,结合KNN算法对候选情感词进行分类筛选扩充构建适用于电子产品领域的领域情感词典进行情感分析。(3)针对消费者在电子产品择优购买时权重值的确定问题,普通消费者是无法给出精确属性指标权重值,本文将文本情感分析结果转换为直觉模糊数的形式,利用偏序集排序法具有不需要权重数值就可以对方案进行排序的优点,采用基于改进直觉模糊TOPSIS模型的偏序集方法对备选方案进行排序,并且借助H asse图将排序层集进行可视化。本文的研究成果丰富了利用在线评论对备选电子产品进行排序选优问题的理论和方法,所提出的决策模型对于开发电子产品购买决策辅助工具有一定的参考意义,进而对该研究的进一步深入打下一定的基础。本篇论文有图34幅,表11个,相关参考文献102篇。