随着互联网技术的发展,新冠疫情的肆虐,导致电商平台火热,越来越多的人选择网购的方式。用户在购买商品后,在对应电商平台进行商品评论是重要的购物体验反馈渠道,是对整体购买流程的综合评价。有购买倾向的用户、商家、平台、厂商、监管部门都会通过用户的评论与评分情况,对商家的经营状态与商品的质量进行评估,从而做出决策,商品评论的重要程度可见一斑,但是面对数以万计的评论,各方都无法获得直观有效的信息,对商品评论进行文本挖掘就显得尤为重要。本文基于手机对生活的重要作用以及不同人群购买手机时看重手机功能不同的特点,制定了以手机商品评论数据为数据来源,从多维度对手机商品评论进行文本挖掘,并依据挖掘结果,从多维度为用户、厂商提供建议的实验目标。在准备好研究所需的相关理论知识与运行环境后,本文详细论述了实验过程。首先利用python编写京东平台商品评论的爬虫,分别对占据国内手机市场份额较高的oppo、三星、小米、华为、苹果五大手机厂商2021年主打机型的手机商品评论进行爬取,共爬取8010条评论。在对爬取到的评论中的重复评论、无意义评论、停用词、无意义字符和后续会干扰文本挖掘的词汇进行去除后,使用结巴分词对评论进行分词和标注词性工作。准备好文本数据之后,采用有监督的机器学习决策树进行分析,以爬取评论中的商品评分作为训练数据,进行模型训练,参数调优,并画出决策树。对每条评论中各个词汇表达的正负向情感进行求和计算,分析整个评论的情感倾向,并通过词云图展示正负向评论中的高频词。由于决策树和情感倾向分析虽然可以分析出评论的正负倾向,以及高频词汇,但是不能展示出正负向情感词汇是在描述手机的哪一个主题属性,为了解决这个问题,本文进行了基于LDA模型的主题挖掘,利用平均余弦相似度寻找最优主题数,并对实验过程及结果进行分析,进行实验改进,通过导入手机类别的搜狗细胞词库与手动添加方式,补充手机领域的分词词库,通过词汇同义替换与手动添加删除的方式,补充手机领域情感词词库后,再次进行LDA模型主题挖掘。本文实验最终以测试集0.92的准确率画出决策树,以0.86的准确率分析出评论情感倾向,在补充完善手机领域情感词库与分词词库后,基于LDA模型进行了较为准确的主题挖掘,并以此结果为基础,从手机拍照、音效、系统、外观、充电与电量、客服、物流、保价等多个维度对用户购买与各个厂商新产品改进方向提出建议。文章结尾总结了在实验中可以改进的地方,对构建领域情感词库与领域分词词库的可行性及效果进行展望。