随着互联网技术的蓬勃发展,电商行业在互联网技术的支持下也取得了高速的进步,由于网络购物的便捷性与高效性,越来越多的人选择在电商平台进行消费。网购过程中会产生大量的数据,而商品评论就是其中非常重要的一部分。普通消费者在选购商品时会重点参考商品的在线评论,然而在线评论往往体量巨大,导致消费者无法高效利用。为了使消费者能够充分地利用在线商品评论进行网购,本文结合相关理论技术实现了一个基于在线评论的商品辅助选择系统,相关研究内容如下:1.从京东网站选取笔记本电脑评论数据,先使用数据采集技术获取在线评论并保存,然后对数据进行预处理并对整条评论的情感极性进行人工标注。为了满足消费者对于商品不同属性期望的差异,先使用LDA主题模型结合评论数据提取出关键属性,然后根据关键属性对评论进行关于属性的情感极性标注,构建出一个较为完整的中文笔记本电脑领域属性情感分析数据集。2.针对属性级情感分析任务,结合研究现状选取了情感词典匹配模型和AttLSTM模型进行研究对比。对于词典匹配模型,构建了一个基于领域的四元组词典,用于属性情感分析。对于Att-LSTM模型,根据评论数据集,训练模型进行属性情感分析,并验证模型设计的有效性。最后根据相关评价指标比较两种模型的综合性能,并最终选取Att-LSTM模型作为系统实现使用的属性情感分析模型。3.根据前景理论,将消费者对意向商品评论的好评率与差评率的期望量化,再以评论的情感分析结果为输入变量,推导出意向商品得分公式,将公式的计算过程融入系统的商品评价模型。4.在关键属性提取、属性级情感分析和意向商品得分计算研究的基础上,设计并实现出一个供消费者使用的基于在线评论的商品辅助选择系统。系统包括登录模块、用户管理模块、商品辅助选择模块和信息反馈模块。用户通过输入意向商品的详情页链接和对于商品关键属性的评论比率的期望,可以得到关于意向商品的得分和排名。最后对系统进行测试,测试结果表明,该系统运行稳定,且可以满足根据商品在线评论帮助消费者选购商品的需求。本文从消费者的真实网购需求出发,以在线评论数据为基础,结合主题模型和属性级情感分析模型,根据意向商品得分公式,实现了基于在线评论的商品辅助选择系统。相较于目前功能单一的商品评论情感分析系统,本研究的系统可以利用评论信息帮助消费者做出购买决策,具有很强的实用价值。