随着互联网与社会经济的快速发展,人们的生活方式和消费习惯发生了深刻的变化,越来越多的人选择购买汽车,并在相关汽车评论网站如太平洋汽车网上发表自己的购车体验和产品的使用感受,这些评论也成为了消费者了解汽车信息、企业把握用户需求的重要依据。如何快速有效地利用这些汽车评论网站上的用户评论,挖掘其中蕴含的情感信息和消费者对产品的需求是当前面临的重要问题。因此,本文以海量汽车在线评论为数据支撑,开展基于证据推理的汽车评论情感三分类研究和汽车综合评价分析,期望辅助消费者做出更准确的决策,帮助企业更加便捷、有效的从汽车评论中提取用户需求。具体工作内容如下:(1)本文通过Python爬虫从太平洋网站上获取汽车各个评论属性的在线评论数据,对数据进行去重、去除乱码字符等初步清洗工作。分词过程中,考虑到汽车领域的专业词汇和网络流行词,构建了改进的分词词典,并综合哈工大、百度和搜狗停用词词库,对无效用的停用词进行剔除,从而提高分词质量。在此基础上,使用卡方检验方法进行特征提取,使用改进的TFIDF方法计算权重,构建文本数据向量化矩阵。(2)本文提出了一种基于证据推理的多分类器汽车评论情感三分类方法,以朴素贝叶斯、逻辑回归和支持向量机为基分类器,利用证据推理规则集成三个基分类器,并考虑了每个基分类器的权重和可靠性,然后对评论文本进行情感三分类。与单个基分类器和流行的集成分类器相比,本文所提方法情感分类效果更佳。(3)在本文构建的情感三分类模型基础上开展了基于证据推理的汽车综合评价分析,以SUV车型为例,对汽车各评论角度的情感分布和整体综合情感分布进行分析,并基于词云方法挖掘汽车的优劣势,同时将此过程应用化,初步构建汽车评论情感挖掘系统的系统框架,方便企业直观了解分析结果。