电商经济时代,消费者通常会在电商平台发表购物评论表达观点。如何从大量的用户评论中挖掘出有价值的信息对于智能手表商家改进产品具有重要指导作用。本文针对智能手表网购评论挖掘,研究了属性级观点挖掘和评论总体情感倾向分析,并在此基础上开发了智能手表网购评论数据挖掘及分析系统,帮助企业更有针对性地改进产品。首先,对某智能手表商家的用户需求进行调研,完成系统的总体架构设计,各个功能模块设计以及数据库设计。其次,进行属性级观点挖掘研究。完成了属性聚类的工作,归纳出智能手表领域用户重点关注的属性。构建了情感词库,基于词典匹配实现词级情感分类。此外,针对智能手表网购评论表达特色,设计了抽取规则结合依存句法分析技术实现属性-观点对的抽取。然后,进行评论总体情感倾向分析研究。本文比较了常见的文本表示方式应用在基于传统机器学习模型的文本情感分析上的表现,得出采用TF-IDF文本表示方式最佳。在此基础上,对传统机器学习模型和深度学习模型进行评论总体情感倾向分类实验,发现在本文的语料上深度学习模型并不比传统机器学习模型更适合文本情感分析。为了进一步提升传统机器学习模型的文本情感分析效果,针对传统文本离散化表示结合机器学习模型进行文本总体情感分析存在的问题,本文提出了一种改进的文本向量化表示,将其应用于传统机器学习模型,并与先前的分类方案做情感分析对比实验,结果表明改进的文本表示方式可以提高传统机器学习模型情感分类表现且分类准确率高于深度学习模型。最后,完成数据挖掘及分析系统的设计与开发工作。开发语言选为Python,数据库管理系统选择My SQL,开发框架为Django。主要实现的功能包括评论采集、文本预处理、属性级观点挖掘、总体情感倾向分析、可视化和系统维护。经过对系统的功能测试和性能测试,满足商家使用需求。