目前,随着互联网的发展,网络购物已经成为了大多数人购买物品的消费方式,很多人都会在平台上留下对购买物品的看法,留下的这些评论无论是对后续购买者还是厂商都提供了很重要的参考。在此期间,受到大数据、人工智能的影响,智能音箱得到了快速的发展,不仅仅是因为它已经渐渐成为了很多智能设备的控制入口,还有就是它的简单易用、功能多样,但是,如何从数以万计的评论数据中选择合适的音箱是很多人面临的问题,通过对这些评论的分析,不仅仅是对消费者的选择有所帮助,还有可以对厂商的更新换代提供数据上的支持。本文选择的数据是小爱音箱、天猫精灵、小度音箱的评论数据,因为这几款品牌的数据是很有代表性的,所以通过对它们的分析可以为市场上大部分人群提供可行的意见。首先是通过八爪鱼采集器进行数据的采集,在天猫和京东上采集天猫精灵、小爱音箱和小度音箱的数据,然后对这些数据进行预处理,因为经过数据预处理的数据还是非结构性的,这样是不能被计算机识别的,所以这一步最终想要达成的目标是将这些非结构性的数据转化为结构性的,从而能够被计算机识别、分析。在情感分析中,因为机器学习的分类方法一般是需要有标签的数据的,所以本文首先通过基于词典的方法得到情感的分类标签,然后将这些分类标签通过K近邻算法、支持向量机以及朴素贝叶斯进行评估,最终得出支持向量机为相对最优的分类算法;同时本文还对消费者评论数据进行了特征分析,利用词云图技术对产品的特征有了一个初步认知,然后重点对负面评论进行分析,挖掘出更有价值的信息,所以就通过建立各个品牌的负面主题,通过主题间的相似程度来选出合适的主题数,从而得出用户对于产品更清晰的看法。通过最终的分析,得出天猫精灵的主要问题是产品的反应速度慢、听不懂命令以及音质、音效效果不好;小爱音箱的主要问题是产品语音控制需加强、质量不行、售后不行、客服不够专业;小度音箱的主要问题是广告多、语音沟通反应慢、不好使,这些可以为消费者的购买决策提供一定参考,同时也为生产商提供一些优化、改善的建议。