摘  要：在互联网电子商务时代，人们更愿意通过星级评定和评论来决定是否购买产品。我们找到一个基于SARTYZ评级和评论的销售策略。首先，我们对数据进行预处理，包括缺失值的处理和过滤数据。在处理缺失数据时，我们将其分为两个部分。第一部分是用三次样条插值来填充数据，第二部分是用平均值填充被忽略的数据。在处理过滤数据时，我们过滤只有一个评论的产品。其次，由于星级是一个定量指标，为了找到一种方法来衡量产品通过星级评级和审查，我们量化评论。由于评论是自然语言，所以我们使用TF IDF算法来查找。
　　关键词：评论;情感特征;指标
　　1.引言
　　Amazon为顾客提供了评估和审查购买的机会[1]。“星级评级”允许购买者用1到5的比例来表达他们对产品的满意程度。此外，客户可以提交“评论”来表达关于产品的更多意见和信息[2]。其他客户可以提交“帮助性评级”以协助他们自己的产品购买决策。公司利用这些数据来了解他们参与的市场，参与的时机，以及产品设计特征选择的潜在成功[3]。
　　2.模型的建立与求解
　　评论文本分为主观文本、客观文本和无意义文本。与客观文本相比，主观文本是一种自然语言文本表达形式。文本特征一般包括发布者信息、对象信息、时间信息、位置信息、意见信息等。文本挖掘工作根据不同的需要提取相应的特征。
　　2.1 基于评级和评论的模型
　　2.1.1 模型概述
　　信息检索是目前应用最广泛的一种技术。论文检索和搜索引擎属于信息检索范畴。TF IDF（术语频率逆文档频率）模型在搜索引擎等实际应用中有着广泛的应用。
　　在使用TF IDF模型之前，我们首先需要使用Python来对评论进行预处理，即标记单词、删除模态粒子、去除无关注释。
　　在完成數据处理后，使用TF IDF模型对评论进行量化。由于数据太多，我们选择了某品牌的吹风机进行分析。
　　2.1.2 概念定义
　　3.结论
　　在互联网电子商务时代，人们更愿意参照星级和评论来决定是否要购买产品。我们的模型表明专家的意见并不总是代表消费者的真实感受。评论所揭示的用户主观倾向对消费者心理和购买决策有较大影响。此外，我们还发现产品的评价值会随时间而波动，但特定星级对评论的影响并不显著，这表明仅通过星级评定来预测商品的评价价值是不可靠的。商店应更多地关注消费者的主观体验，从而提高产品的功能，使产品更受欢迎。
　　参考文献
　　[1]  李红柳，王兴元. 在线用户评论对顾客价值创造的影响研究———基于评论特征的分析[J]. 价格理论与实践，2018，03（23）：43-48.
　　[2]  王维娜. 面向中文在线评论意见的挖掘算法研究及应用[D]. 西安科技大学，2017.
　　[3]  刘俊清，汤定娜. 在线评论、顾客信任与消费者购买意愿关系研究[J]. 价格理论与实践，2016（12）：200-203.