互联网的普及和网民规模的不断壮大,支撑了我国电子商务的巨大发展,在线购物深受消费者喜爱。随着社交媒体的发展,电子商务也逐渐形成了社会商务的新发展模式,用户在线评论也促进了电子商务发展。海量的评论文本中蕴含了丰富的信息,这些信息为消费者决策、商家改进产品、选择营销策略和升级用户体验提供帮助,充分挖掘在线评论信息有助于产生巨大的经济价值,也为企业品牌的管理者提供决策支持和管理启示。面对海量的在线评论文本,单纯依靠人力对其进行处理和分析,任务量大且效率不高。因此,通过文本挖掘技术对评论数据进行爬取、处理、实验,提取有价值的信息,成为电子商务网站研究的重点。在自然语言处理领域中,运用机器学习方法进行情感分析和文本分类是重要的研究课题,其中仍存在问题需要深入探究,自动文本分类算法的也有改进的空间。文章从情感分析和文本分类两个角度,提出一种基于产品特征的情感分析方法,并在此基础上,构建基于情感分析改进的在线评论分类模型,对在线评论文本进行分析。情感分析方法使用Word2vec模型对文本进行向量化转换,结合人工提取和Word2vec建立产品特征词库和情感词库,完成“特征—观点”对的识别,标注情感极性,计算情感分数。以此为基础,文章将灰色关联分析和朴素贝叶斯算法相结合,考虑在线评论中的用户情感倾向,使用灰色关联分析方法计算评论文本的情感关联度,并将灰色关联分析结果作为一项特征属性嵌入朴素贝叶斯文本分类模型中,对传统的朴素贝叶斯分类模型加以改进,以提高文本分类模型的分类性能。文章以京东商城Dyson V10 Fluffy Extra手持无线吸尘器为研究对象,进行真实的在线评论挖掘,以检验提出的情感分析方法和文本分类模型的有效性。从产品特征的角度对正、负面的在线评论文本进行用户的情感倾向研究,并将模型的文本分类结果与传统的朴素贝叶斯文本分类模型的结果进行比较,结果显示,精确率、召回率等评价指标均有明显提升。文章提出的模型具有显著优势,可用于在线评论的实际应用中,为商家和平台的管理者提供建议和管理启示。