随着电商平台在我国大部分地区的普及,很多人通过这些购物平台购买自己所需要的各种商品。在网上购物结束后,消费者会对自己购买的产品发表一些有价值的评论。由于在线评论数据的数量众多,对其他消费者而言,很难直接从中发现自己需要的信息。因此本文以笔记本电脑的在线评论数据为例,利用情感分析技术来解决这一问题。本文利用软件从京东官网上获取了三种品牌的笔记本电脑在线评论数据。为了实现笔记本电脑在线评论数据的情感分析研究,本文首先对笔记本电脑在线评论数据进行了大量的清洗工作,剔除无意义的评论语句,把清洗后的评论语句划分成词语的组合,并将分词的效果以词云图的形式直观展现出来。其次,以现有的公共情感词典为基础,构建笔记本电脑专业领域的词典,对处理过的笔记本电脑在线评论文本进行情感分类。同时,利用基于复杂网络、词频以及卡方信息量的特征选择方法选择出不同个数的情感分类特征,并利用朴素贝叶斯NB、支持向量机SVM和随机森林RF这三种机器学习分类算法对笔记本电脑在线评论数据进行情感分类,使用平均分类准确率评价指标对两种情感分类方法的分类效果进行比较。最后,分别对买家发表的联想、荣耀和苹果笔记本电脑正负面在线评论语句的子句进行LDA主题分析,从中发现潜藏的商品特征及电商企业的优缺点。通过对笔记本电脑产品在线评论数据的情感分析,本文主要得到了以下结论。第一,三种分类算法的分类准确率和F1值都比情感词典的更高,分类效果更好。第二,选用基于复杂网络的节点重要性理论作为特征选择方法是可行的,但该方法的情感分类稳定性不如利用卡方信息量的特征选择方法。第三,NB分类算法的准确率和F1值略高于SVM和RF。当基于复杂网络节点理论的特征选择方法和NB分类算法组合在一起时,笔记本电脑评论数据的分类结果是相对最优的。最后,联想笔记本电脑的优点在于质量过关,外形好看,性价比高等,缺点是联想笔记本电脑的品控方面存在瑕疵以及售后服务差;荣耀笔记本电脑的优势是适合日常办公,质量好,送货速度快,劣势在于产品不保值等;苹果笔记本电脑的长处在于系统性能好、轻巧好看,科技感强,不足之处在于客服的服务态度差、没有赠品以及降价太快等。这些结论既能够帮助消费者买到心仪的产品,又能够促进笔记本电脑厂家和电子商务企业明白消费者的需求和自身的优劣之处,促进自身更好地发展。