随着中国互联网商业模式逐渐成熟,居民生活也越发便利。随之可见线上市场交易规模也在持续不断的增加,在线评论所蕴含的社会和商业价值逐渐变大,如何挖掘文本中的情感信息、获取情感倾向已经成为当今商务智能领域关注的重点对象。通过对在线评论的情感分析,不仅可以了解游客对景区的认可度给景区提供建议,还可以了解游客需求有利于商务智能的发展。本文主要完成了以下工作:一是获取互联网评论信息及文本处理:利用爬虫技术获取七彩云南欢乐世界的在线评论,并采用分词、词性标注和依存文法分析等方法提炼句子信息,利用句法结构去掉信息冗余。二是对在线评论进行探索性分析:为保证同一评论的不同维度情感不相互干扰。本文将在线评论分成交通、票价、饮食、娱乐项目、排队时长、服务态度、景观以及购物住宿八个维度,同时绘制词云图挖掘重点高频信息。三是依照词库建立文本情感分类:本文采用将文本分析与人工相配合的方式建立景区情感词库,并将情感词分为超级积极情感、积极情感、中性情感、消极情感、超级消极情感五大类。采用情感词与评论维度相匹配的方式给评论维度分类打分。四是基于机器学习的文本情感分类:应用分类算法对在线评论的情感倾向进行分类训练。首先将在线评论的每个维度都人工打上情感标签,然后将该评论与标签进行训练分类获得分类模板,使用被测试数据通过机器学习方法重复训练15次获得分类结果。随着大数据的兴起,机器学习已经成为建立情感分类的重要方法。但是,用分类算法做中文文本情感分类总是存在语义理解有误的问题,为提高其情感分类的准确率本文采用了将文本信息提取整合与分类算法相结合的策略,改善了机器学习分类方法中对情感把握不准、多类别分类难的问题。同时本文还进行了实例测试对比工作,测试结果显示了通过人工筛选建立词库进而进行情感分类的准确率要高于基于机器学习的中文情感分类准确率。且依据该评论体系不需要具体浏览评论就可以看到评论维度的优缺点,大大的节省了选择的时间成本、可以更高效的规避游客的出行雷区,还指出了商家可以改进的具体方案以及方向。