扫地机器人作为一款人工智能产品深受消费者的喜爱,同时互联网购物平台发展迅猛,消费者在网上购物会产生海量的网购评论文本数据,好评与非好评的评论文本对消费者的购买决策起到一定的影响,而当下各网购平台的评价界定标准不统一,因此运用自然语言处理技术对海量的文本数据进行分析,挖掘出消费者所关注产品的特征,建立文本分类器具有实际的研究意义。运用以网络爬虫技术为核心的八爪鱼爬虫软件获取科沃斯、石头科技和小米三个品牌各三种产品在京东商城的评论文本数据,对评论文本进行数据预处理,分品牌提取关键词、绘制词云图以及基于LDA主题模型对好评与非好评文本进行主题提取,实现文本特征分析。并利用文本增强技术和欠采样解决数据不平衡问题,运用七种机器学习算法构建情感分类模型,利用网格搜索和交叉验证寻找模型最优参数组合,比较模型评估指标准确率、Macro-F1后,分别构建以支持向量机、决策树、朴素贝叶斯、多层感知机、逻辑回归、Cat Boost为元分类器的两层Stacking融合模型进行对比。最终得出Stacking-MLP预测效果最优,准确率和Macro-F1均为0.9312,说明建立的Stacking融合模型在好评与非好评这种二分类问题上很有优势,能高效进行文本情感分类。最终分析结果表明,目前扫地机器人在一定程度上是能够减轻人们的负担,大部分消费者对其的态度是积极的,主要关注扫地机的功能、性能、外观和物流以及售后服务等。三大品牌各有所长,在不同方面都有待改进,最后结合文本挖掘分析的结果,对三大品牌提出针对性的建议,给消费者做出购买决策提供了一定的参考价值。