- JAVA代码在source中，是MAVEN工程，请以MAVEN方式导入
- 数据sql在sql文件中
- 达到的效果图如result文件夹所示。
桑槿 青木商业智能部 2016/2/25
公司作为电子商务运营商，每天管理数以千计的商品。如何提供更好的服务，如何了解客户的需求，如何改善自身运营，是个很重要的问题。因此，商品评论情感分析课题被提出，且十分重要。 淘宝买家购买商品之前会先通过浏览评论，再判断商品是否值得购买。所以，通过对评论进行分析，我们可以得出一定的反馈，从而自我改善和进步。通过淘宝自身的评论标签还有业务人员自身的判断，效果差钱人意。当评论数达到一定量时，简直应接不暇。 故必须使用高级手段进行评论数据挖掘。
要达到的成果如下：
使用自制的爬虫程序或者第三方爬虫软件，进行淘宝商品评论抓取，存储在数据库中。针对评论中的无效和冗余评论，进行清洗处理，以历史数据的形式抽取出来建造数据仓库。 维护好数据仓库是重中之重，此数据仓库的数据可以长期反馈商品状态变化。（何为数据库和数据仓库，请看《商业智能剖析》PPT） 规模化负责人员：技术部门
针对商品的特征，业务人员进行维度划分，如价格、服务、物流、质量。每一维度再构建相应的字典，如价格维度字典可以包括“价格很好”，“价格略贵”，“太贵了”等，再对此些字典进行情感打分，分数段为1-5分，情感由负到正，如“价格很好”打4分，“太贵了”打1分。情感字典同样存入数据仓库中，且可动态添加，补充字典库。 商品维度划分负责人员：推广人员、项目人员、商品管理人员。商品打分人员：推广人员等。 补充：字典构造需要技术部门开发一个批量添加字典系统，方便存入数据库。
通过算法运算，将原始评论进行分词，字典匹配，分数处理，得到商品各维度的平均情感分。在智能系统平台，只需选择商品，商品即可以雷达图的形式显示出各维度的分数。可以进行两件商品的比较，或者一件商品不同时期的比较。