本压缩包包含一个使用Python进行电商平台商品评论情感分析的完整项目代码与文档。该项目旨在通过自然语言处理技术自动识别和分类消费者评论的情感倾向，为课程作业形式提供给学习者实践机会。
基于Python的电商产品评论数据情感分析源码+项目说明（课程大作业）
该项目是个人毕设项目的完整代码资源，评审得分高达95分，并经过严格调试确保可以顺利运行。适合计算机、自动化等相关专业的学生或从业者下载使用，也可作为期末课程设计、课程大作业及毕业设计的参考。
### 运行
```shell
streamlit run ./Comment_analysis/Streamlit/streamlitEXP.py
```
#### 分工：
- 挑选合适的商品（需确保好评与差评数量多且评论量丰富）
- 确保GitHub中类参数规范，包括类型、命名方式等统一标准，并保持代码格式一致性和完善注释及日志记录
### 必须考虑的点
1. **产品选择**：挑选具有不同特点和关键词的产品进行分析。
2. **品牌比较**：通过不同的评论数据对比各品牌的售后服务优劣。
3. **评分与内容一致性问题**：处理评论分数与其具体描述不一致的情况。
4. **关键字提取**：识别并分类如“外形外观”等具体的评价用词。
5. **开发文档编写**
- 需求文档明确产品功能
- 分析某一特定功能点的流程，并整合各部分以实现总体目标，同时确保分工清晰
6. **接口文档与变更记录**
### 可选考虑的点：
- 研究同一款热水器评论内容随时间的变化趋势。
- 通过多种算法和工具包进行情感分析比较（如使用不同的情感分类库）。
### 扩展提升方向：
1. 使用BERT模型进行更复杂的情感分类任务
2. 引入可视化插件，例如pyLDAvis展示主题模型的网页结果
3. 部署到Heroku平台实现云服务发布
注意：在项目开发过程中，请确保注释掉或删除所有未使用的代码段。
5星
