本实验通过Python进行商品评价数据的收集与处理，运用文本挖掘技术分析消费者反馈，旨在发现产品优缺点及市场趋势。
实验五：商品评价分析
一、 实验目的
1. 了解并掌握文本分析工具NLTK与jieba的安装及使用方法。
2. 掌握文本预处理流程，包括数据清洗等步骤。
3. 理解和应用情感分析技术，能够利用NLTK进行情绪倾向性判断。
4. 学习如何通过结合NLTK与余弦相似度计算来评估文档间的相似程度。
5. 了解并实践基于算法的文本分类方法，并能使用NLTK实现。
二、 实验任务
对淘宝网站上某款卫衣的商品评论数据进行分析，同时利用词云技术展示关键词。具体操作包括：
1. 导入“商品评价信息.csv”文件，并删除重复记录。
2. 利用jieba分词库对用户评论文本执行中文分词处理。
3. 去除所有分词语料中的停用词。
4. 运用wordcloud模块生成并展示相应的词云图。
三、 实验步骤
1． 导入必要的Python库，如pandas用于数据操作，jieba进行中文切分，以及wordcloud来制作可视化效果。
2． 使用读取和清理功能加载“商品评价信息.csv”文件，并确保没有重复的用户评论存在。
3． 对每个独立的商品反馈条目应用jieba分词算法以获得词汇列表。
4． 移除所有不需要的语言元素如停用词或标点符号等，仅保留有意义的信息单元。
5. 根据处理后的文本数据构建一个适合于生成词云的字典对象。
四、 实验结论
1． 分析结果展示了该卫衣在用户中的受欢迎程度及其主要优点和缺点。
2． 通过情感分析确定了顾客对商品的整体满意度水平。
3． 利用词频统计得出高频词汇，反映了消费者最关心的问题或特点。
5星
