文本分析和情感分析 用于产品评论注释的文本分析和情感分析。 输入 ： 使用“ AmazonComments.csv”，其中包含使用某些R代码从亚马逊获取的评论。 输出 ： 词云 CSV文件-每个评论注释的情感极性。“ AmazonReviewSentimentAnalysis.csv” 我们发现，在611条评论中，有49条具有负极性，而562条具有正极性或中性极性。 从否定词云中，我们看到诸如说明，手册，订购，购买，用户指导，联系方式，服务之类的单词。这意味着可能会有一些关于用户手册/控制器的投诉，或者购买周期或客户可能有问题护理服务。 业务现在可以进一步研究这些以改进流程。 5，我们还会看到一些诸如设置，关闭，插头，探头，电源选项，界面之类的词。 这些可能会导致某些人对恒温器的设计或零件不满意。 业务现在有一些改进领域需要进一步研究。 来自twitter- Textblob和

为提高对虚假评论的识别精度并对评论数据的有效性进行准确预测，提出一种面向在线产品数据的有效性建模与测量方法。通过结合基于核主成分的特征提取方法和最小二乘支持向量机对在线产品的虚假评论进行识别，基于排序Logit构建回归模型对量化的评论数据进行有效性判别预测。实验结果表明，该方法在虚假评论识别和数据有效性分析方面效果良好，可以为消费者提供更为精确的消费参考、为商业机构提供更具辨识意义的评论数据，具有良好的应用价值。

基于SVM的产品评论属性特征的情感倾向分析，本文是对手机产品的评论做情感分析

电商产品评论数据情感分析要用到的stoplist.txt. 花钱买的希望大家理解

是一个关于小米产品的评论的情感分类代码，词向量构建使用word2vec,使用svm,logistic回归，神经网络，knn，决策树等不同方法进行分类