伴随着电子商务的高速发展,评论的数量达到一个新量级后,不论是对商家还是用户,都很难再进行有效的分析。对于商家来说,巨大的数据量导致处理起来很艰难。对于用户来说,评论内容冗杂,导致浏览评论费时费力。同时,这也会影响平台的用户体验,增加平台的用户流失风险。因此针对评论内容的关键词提取,对于评论的分析有重大的意义。针对上述存在的问题,本项目针对电商评论数据的特征提取问题,建立了基于关键词提取的评论分析系统,设计并创新了一种基于LSTM的关键词提取算法Mix Extra。首先,引入一层神经网络LSTM到输入层,通过选择N个具有隐态特征的属性词和观点词,来指导下一阶段的算法模型进行训练,从而改善训练效果。其次,将两个神经网络LSTM用作下一阶段的算法训练,该层网络用于主要的属性词抽取和辅助的观点词抽取,并对相关的顺序信息进行了记录。最后,演算最后的候选属性词和候选观点词来获取关键词。实验结果表明,该模型是有效的,并在由不同产品类型组成的数据集上实现了较优的性能,包括相机、手机、书籍、口罩共四个商品类别。通过与CRF、LSTM、CMLA和RNCRF进行比较,综合F-score增益率为1%至4%不等。完成关键词提取和分析后,结果被图表化呈现,使商家和用户能够更直观地了解数据。商家可以根据不同的用户群体制定相应的策略,而用户可以轻松分析该产品是否符合其需求。这体现出了本文算法的应用价值。最后,开发并实现基于关键词提取的评论分析系统,通过阐述系统的设计与实现并进行相关的仿真实验,对系统进行测试,完成系统架构的实现。