随着电子商务的发展,网上购物已经逐渐成为我们主要的消费方式,随之催生了大量物流产业,而物流服务的好坏直接影响了客户对网购的满意度。因此对物流评论数据进行挖掘分析,不仅可以帮助商家更好的了解物流情况,选择合适的合作厂家,还可以为物流业改进服务提供参考。因此,对物流评论进行情感分析具有重要的研究意义和实用价值。本文对电商评价中有关物流领域的消费者评论进行情感分析,调查消费者对物流服务等方面的态度,主要工作如下:1.提取物流方面频率较高的关键词构建关键词库,从物流评论数据集中筛选出频率较高且含有情感倾向的词语,同时从基础词典中选取正向和负向词语作为种子词,利用SO-PMI算法计算需要判断的词语与种子词语之间的点互信息差值,根据其结果大小,判断是否加入到关键词库中来进行扩充。2.根据正则表达式匹配到的关键词改进TF-IDF加权,提高物流方面情感分类的准确性,并且利用改进后的TF-IDF对词向量进行加权表示,把全部的词向量进行相加,继而得到整个文本的句向量。3.本文通过搜集物流语料,进行去重、清洗、分词、引入停用词,将加权词向量加入LSTM模型,构建成基于LSTM的物流评价模型。经过实验验证此模型在文本上具有更好地分类效果,克服了基于情感词典和机器学习随着数据量的增大而呈现一定局限性的缺点。4.通过实验对比,在相同实验条件下,改进后的TF-IDF的分类效果优于标准模型;加权后的Word2vec准确率比原模型也有了明显提高;LSTM与加权词向量结合后的模型弥补了单一模型的不足,分类结果较为理想。