随着电子商务的普及,在线评论的研究经历了一个由易到难的过程,近几年,由于文本挖掘技术的提高,越来越多的学者把目光转向文本评论。但是,目前文本评论对销量的影响研究存在相互矛盾的结论,这很可能是由于不合理的文本分类所致。文本分类依赖于准确的情感分析方法,但目前中文情感分析方法有待进一步提高。本文利用大数据挖掘工具Python抓取109个平板电脑的1227861条数据,根据最佳唤醒理论、稀释效应、从众效应、说服与知晓效应等理论,以839份消费者在线评论浏览路径调查问卷调查结果为参考,利用动态Panel模型对数据进行回归。为提高文本分类的准确性,本文从分词工具的选择、词库的扩充以及文本评论的分类等三方面改进了文本挖掘技术。通过分词工具的选择与词库的扩充,提升了文本赋值的准确率;通过二维文本分类方法,结合消费者网络购物实践,扩充了中性文本评论的取值范围,提高了文本分类的科学性与合理性;通过大数据挖掘工具Python,将在线文本评论细分为积极文本评论、混合偏积极文本评论、混合中性文本评论、无差异中性文本评论、混合偏消极文本评论与消极文本评论六个子类。其中,积极性质的文本评论包括积极文本评论与混合偏积极文本评论,回归结果表明,积极文本评论与产品销量呈现“U”型关系;混合偏积极文本评论与产品销量呈正相关关系。中性文本评论包括混合中性文本评论与无差异中性文本评论,回归结果表明,混合中性文本评论与产品销量呈正相关关系;无差异中性文本评论与产品销量呈负相关关系。消极性质的文本评论包括混合偏消极文本评论与消极文本评论,回归结果表明,混合偏消极文本评论与产品销量呈正相关关系;消极文本评论与产品销量呈负相关关系。关于评论数量对文本评论与产品销量之间的关系的调节作用,结果表明,评论数量的调节作用表现为提高产品销量。其中,评论数量对积极文本评论、混合中性文本评论以及混合偏消极文本评论与产品销量之间的关系起到正向调节作用,对无差异中性文本评论与产品销量之间的关系起到负向调节作用。研究结果对解释目前在线文本评论研究领域存在相互矛盾研究结论的现象具有一定的参考价值,同时对电商平台维护在线评论、促进产品销量有一定的指导作用。