基于朴素贝叶斯的商品评价情感分析系统设计与实现
【摘 要】随着互联网的快速发展，在线商品评价已经成为消费者获取商品评论情感信息的重要渠道。然而，海量的评价数据带来了信息过载的问题，消费者很难快速获取有价值的评价信息。因此，对商品评价进行情感分析，将消费者的情感倾向进行分类，对于消费者、商家以及市场都有重要意义。情感分析可以辅助消费者快速了解商品口碑，帮助商家了解消费者需求和市场趋势，为市场决策提供数据支持。
已有顾客的评价与评分是消费者在网络购物中最看重的信息,但现有评价体系的规则将致使全面、客观地获取商品评价存在困难:一方面,商品评价与评分信息量较大;另一方面,店家刷单、删差评等现象可能致使商品评分与评价内容不符。
本文基于Python爬取"京东"店铺评价和评分,通过朴素贝叶斯算法情感分析测算出用户评价的情感值,并使用轮廓分析评价与评分的相似程度。
本系统基于Flask的编程技术,实现商品情感分析系统的构建。介绍了商品情感分析系统的开发环境和运行平台、Python编程技术。使用MySQL数据库管理整个系统的后台数据。
【关键词】Flask，Python，情感分析，朴素贝叶斯算法
【Abstract】With the rapid development of the Internet, online commodity evaluation has become an important channel for consumers to obtain commodity information. However, the massive evaluation data brings the problem of information overload, and it is difficult for consumers to quickly obtain valuable evaluation information. Therefore, it is of great significance for consumers, merchants and markets to conduct emotional analysis of commodity evaluation and classify consumers' emotional tendency. Sentiment analysis can assist consumers to quickly understand the word of mouth of goods, help merchants understand consumer demand and market trends, and provide data support for market decision-making.
The evaluation and rating of existing customers is the most important information for consumers in online shopping, but the rules of the existing evaluation system will make it difficult to obtain comprehensive and objective commodity evaluation: on the one hand, the information of commodity evaluation and rating is large; On the other hand, the phenomenon of brushing orders and deleting bad reviews may cause the product score to be inconsistent with the evaluation content.
This paper is based on Python to crawl the evaluation and score of "Jingdong" store, calculate the emotional value of user evaluation through naive Bayesian algorithm emotion analysis, and use contour analysis to evaluate the similarity degree of the evaluation and score.
This system is based on Flask programming technology to realize the construction of commodity sentiment analysis system. This paper introduces the development environment, running platform and Python programming technology of commodity sentiment analysis system. Use MySQL database to manage the background data of the entire system.
【Key words】Flask, Python, sentiment analysis, naive Bayes algorithm
目 录
1 绪论
1.1研究背景与现状
随着互联网的快速发展，在线商品评价已经成为消费者获取商品评论情感信息的重要渠道。然而，海量的评价数据带来了信息过载的问题，消费者很难快速获取有价值的评价信息。因此，对商品评价进行情感分析，将消费者的情感倾向进行分类，对于消费者、商家以及市场都有重要意义。情感分析可以辅助消费者快速了解商品口碑，帮助商家了解消费者需求和市场趋势，为市场决策提供数据支持。
已有顾客的评价与评分是消费者在网络购物中最看重的信息,但现有评价体系的规则将致使全面、客观地获取商品评价存在困难:一方面,商品评价与评分信息量较大;另一方面,店家刷单、删差评等现象可能致使商品评分与评价内容不符。
一、国内研究现状
在国内，随着电商市场的快速发展，商品评价情感分析受到了广泛关注。许多学者和企业都在研究如何利用情感分析技术对商品评价进行分类和挖掘。一些研究者通过对朴素贝叶斯算法的改进，提高了情感分类的准确率。
例如，李晓楠等提出了一种基于深度学习的商品评价情感分析方法。该方法利用卷积神经网络和循环神经网络对商品评价进行特征提取和情感分类。实验结果表明，该方法在准确率和召回率方面均优于传统的朴素贝叶斯分类器。
王海鹏等提出了一种基于词嵌入和卷积神经网络的商品评价情感分析模型。该模型将商品评价文本转化为向量表示，并通过卷积神经网络进行分类。实验结果表明，该模型在大型商品评价数据集上具有较好的性能表现。
此外，国内的研究还关注如何从海量的商品评价数据中提取有用的信息，以便更好地了解消费者需求和市场趋势。
然而，这些研究大多集中在算法模型的优化和改进上，而在实际应用中，如何将情感分析技术应用到电商平台的商品评价中，还需要进一步的研究和实践。
二、国外研究现状
在国外，商品评价情感分析的研究起步较早，已经有一些成熟的产品和应用。例如，一些电商网站已经集成了情感分析功能，用户可以输入商品评价文本，系统自动进行情感分类并输出结果。国外的研究主要集中在情感分析技术的创新和应用上。一些研究者利用深度学习算法，如循环神经网络（RNN）、长短期记忆网络（LSTM）等，对商品评价进行情感分析。这些算法可以更好地处理上下文信息，提高情感分类的准确性。
例如，Johnson et al.提出了一种基于长短期记忆网络（LSTM）的商品评价情感分析模型。该模型能够捕捉商品评价文本中的时序依赖关系，并利用LSTM进行分类。实验结果表明，该模型在商品评价情感分析方面具有较好的性能表现。
此外，一些学者和企业也在研究如何利用深度学习算法对商品评价进行情感分类和语义理解。
总体来说，基于朴素贝叶斯的商品评价情感分析系统在国内外都已经有了一定的研究和应用，但在实际应用中仍存在一些挑战和问题，如如何处理不同语言和文化的评价数据、如何提高情感分类的准确率等。未来研究可以从这些方面入手，进一步推进情感分析技术在商品评价中的应用。
1.2研究目的与任务
本文基于Python爬取"京东"店铺评价和评分,通过朴素贝叶斯算法情感分析测算出用户评价的情感值,并使用轮廓分析评价与评分的相似程度。
1.3论文结构与内容概述
- 数据收集与预处理：首先，需要从京东电商平台上抓取商品评价数据。然后，对这些原始数据进行清洗和预处理，包括去除无关信息、分词、去除停用词等，以便后续的情感分析。
- 特征提取：特征提取是情感分析的关键步骤，需要从处理过的数据中提取出有用的特征。这可能包括情感关键词、情感短语、使用频率等等。这些特征将被用于构建情感词典，为后续的情感分类提供依据。
- 构建情感词典：基于已经提取的特征，构建一个情感词典，其中包含情感关键词和短语的极性（正面或负面）。这些需要使用自然语言处理和机器学习技术，如词袋模型、TF-IDF等。
- 朴素贝叶斯算法实现：基于朴素贝叶斯算法，构建商品评价情感分类模型。朴素贝叶斯算法是一种基于贝叶斯定理与特征条件独立假设的分类方法，其特点是算法简单、高效，特别适合处理大规模数据集。这需要选择合适的特征作为输入，并根据情感词典对文本进行分类。通过训练和优化模型，可以提高分类的准确性和效率。
- 系统设计与实现：设计和实现一个完整的商品评价情感分析系统。这包括前端网页的设计、后端服务器的搭建和数据库的建立。用户可以通过前端输入商品评价文本，后端服务器将处理请求并调用情感分类模型进行情感分析，最后返回分类结果，数据库用于存储和处理数据。
- 系统测试与优化：最后，需要对系统进行全面的测试，以确保其准确性和可靠性。根据测试结果，可以对系统进行进一步的优化和改进，这可能包括调整模型参数、优化特征提取方法等，以提高系统的准确率和召回率。
2 相关理论与技术基础
2.1 朴素贝叶斯算法原理
朴素贝叶斯法（Naive Bayes model）是基于贝叶斯定理与特征条件独立假设的分类方法。
最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型（Naive Bayesian Model，NBM）。和决策树模型相比，朴素贝叶斯分类器(Naive Bayes Classifier 或 NBC)发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。同时，NBC模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。理论上，NBC模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此，这是因为NBC模型假设属性之间相互独立，这个假设在实际应用中往往是不成立的，这给NBC模型的正确分类带来了一定影响。
贝叶斯方法是以贝叶斯原理为基础，使用概率统计的知识对样本数据集进行分类。由于其有着坚实的数学基础，贝叶斯分类算法的误判率是很低的。贝叶斯方法的特点是结合先验概率和后验概率，即避免了只使用先验概率的主观偏见，也避免了单独使用样本信息的过拟合现象。贝叶斯分类算法在数据集较大的情况下表现出较高的准确率，同时算法本身也比较简单。
2.2 文本情感分析技术
文本情感分析技术是一种通过自然语言处理和机器学习技术来识别文本中所包含情感倾向的方法。这项技术通常用于分析文本数据中表达的情绪，情感或态度，以便帮助人们更好地理解文本内容、进行舆情监控、产品评价、社交媒体分析等应用领域。
文本情感分析技术一般可以分为以下几个步骤：
数据预处理：对文本数据进行清洗、分词、去除停用词等操作，以便为后续分析做准备。
特征提取：将文本数据转换为计算机可处理的特征表示形式，常用的方法包括词袋模型、TF-IDF、Word2Vec等。
情感分类：利用机器学习算法（如朴素贝叶斯、支持向量机、深度学习等）对文本进行分类，判断其情感倾向是正面的、负面的还是中性的。
模型评估：通过评估模型的准确率、召回率、F1值等指标来评估模型的性能，并根据需要对模型进行调优。
常见的应用包括情感分析产品评论、社交媒体舆情监控、舆情分析、品牌声誉管理等。文本情感分析技术在各个领域都有广泛的应用，可以帮助我们更好地理解人们的情感倾向和态度，从而做出更有针对性的决策。
2.3 商品评价情感分析的应用价值
商品评价情感分析的应用价值在于可以帮助企业了解消费者对其产品的评价和态度，从而更好地了解市场需求和改进产品质量。具体包括以下几个方面：
帮助企业理解消费者需求：通过对商品评价进行情感分析，企业可以了解消费者对产品的真实评价和反馈，以及他们对产品的需求和期望，从而更好地满足消费者的需求，提高用户体验。
监控竞争对手：通过对竞争对手产品评价进行情感分析，可以了解竞争对手产品的优劣势，从而制定相应的营销策略来提高自己的产品竞争力。
改进产品质量：通过对消费者对产品评价的情感分析，可以了解消费者对产品的优点和缺陷，从而改进产品设计、优化产品质量，提升产品的竞争力和口碑。
营销推广：通过对消费者对产品评价的情感分析，可以了解消费者对产品的认知和态度，从而制定相应的营销策略，增加产品曝光度和销售额，提高品牌知名度和忠诚度。
综上所述，商品评价情感分析的应用价值在于可以帮助企业更好地了解消费者需求和反馈，从而做出更有针对性的决策，提高产品质量和竞争力，促进企业的可持续发展。
2.4 本章小结
本章主要分析了系统开发过程中使用到的技术点和框架，通过研究这些技术的原理后，在本设计中加以应用，包括京东超市商品评论情感信息采集的爬虫技术，数据持久化存储技术，以及基于Flask框架的系统后台技术，通过预研上述技术点并加以应用从而开发出基于Flask的京东超市商品评论情感信息分析系统。
3.1 系统可行性分析
3.1.1可行性研究
通过对系统研究目标及内容的分析审察后，提出可行性方案，并对其进行论述。主要从技术可行性出发，再进一步分析经济可行性和操作可行性等方面。
3.1.2 经济可行性
开发系统所涉及到的资料，一般是在图书馆查阅，或是在网上进行查找收集。开发过程使用到的IDE一般也是开源的，因此，开发成本是几乎为零。但是开发出来的系统，还是具有高效率，低成本，较高质量的。所以，从经济可行性的角度，该系统符合标准。
3.1.3技术可行性
从技术可行性而言，由于本人一直是计算机相关专业，在大学期间也一直学习的就是计算机和Flask相关技术，如Flask,Python,HTML等，这次毕设更是对自己的专业知识的一次实际应用，使自己对知识的理解更加深厚，因此从技术可行性而言也是没有问题的。
3.1.4 运行可行性
由于本人在日常学习的过程中也会经常使用到本文设计中所设计的计算框架，这些框架的版本都是经过本人的经验和查阅资料后确定的，另外本文使用的是个人笔记本开发，不使用大量的服务器资源，因此运行可行性是满足的。
3.1.5 时间可行性
从时间上看,由于本人很早就确立了论文的题目，因此很早就开始了基础技术的研究，有了一定的基础理论支撑，然后开发程序的时间也是足够的，并且预留了一定的时间去修复整个系统的BUG，因此从时间上来说是完全可行的。
3.2 系统实现流程
通过前面的功能分析可以将基于Flask的京东超市商品评论情感信息分析系统的研究与实现的功能主要包括用户登录、销售信息管理、数据分析等内容。后台管理是针对已登录的用户看到满意的电商销售数据分析而设计的。
（1）明确目的
在设计京东超市商品评论情感信息Flask分析平台初期需要了解如何获取京东超市商品评论情感信息原始数据是非常基础也是关键的一步。要了解Flask分析平台期望达到什么样的运营效果，从而在标签体系构建时对数据深度、广度及时效性方面作出规划，确保底层设计科学合理。
（2）数据采集
只有建立在客观真实的数据基础上，Flask计算分析的结果才有效。在采集数据时，需要考虑多种维度，比如不同厂商京东超市商品评论情感信息、不同品牌销量数据、不同价位的销量数据等等，还可以通过行业调研、用户访谈、用户信息填写及问卷、平台前台后台数据收集等方式获得。
（3）数据清洗
就对于各大京东超市商品网站或者APP平台采集到的数据而言，可能存在非目标数据、无效数据及虚假数据，因而需要过滤原始数据，去除一些无用的信息以及脏数据，便于后续的处理。
（4）特征工程
特征工程能够将原始数据转化为特征，是一些转化与结构化的工作。在这个步骤中，需要剔除数据中的异常值并将数据标准化。
（5）数据计算
在这一步我们将得到的数据存储到Flask分析平台，通过开发MapReduce程序对原始数据进行计算，将不同维度的结果存储到Mysql中。
（6）数据展示
分析结果可以通过Flask后台展示到前端界面，对于普通用户而言，只需要登录到该后台系统，就可以获取到京东超市商品评论情感信息分析后的计算结果，从而了解行业的京东超市商品情况，对于用户而言可以非常清晰的分析出各大品牌的京东超市商品情况。
3.3 系统平台架构
在任何信息系统当中有价值的数据都是必不可少的重要部分，如何通过手上的资源获取得到有价值的数据便是开发系统。首先需要考虑的问题根据系统的功能设计数据获取和处理的流程以及其实现方法都已经基本上确定获取和处理流程。
由于Flask开发需要搭建集群环境，而集群环境一般都要求位于同一局域网内的多台机器，由于多台机器从购买和维护的成本的角度上而言都是比较昂贵的，这对于普通开发者而言是一笔不小的费用，因此本文拟使用Vmware虚拟机搭建Flask集群环境。
Vmware可以提供用户开发、测试、部署新的应用程序的最佳解决方案。Vmware具有不同系统内核的多个版本的工具包镜像，如Ubuntu,CentOS等，本文选择CentOS版本的镜像，CentOS是免费的、开源的、可以重新分发的开源操作系统，是Linux发行版之一。而Flask集群即HDFS集群和YARN集群又依赖于Linux内核，因此选择CentOS版本的镜像最为合适，这样即可在独立的服务器上实现Flask集群的部署。
3.4 协同过滤分析程序设计
图3-3 京东商城电商评价数据界面
再编写完Mapper任务代码后，需要再定义一个reducer类用于处理协同过滤 过程的业务逻辑，用于统计数量，下面为协同过滤任务的主要逻辑代码。
表3-3 朴素贝叶斯算法分析任务代码
| import pandas as pdimport numpy as npfrom sklearn.model_selection import train_test_splitfrom sklearn.feature_extraction.text import CountVectorizerfrom sklearn.naive_bayes import MultinomialNBfrom sklearn.metrics import accuracy_score, confusion_matrix # 导入数据集 data = pd.read_csv('comments.csv', encoding='utf-8') # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(data['comment'], data['sentiment'], test_size=0.2, random_state=42) # 特征提取 vectorizer = CountVectorizer() X_train_vec = vectorizer.fit_transform(X_train) X_test_vec = vectorizer.transform(X_test) # 建立模型 model = MultinomialNB() model.fit(X_train_vec, y_train) # 预测结果 y_pred = model.predict(X_test_vec) # 评估模型 accuracy = accuracy_score(y_test, y_pred) confusion = confusion_matrix(y_test, y_pred) print('准确率:', accuracy)print('混淆矩阵:\n', confusion) |
4 后台系统实现
4.1 开发环境与配置
4.1.1 开发环境
本系统设计基于 B/S 架构，其中服务器包括应用服务器和数据库服务器。 这种架构模式，使用户只需要在有网络的地方即可通过浏览器访问，而不需要再安装客户端软件，交互性更强。基于Flask的京东超市商品评论情感信息分析平台使用Pycharm 集成开发工具。而系统运行配置时，选择应用 本地来部署 Web 服务器来保障平台的正常运行， 本地是Apache的核心项目，其技术先进、性能稳定并且开源免费， 因而被普遍应用 。 本系统的主要开发环境以及开发工具如表 4-1 所示。
表4-1 系统开发环境和工具
| 项目 | 系统环境及版本 |
| 硬件环境 | Windows 64 位操作系统 |
| 开发语言 | Python |
| Web服务器 | 本地 |
| 数据库 | MySql |
| 开发工具 | Pycharm |
| 项目架构 | Flask |
4.1.2 框架配置介绍
本系统使用集成开发工具 Pycharm进行开发， 由于 Pycharm中Tomcat配置详细资料有很多， 不做详细赘述， 本文主要介绍 Flask 框架配置。
4.1.3 数据库的设计
整个系统的最重要的一部分就是对数据持久层的设计，因为整个系统的每个操作，包括注册登录，查询，展示其实都是对数据库的操作，因此如何设计一个健壮，扩展性强的数据库是非常必要的。
根据功能模块的划分结果可知，本系统的用户由于使用账号和密码进行登录，因此在本系统中需要分别进行数据记录。首先根据如下6个数据实体:用户、销售信息等数据库表。
4.2 系统功能模块实现
4.2.1登录认证
当用户执行登陆操作时，后台会从前端传过来的参数中拿到用户名和密码，并查询数据库，通过findUserByName方法查询该用户的密码字段，再将查询的结果和前端传过来的密码参数字段进行比对，如果相同，则匹配成功用户直接跳转到登录成功后的欢迎界面；如果匹配失败则需提前前端继续输入正确的密码直到登录成功。用户登录具体流程如时序图如4-2所示。
一
图4-2登录认证流程图
京东超市商品评论情感信息Flask分析系统的用户登录界面如下图所4-3所示：
图4-3用户登录界面
登陆成功后，系统会成功跳转至首页，在首页中，位于上方的横栏是对本系统的基本信息的描述和欢迎登录效果，另外登录用户的用户名也会显示在首页中，可直接表明用户已成功登录。左侧则是本系统的导航菜单，可折叠展示，较为方便，右方则为欢迎页效果。京东超市商品评论情感信息Flask分析系统的首页界面如下图所4-4所示：
图4-4京东超市商品评论情感信息首页界面
4.2.2京东超市商品评论情感信息管理功能
京东超市商品评论情感信息管理功能是对京东超市商品评论情感信息进行查询，删除等操作的功能集合，京东超市商品评论情感信息管理功能使用到了京东超市商品评论情感信息表t_tv, 京东超市商品评论情感信息表t_tv的主要数据字段，结构，类型及描述如下表4-2所示。
表4-2 京东超市商品评论信息表字段
| 字段名称 | 数据类型 | 是否允许为空 | 描述 |
| id | int | 不允许 | 自增主键，唯一ID |
| title | String | 允许 | 销售标题 |
| price | String | 允许 | 销售价格 |
| brand | String | 允许 | 所属品牌 |
| model | String | 允许 | 子品类 |
| pinglun_name | String | 允许 | 评论名称 |
| comment_count | String | 允许 | 评论数 |
| url | String | 允许 | 商品详情URL |
| crawl_date | String | 允许 | 时间 |
商品评论的数据库表可以根据实际需求设计，以下是一个示例：
sql
CREATE TABLE ProductReviews (
review_id INT PRIMARY KEY AUTO_INCREMENT, -- 评论ID，主键自增长
product_id INT NOT NULL, -- 产品ID，非空
user_id INT NOT NULL, -- 用户ID，非空
review_text TEXT NOT NULL, -- 评论文本，非空
rating FLOAT NOT NULL, -- 评分，非空
review_date DATE NOT NULL, -- 评论日期，非空
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP, -- 创建时间，自动生成
updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP -- 更新时间，自动生成
);
京东超市商品评论情感信息Flask分析系统的京东超市商品评论情感信息管理功能界面如下图所4-5所示：
图4-5京东超市商品评论情感信息界面
图4-6京东超市商品评论情感信息数据管理界面
京东超市商品评论情感信息管理
功能流程功能图如图3-6所示：
图4-6京东超市商品评论情感数据功能流程图
通过“京东超市商品评论情感信息管理”按钮，进入京东超市商品评论情感信息界面，用户可以看到京东超市商品列表，例如：电商品牌、所在商铺名称、电商售价、销售数量、商品详情、销售时间的详细信息。通过此界面，用户可以对电商销售数据信息进行删除管理操作。
4.2.3京东超市商品评论情感信息看板功能
数据情感分析模块就是对我们采集和计算的分析结果的展示。数据分析模块的数据进行一个精美而又直接的展示，我们采用大屏的方式进行展示，展示数据结构分明，背景具有科技感，把相对复杂的、抽象的数据通过可视的、交互的方式进行展示，从而形象直观地表达数据蕴含的信息和规律。
京东超市商品评论情感信息看板界面如图4-7所示。
图4-7京东超市商品评论情感信息看板界面
京东超市商品评论情感信息Flask分析情感分析看板的功能较为丰富，由图可知，用户在登录本系统后，可以很清楚的读懂目前市场上的电商销售行情，如什么品牌的京东超市商品最高，那个价格区间的京东超市商品最高等等，这对用户而言是十分关注的，因此如何开发出美观的情感分析界面也是一项不可或缺的工作。本文使用了图形，表格，地图等各种方式联动数据，十分直观。另外本文使用了Echarts中地图、线条等组件，将分析结果较为直观的展示给平台用户，使得用户能够简便的获取有效的信息。
4.3 本章小结
本章主要分析了基于Flask的京东超市商品分析系统的设计与实现系统开发过程中使用到的技术和具体的实现步骤，这其中主要介绍了京东超市商品Flask分析平台的搭建环境和开发步骤，包括程序中的一些数据库配置等。前端页面采用的是HTML实现。
5系统测试
系统测试是将经过集成测试的软件，作为计算机系统的一个部分，与系统中其他部分结合起来，在实际运行环境下对计算机系统进行的一系列严格有效地测试，以发现系统潜在的问题，保证系统的正常运行[26]。
管理人员财政管理系统已经基本完成，系统已经实现的功能满足了用户和管理员的需求，为了检验系统是否能安全有效运行和查找系统存在的问题，将对系统进行全面的测试。
5.1系统测试方案
分别对用户和管理员进行测试。测试用户功能，使用新账号在系统上完成注册、登录、上传信息、进行认证、财政档案审核、加入财政档案、管理财政档案、退出登录等操作。预计可以成功的实现以上的所有操作。
测试管理员功能。登录管理员账号，对其用户测试时新用户发出的请求进行查看、审核、删除、认证等请求。并在日志中查看操作记录，成功退出登录。预计管理员测试结果能成功完成用户发送的请求并在操作日记中查看到操作记录。因为本系统需要管理员对用户认证用户才可以进行财政档案上传和加入财政档案，所以用户测试和管理员测试需要同时进行。
5.2系统测试过程
（1）使用用户名为pangzhanlong手机号18846439535密码为123123的账号进行注册，管理员可在用户列表中查看用户pangzhanlong的个人信息。
预计结果：成功注册，管理员可以看见pangzhanlong的用户信息。
测试结果：成功注册。管理员可以看见pangzhanlong的用户信息。
（2）使用户名pangzhanlong的账号进行登录。管理员使用管理员账号登录。
预计结果：用户和管理员成功登录。
测试结果：用户和管理员成功登录。
（3）用户上传自己的管理人员证照片和管理人员信息提交认证，管理员在管理人员认证页面可以收到认证信息并给予通过认证。
预计结果：成功上传信息，管理员通过认证。
试结果：成功上传信息，管理员通过认证。
（4）用户上传身份证照片和用户本人照片申请财政管理认证，管理员收到财政管理认证申请，可以查看提交的照片并通过认证。
预计结果：成功认证。
测试结果：成功认证。
（5）用户填写财政档案名为456的财政档案信息，上传财政档案文件，提交审核，管理员收到审核请求，查看财政档案信息和财政档案文件，给予审核通过。
预计结果：审核通过。
测试结果：审核通过。
（6）用户浏览其他财政档案并选择一个加入，并查看用户已加入的财政档案列表。
预计结果：加入成功，并显示在加入的财政档案列表中。
测试结果：加入成功，并显示在加入的财政档案列表中。
（7）管理员对其用户名为pangzhanlong的用户进行停用操作。
预计结果：pangzhanlong用户显示在停用名单中且不能登录。
测试结果：pangzhanlong用户显示在停用名单中且不能登录。
（8）对财政档案名为456的财政档案进行审核操作。
预计结果：在财政管理列表中财政档案名为456的财政档案状态显示已审核。
测试结果：在财政管理列表中财政档案名为456的财政档案状态显示未审核。
（9）启用用户pangzhanlong和财政档案456。
预计结果：用户pangzhanlong显示在用户列表中，财政档案456状态为正常。
测试结果：用户pangzhanlong显示在用户列表中，财政档案456状态为正常。
（10）在统计分析中可以查看以上测试的操作。
预计结果：在统计分析中可以查看到相关的操作。
测试结果：在统计分析中可以查看到相关的操作。
（11）用户pangzhanlong可以重新登录并退出，管理员退出系统。
预计结果：可以重新登录并退出，管理员成功退出。
测试结果：可以重新登录并退出，管理员成功退出。
5.3本章小结
本章主要对财政财政管理系统的各个功能进行了完整的测试，测试结果和预计结果吻合，该系统可以正常使用。
6 总结与展望
6.1 系统开发遇到的问题
（1）本系统的开发有助于那些有梦想的商品分析人员，但是本人的能力和经验有限，商品情感分析分析系统也受多种因素影响，所以本系统并不完美，日后在个人能力允许下会继续升级系统，将其更加的完善，创造更大的作用。
（2） 由于基于Flask京东超市商品评论情感信息分析平台是由本人独立开发，因此在系统设计和业务逻辑方面更多地借鉴了目前市场上较为流行的框架和技术点，包括Flask技术，很多是不熟悉没接触过的，在开发过程中不断学习新知识。另外由于本人的时间和精力的原因，在系统开发过程中有很多地方可能并不能够完全尽如人意，还有许多需要补充的功能与模块。
6.2 总结与展望
为保证有足够的技术能力去开发本系统，首先本人对开发过程中所用到的工具和技术进行了认真地学习和研究，详细地钻研了基于Python的Flask框架以及 Echarts,CSS,HTML等前端开发技术。
然后从京东超市商品评论情感信息Flask分析平台需求分析开始 ，到整体框架的设计以及各个详细功能的设计具体实现，最后基于Flask平台的京东超市商品评论情感信息分析系统的基础架构和详细功能已经大致开发完毕，并将其部署在服务器当中运行，用户可以登录使用该系统进行京东超市商品评论情感信息的筛选，同时查询Flask的分析结果。
[1] 苏德悦. 互联网融合引领作用凸显, 推动数字经济高质量发展[N]. 人民邮电,2021, 8(30): 3-4
[2] Chen T., et al. Analysis of User Needs on Downloading Behavior of EnglishVocabulary APPs Based on Data Mining for Online Comments[J]. Mathematics, 2021, 9(12): 1341-1341
[3] 赵晓丽，王晓洁，许艳丽. 基于朴素贝叶斯的商品评论情感分析系统设计与实现[J]. 计算机应用与软件, 2019,36(12):31-35
[4] 廖俊云, 黄敏学. 于酒店销售的在线产品评论、品牌与产品销量实证研究[J]. 管理学报, 2016, 13(1): 122-130
[5] Liu Wenlong, Ji, et al. Examining the Role of Online Reviews in Chinese OnlineGroup Buying Context: The Moderating Effect of Promotional Marketing[J]. SocialSciences, 2018, 7(8): 12-20
[6] Mudambi S.M, Schuff D. What Makes a Helpful Online Review? A Study ofCustomer Reviews on Amazon. Com [J]. MIS Quarterly, 2010, 34(1): 185-200
[7] 刘灵芝, 胡天娇, 肖邦明. 熟食品消费的网络评论对线上销量的影响研究——以水禽熟食产品为例[J]. 中国农业大学学报, 2018, 23(5): 208-217
[8] Zhang Z., Fu R.J.C. Accommodation Experience in the Sharing Economy: AComparative Study of Airbnb Online Reviews[J]. Sustainability, 2020, 12(24) : 105-110
[9] 赵杨, 李齐齐, 陈雨涵,等. 基于在线评论情感分析的海淘 APP 用户满意度研究[J]. 数据分析与知识发现, 2018, 2(11): 19-27
[10] 李方涛. 基于产品评论的情感分析研究. 清华大学硕士论文[D]. 2010
[11] 黄雨婷, 宋泽芳, 李元. 基于文本挖掘的股评情绪效应分析[J]. 数理统计与管理, 2021,12(17): 1-14
[12] Wang Q., Lu S., Lin J., et al. Sentiment Analysis for the Customer Feedback in theExpress Delivery Enterprise Evaluation System[J]. 2020, 9(3): 23-30
[13] Turney P.D. Thumbs Up or Thumbs Down? Semantic Orientation Applied to基于贝叶斯网络的北京市火锅餐饮消费者满意度研究
52Unsupervised Classification of Reviews[J]. Association for Computational Linguistics, 2002, 10(5): 85-94
[14] Zhang J., Zhang A., Liu D., et al. Customer Preferences Extraction for Air PurifiersBased on Fine-grained Sentiment Analysis of Online Reviews[J]. Knowledge-BasedSystems, 2021, 20(3): 228-240
[15] 辛梓铭;王芳;.基于改进朴素贝叶斯算法的文本分类研究[J].燕山大学学报,2023(01)
[16] 秦娇，李怀勇，张艳.基于深度学习的商品评价情感分析[J].计算机工程与设计，2019,40(11):3443-3448
[17] 朱俊峰，吴婷，徐博艺.基于朴素贝叶斯算法的中文商品评论情感分析[J].计算机应用与软件，2019,36(12):31-35.
致 谢
在大学的校园里，我度过了难忘的学习生活。在这期间，我从周围的老师和同学身上学到了很多知识，并且建立了深厚的感情。
四年时间过的飞快，已经到了书写自己毕业论文的节点，回想过去的四年，充满了无数的欢乐，也学习了不少专业知识，这也更加丰富了我的大学生活。因此我要我的学院里的每一位教师，是你们教会了我的专业知识，让我具有了一技之长，同时还要感谢指导老师对我毕业设计的指导。
然后，感谢给子我帮助的朋友们，是你们让我的学习生涯更加温暖，让我能更加坚定的追求自己想要的生活。两年来，我们一起相互支持彼此的信念，一起学习新的知识，起解决遇到的各种问题， 不管我们选择的道路最终是否能够达到自己的理想，但愿我们能够友谊长存。
最后，我要感谢父母，是你们培养了我。
附 录
附录正文。
250
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
