本文建立情感倾向模型，进行文本情感倾向判断，首先，做商品评论情感分析，构建情感字典，建立情感倾向性分析模型，将小米10手机评论的情感分为积极情绪、中性情绪、消极情绪三种情感，分别占总体情绪分布的60.07%、17.91%、22.01%，
1. 情感词典构建
本文构造情感词、辅助词两个情感词典集，各个词典集之间的关系如下图所示。
图1 词典集结构关系图
首先，构造一个积极的基本情感词典，删除并合并极性为“1”的单词，记这些情感词典为“+1”，例如积极情感词典，积极评价词典和情感词汇本体。然后形成一个否定的基本情感词典，删除并合并极性为“2”的单词，记这些情感词典为“-1”，例如消极情感词典，消极评价词典和情感词汇本体。
2. 文本情感分析实现
情感倾向性将文本分为正面、负面、中性三种情感属性，通常由正、负面，以及强弱程度来衡量。本文通过中文分词处理，基于情感词典构建情感表，为每一个分词打分，从而判断判别情感倾向，文本情感分析的流程如下图所示。
图2 文本情感分析的流程图
构建情感字典后，导入情感分析表，为每一个语料评分，将小米10手机评论的情绪倾向分为正面，中性和负面情绪，其中正面，中性和负面情绪分别占总体分布的60.07%，17.91%和22.01%，以积极情绪占比最多。
统计积极情绪分布情况，其中，一般（0—10）、中度（10—20）、高度（20以上）积极情绪分别占比33.02%、16.04%、11.01%。
统计消极情绪分布情况，其中，一般（-10—0）、中度（-20—-10）、高度（-20以下）消极情绪分别占比19.40%、1.12%、0.00%。
具体分析出来的结果如下表所示：
图3 情绪分布玫瑰图
积极情绪分段统计结果如下：
图4 积极情绪分布玫瑰图
消极情绪分段统计结果如下：
图5 消极情绪分布玫瑰图
