摘要： 【目的/意义】准确挖掘消费者在线评论情感倾向，对于改善商家服务具有重要意义，而情感倾向预测的准
确性仍需提高。【方法/过程】文中设计基于集成学习的在线评论情感分类算法，即以N-gram算法分析在线评论词
语特征，结合情感词典构造文本特征，利用逻辑回归、Light GBM等机器学习方法为基础的集成学习进行训练，实现
在线评论情感分类。【结果/结论】实现了评论的情感倾向预测，在电脑评论数据集，较之于经典的SVM算法和无监
督类算法，该模型的分类衡量指标F1值分别提高了10%到30%不等。同时，在酒店、图书等不同领域的数据集上显
示，该方法的分类准确性仍具有上述效果，证明了该方法具有领域移植性。