互联网技术的不断进步充分带动了电子商务的迅猛发展,越来越多的人倾向于在网络上购物。在购买完商品后,消费者往往都会在各大电商网站上发表用户在购买商品后能够自由地发表使用感受及满意度等,使得各大交易网站上均出现了大量的在线评论。作为一种新兴的网络交流手段和平台,在线评论对于商品销售而言具有巨大的影响作用。然而,当前许多学者在研究商品销量影响因素时往往只关注了在线评论数、评论可读性等相关变量,并未从商品特征和商家反馈这两个角度去进行详细考虑。基于此,本文以天猫商城中游戏本商品为基础,先后对商品的属性特征及其对应情感强度以及商家的反馈类型进行了研究与验证,并在此基础上构建计量模型,分析这两方面因素对于商品销量的影响。本文的主要研究内容及成果如下:(1)提出了一种基于句法分析和深度学习的细粒度情感分析方法,用于从在线评论中提取商品的属性特征及对应情感词。在特征提取方面,该方法将基于高频名词的属性提取方法与基于语义关系的属性提取方法结合在了一起,并根据词向量模型对属性词进行语义相似度计算,运用聚类分析的方法将各个属性词划分到对应类别当中;在情感词发现方面,该方法基于情感词典及词向量模型,从在线评论文本中获取对应的隐性情感词,并根据语义依存关系对商品各个属性特征上的情感强度计算。从方法论的角度出发,该方法能够获取在线评论中更深层次的细粒度信息,不但增加了对语义依存关系的考虑,使得在属性词的选择上更为全面和准确,而且运用词向量的方式计算语义相似度,所得结果更为精准。(2)运用概率主题建模的方法对商家反馈的类型进行了验证。本研究运用LDA模型,从商家反馈数据中提取有意义的主题,并通过对所选各个主题中关键词的分析,将其归类到对应的商家反馈类别当中。根据所得结果可发现,在现实网络环境中,商家反馈大多为感激、道歉和解释这三种类型,而补偿类的商家反馈则几乎不存在。通过运用机器学习的方法验证商家反馈的几种常见类别,本研究从新的角度对商家反馈进行了更为细致的分析,为针对商家反馈的相关研究提供了新的视角。(3)对商品属性特征及商家反馈类型对于商品销量的影响作用进行了探究。在构建了以购买价格、在线评论数、商家反馈数为自变量,商品销量为因变量的计量模型的基础上,本研究先后将各个商品特征属性及商家反馈类型作为自变量引入到模型当中,探究其对于商品销量的影响。研究结果表明,在线评论数对于商品销量具有显著的正向作用,商家反馈数对于商品销量具有显著的负面作用,而购买价格对于商品销量则不具备显著影响;对于商家反馈类别而言,道歉、解释和感激三种不同类型的商家反馈都对商品销量具有显著的正向影响,其中道歉的影响作用最大,解释次之,感激的作用最小;对于商品属性特征而言,并非所有商品属性特征都会显著影响商品销量。以本研究所选取的游戏本商品为例,散热/声音、电池续航、硬件、屏幕这四项特征对商品销量不存在显著作用,而其他商品属性则会对商品销量具有显著的正向影响。