随着国民文化自信、民族自信全面增强,传统文化的再次活跃引发“国潮热”。在这股“国潮热”下,外来国际品牌前进的脚步并没有停下,严峻的市场竞争促使国内运动品牌不得不再次思考如何在国内市场“站稳脚跟”,提高自身的竞争力。在线评论是一个低成本获取用户反馈的渠道,通过评论内容,可以获取用户对商品各个属性的情感倾向,可以为消费者购物提供参考和帮助商家提高产品质量。因此本文选取了国内运动品牌代表李宁和国际运动品牌代表斯凯奇,爬取了京东商城和淘宝平台的在线评论数据,运用文本分析的方法,对李宁品牌和斯凯奇品牌鞋类商品用户评论进行情感分类,并进行深入的主题挖掘,对各品牌进行主题满意度分析,并对李宁品牌提出建议,具有一定的实际意义。本文一共分为五个部分:第一部分交代了研究背景,阐述了国内外学者目前对主题模型、情感分类以及满意度分析的研究方向和分析方法。第二部分详细说明了文本分词技术、词向量化技术、主题模型以及TextCNN、LSTM神经网络原理和结构,为后面模型的构建做好理论准备。第三部分说明了鞋类商品在线评论数据集的来源,并分别对京东和淘宝平台的数据集进行基本的描述性分析;运用过采样方法SMOTE和数据增广技术EDA分别处理不平衡数据集,结合TextCNN、LSTM神经网络方法分别构建不同文本增强策略下的分类模型,对京东商城的评论文本进行情感分类,并根据评价指标选取最优模型对淘宝平台的无标签评论文本进行分类预测。第四部分利用GSDMM主题模型对李宁品牌和斯凯奇品牌的鞋类商品进行深入的主题挖掘,得出不同主题的情感得分;根据主题特征词和线上购物的特点,将同一类别的子主题进行归纳,从综合满意度和母主题满意度出发,对两个品牌进行分析。第五部分是结论与建议,根据前面几个部分的理论及实证分析,对李宁品牌提出建议。根据研究发现,第一,消费者普遍关注鞋类商品的外观颜值、尺码大小、做工质量等方面;第二,针对本文不平衡数据集,得出EDA方法下的TextCNN模型的分类效果最好;第三,基于主题满意度分析得出,李宁品牌鞋类商品在做工质量、外观设计、商品价格、商品尺码、商品物流和国潮效应等主题上的得分均高于0.9;斯凯奇品牌鞋类商品在商品物流和客服服务上的主题得分低于0.8。接着,从商品质量、商品价格、客服服务三个方面对李宁品牌提出建议。最后,在数据集的选择、模型的优化等方面提出了未来的展望。