摘要：随着新能源汽车市场占有份额日益增大，从相关用户评论中挖掘用户需求及分析情感倾向十分重要，然而该领域评论复杂糅合，常用的分析方法难以实现多维度、深层次的数据挖掘，难以提炼其真实情感。针对以上问题，提出一种基于Transformer的双向编码（Bidirectional Encoder Representation from Transformers，BERT）和VADER 规则的情感分析框架，该框架由BERT模型对用户评论情感倾向进行分类预测、VADER情感词库进行情感打分，并根据最终得分结果进行综合比较分析。该情感分析框架在爬取的“汽车之家”和“爱卡汽车网”的50520条用户评论数据集上表现出良好的情感分析效果，能准确识别用户情感并体现出不同新能源汽车品牌之间的区分度，可以为企业产品改进创新和用户选择产品时提供相关建议和参考价值。
文章目录
0 引言
1 基于BERT和VADER的文本情感分析框架
1.1 基于BERT的用户评论情感分类预测
1.2 基于VADER的用户评论情感赋值
1.2.1 VADER
1.2.2 扩充VADER情感词库
2 案例分析
2.1 数据收集和预处理
2.2 用户评论情感分类预测结果
2.3 用户评论情感得分结果分析
2.3.1 VADER情感词库扩充结果
2.3.2 情感得分及排序结果
3 结论
