2020年在发生新冠疫情的背景下,中国经济发展滞缓,综合多方考虑全国停工停产,除了医疗物资相关的生产工作以外,百业待兴。这在不同程度上影响了企业的招聘、谈判和落地公司项目等。很多企业除了做好防疫抗疫工作以外,还纷纷启动了“线上模式”,借助互联网实现企业的招商引资以及项目推广等,使得直播带货加速成为一种新趋势。由于移动互联网技术的快速发展和微博开放、互动和低成本的特征,微博已经成为社会公众讨论问题的论坛,被社会公众称为“围观就是力量,舆论改变中国”的微博平台上存在大量的评论数据。因此,深入研究基于微博舆论场的直播带货评论数据,不仅能帮助政府和社会媒体了解大众对直播带货现象的看法,认清网络舆情走向,而且能够给直播电商行业健康可持续化发展提供指引。本文旨在运用文本挖掘技术,分析新浪微博平台上与直播带货话题有关的在线评论数据,进行情感分类和影响因素分析,了解直播带货话题的舆情走向,挖掘用户评论数据中的主题信息。本文通过Python网络爬虫技术从新浪微博移动端平台抓取时间介于2019年12月1日至2020年12月10日且话题讨论人数过万的10个话题的用户评论数据,经过文本数据清洗和表情符号转换后所得新数据集共36324条数据。本文对数据清洗后的文本进行了如下分析:首先,本文构建了适用于直播带货微博评论数据情感分类的情感词、程度副词和否定词词典,对不同词典词语赋予相应权值,计算每条语料信息的情感得分,依据情感值大小进行情感分类;其次,本文利用Snow NLP方法标记直播带货微博评论数据情感倾向,基于逻辑回归、朴素贝叶斯、支持向量机和随机森林算法对语料信息进行情感分类,依据模型评价指标评估不同模型情感分类效果。最后,基于情感分类的结果,本文采用LDA主题模型和K-Means算法对整体评论数据和三类情感倾向性文本进行聚类,研究公众关注的焦点,提取特定的情感影响因素。本文通过文本挖掘分析得到如下结论:第一,直播带货微博评论情感倾向总体以积极和消极情感倾向为主。用户对直播带货的态度呈现两级分化现象,积极情绪和消极情绪居多,中性情绪评价数据较少;第二,四种机器学习算法的分类效果不同,进行参数调优后随机森林算法的评价指标值更优,实验证明了随机森林算法更适合对微博评论进行情感分类;第三,名人效应、品牌效应、产品质量、直播内容和折扣优惠5个因素是用户关注重点。