最后，针对电商平台提出改进意见，改进小米10手机信号差、手机发热的缺点，建立完整的售后服务体系，提高服务质量，增加用户体验，并且改善商品客户反馈机制，降低商品投诉门槛，使得有意见可以反馈，发现问题可以及时解决。
1
研究结论
本文主要挖掘了小米京东旗舰店内十款热销的手机文本评论信息，首先抓取十款热销小米手机的文本评论数据，抽取小米10手机的评论数据，以小米10手机的评论数据作为研究；文本数据预处理后，对文本数据做情感分析，将小米手机的文本评论分成正面评价、负面评价和中性评价三部分；对情感分类后的文本进行语义网络分析，绘制语义网络图，可视化评论主题与评论对象之间的语义关系。
然后对小米10手机评论的正面评价和负面评价文本数据做LDA主题模型分析，提取潜在主题，从不同的潜在主题中，发现小米10手机的优势和劣势；并用TF-IDF方法，提取小米10手机的最优属性。
最后，应对小米10手机产品的优势与不足，提出改进建议，优化运营模式，在保留产品优质性能的情况下，对于相关问题进行优化。
2
相关建议
通过文本挖掘分析，对于小米京东旗舰店电商平台提出以下建议：
（1）在保持小米10手机屏幕大、运行速度快、拍照好等优点的基础上，对小米进行改进，改进其信号差、手机发热的缺点，从整体上提升该手机的质量。
（2）建立完整的售后服务体系，提高服务质量，增加用户体验，从而使商品更有竞争力，以此在大品牌的竞争中凸显优势
（3）改善商品客户反馈机制，降低商品投诉门槛，使得有意见可以反馈，发现问题可以及时解决。
3
不足与展望
本文使用情感倾向性分析、语义网络、LDA主题模型、TF-IDF属性提取多种文本挖掘技术和方法，分析用户的情感倾向以及挖掘商品的属性。但是，本文没有与其他主题模型和属性提取的方法作对比，验证模型的准确率。
同时，本文仅对京东电商的品牌挖掘和分析，没有与其他电商如天猫、亚马逊的品牌做对比，挖掘的品牌信息不完全，且爬取的文本数据信息量较少，这是本文不足，在接下来的研究中，会爬取更多的商品评论数据，改进模型，验证准确率，以期望获取更加精确的结果。
