1. 研究目的与意义
近年来，中国对外贸易总体呈现平稳增长的态势，同时电商规模在扩大，网络购物成为消费的主要渠道，中国商品可以借助外贸电商平台走出去，得到世界的认同。
而电商企业想要在竞争激烈的环境中生存下去，商品选择作为第一步至关重要。
如今面对海量数据，没有一套科学的方案来指导选品，让电商企业选品无从下手，所以如何选择适销对路的商品是一个外贸电商企业发展亟待解决的问题。
2. 课题关键问题和重难点
【关键问题】1. 基于对评论分析的外贸电商选品，确定需要采集的字段，主要包括：主流外贸电商网站上的在线评论和部分商品信息；2. 对采集的字段，进行文本预处理和情感词典的构建,再按照先后顺序分别针对商品品类和商品属性进行情感分析；3. 其次基于对销量预测的外贸电商选品目标的理解,确定需要采集的学段,即主流外贸电商网站上的商品信息，进行数据预处理，通过描述性和相关性分析，确定影响销量的因素；4. 构建ＡＲＩＭＡ－ＢＰ神经网络组合预测模型进行销量预测，将销量预测结果对选品的影响进行分析和评估；5.以某某商店为例，运用PYTHON工具，进行销量预测，并为其选择适合销售的商品，将数据带入组合预则模型中进行商品销里预则,分析预则结果并进行层层可视化展示。
【难点】1.理解情感分析的意义，如何进行情感分析。
2.构建ARIMA-BP神经网络组合预测模型进行销量预测3如何运用python技术进行销量预测4.可视化界面的设计
3. 国内外研究现状（文献综述）
电商选品在电商环境中为选品提供必要的支持和科学的指导，提出了一种产品排序和选择的方法，基于在线评论进行了商品属性和情感词的提取，利用随机占优准则对商品进行选择。
主要针对想在亚马逊平台上开店的商家，提供了亚马逊平台现有的三种站内选品方法：分析亚马逊平台上相关商品排行榜、利用亚马逊平台搜索关键词以及对比平台上相同商品的不同在线评价。
评论情感分析主要针对在线评论研究了属性词提取和情感分析。
4. 研究方案
1.基于对通过情感分析和销量预测进行选品的目标的理解，首先进行抓取字段的设计2.然后以网络爬虫的形式对几个主流外贸电商网站的商品数据进行采集。
接下来进行文本预处理：3.首先以商品类别为划分维度，为每种品类的商品进行粗粒度的情感倾向计算，其次在每类商品下，以每件商品基于每个属性进行细粒度的情感分析：再次构建ＡＲＩＭＡ－ＢＰ神经网络组合销量预测模型4.最后对得到的基于在线评论情感分析选品结果进行层层可视化展示和将数据带入组合预测模型中进行层层可视化展示
5. 工作计划
12月8日12月14日了解学生的相关信息、爱好以及能力，为该生提供三个候选毕业课题，让其思考；12月15日12月21日 定题，确定课题的目标，指出在毕业设计完成的过程中要注意的事项；12月22日12月28日 确定课题的功能需求，下达任务书；12月29日01月04日 布置英文文献的翻译工作，给出文献翻译的格式要求及注意事项；01月05日01月11日 完成系统所需的技术平台进行讨论，确定最终的技术、平台以及数据库方案；01月12日01月18日 要求完成系统架构图后着手进行系统代码的编写；01月19日02月22日检查了系统设计的情况，并且交流在系统初步设计中遇到的软件系统平台兼容问题和解决方案；02月23日02月28日 完成开题报告的撰写；02月29日03月07日 检查系统并完成翻译的工作；03月08日03月21日 检查系统设计情况，解决设计中的功能逻辑问题；03月21日03月28日 进行系统中期检查，并商讨论文的撰写内容以及论文的格式要求；03月29日04月18日 检查系统的设计情况，检查论文的撰写04月18日04月30日 准备答辩材料，并在系统中提交所需材料；
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
