我的工程实践题目是基于情感词典的文本情感分析，下面是以我的工程实践为例，对业务进行建模的用例图。由参与者（Actor）、用例（Use Case），边界以及它们之间的关系构成的用于描述系统功能的视图。Include为用例之间包含关系，extend为用例之间扩展关系。
我的工程实践主要是以购物评论作为数据集进行分析。对购物评论进行情感分类，就是按照评论文本所表达的情感倾向进行分析、处理、归纳和推理 ，判别评论中用户想要表达的观点 、喜好、感受以及对商品或者商家服务的态度 ，进而为用户提供更有效和更可靠的商品信息，辅助用户做出合理的决策，提高网上购物效率和服务质量。目前，针对评论文本情感分类的研究主要是将购物评论分为两类，即正向情感评论和负向情感评论。也有部分研究是将其分为三类，即正向情感评论、负向情感评论和中性情感评论。购物评论的情感分类研究属于文本情感分类研究的一个分支。
主要的高级用例（High level use case）为获取数据集，构建情感词典，情感分析。
获取数据集Expanded use case：爬虫抓取，通过API接口获取，以及下载公开数据集。
构建情感词典Expanded use case：使用的是一种基于情感词典与机器学习中 SVM 分类技术相结合的电影评论文本情感分析方法。首先，构造基础情感词典、领域情感词典、否定词词典和程度副词词典，四部词典相结合实现了对词典的扩充；其次，通过计算情感权值与用户评分相结合的方式构造 SVM 模型训练集。
情感分析Expanded use case：通过细化补充语义规则，基于计算情感词权值的方法，基于情感词典的机器学习方法等方法，进行情感分析。