1请采用文本预处理方法实现文本分词、停用词处理、文本向量化可采用one-hot、TF-IDF、Word2Vev等。2采用KNN算法或者SVM算法实现文本分类。采用相关的评价分析方法：如精确率、召回率和F1值进行分析。

1. 文本预处理

文本分词：

采用jieba分词库对中文文本进行分词，将文本中的每个词语作为一个特征向量。

停用词处理：

采用stopwords中文停用词表对文本进行停用词处理，去除无意义的词语，如“的”、“了”等。

文本向量化：

采用TF-IDF方法对文本进行向量化，生成每个文本的TF-IDF特征向量。

2. 文本分类

采用SVM算法对文本进行分类，将文本分为两类：正面评价和负面评价。

使用sklearn库中的SVM模型训练文本分类器，并对测试集进行预测，计算精确率、召回率和F1值来评估分类器的性能。

结果分析：

实验结果表明，SVM模型在该数据集上表现良好，精确率、召回率和F1值均达到了较高的水平，分类器的性能优秀。