电商产品文本评论数据的情感购买决策分析

发布时间：2022-09-30 20:33

　　随着电商行业的迅猛发展,顾客在网上购物也十分流行和频繁,所以线上销售也成为广大商家销售的一种重要手段。目前基本上电商平台都设置了评论系统,用户可以在系统中表达对商品的体验效果,而且电商平台每天都会产生大量的交易数据和用户评论数据,其中包含很多有价值的信息,因此消费者的文本评论数据的信息挖掘,很有可能有效地驱动商家的业务增长,从而为商家和平台制定新的营销策略或者产品改善方面提供宝贵意见。本文对天猫电商平台上的海尔、科沃斯、美的、石头、飞利浦和小米这6个品牌的扫地机器人的评论数据进行深入的分析。通过八爪鱼爬虫软件对2018年12月8日之前的评论数据的相关信息进行爬取,并用python软件对文本数据进行预处理等工作,包括文本去重、短句删除、中文分词,过滤停用词等等,利用处理后的文本评论数据分析各品牌用户评论的情感倾向,并把文本评论数据分为积极、中性以及负面三大部分,将其中的积极和负面评论进行LDA主题模型分析,提取相对应的主题以及高频特征词,从而对产品进行评价。同时通过机器学习和自然语言处理的方法,在建立成对比较矩阵的方面,不会过分依赖决策人的主观判断,更加客观的得到分词的指标和权重,最后利... 

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 引言
    1.1 研究问题的背景和意义
    1.2 研究现状
    1.3 本文研究的主要内容
第2章 文本处理和情感分析的预备知识
    2.1 文本数据预处理
        2.1.1 文本去重
        2.1.2 中文分词
        2.1.3 基于语义网络的评论分析
    2.2 基于LDA主题模型的分析
        2.2.1 主题模型介绍
        2.2.2 主题模型的估计
    2.3 层次分析法
    2.4 模糊综合评判
第3章 评论数据采集及预处理
    3.1 评论数据的采集过程和结果
    3.2 预处理的实现和结果
    3.3 基于语义网络的情感倾向性分析
    3.4 本章小结
第4章 基于LDA模型的主题分析
    4.1 飞利浦产品的主题分析
    4.2 海尔产品的主题分析
    4.3 科沃斯产品的主题分析
    4.4 美的产品的主题分析
    4.5 石头产品的主题分析
    4.6 小米产品的主题分析
    4.7 本章小结
第5章 基于AHP-FCE模型的购买者决策分析
    5.1 确定指标和权重
    5.2 购买决策分析
    5.3 本章小结
第6章 总结与展望
    6.1 论文总结
    6.2 未来展望
参考文献
致谢


【参考文献】：
期刊论文
[1]基于情感分析和关系网络的影视产品评论数据文本挖掘研究[J]. 李旭,于卫红.  情报探索. 2018(04)
[2]基于情感分析的LDA模型在在线评论中的运用[J]. 黄苏雨.  现代营销(下旬刊). 2018(01)
[3]基于LDA的可穿戴设备在线评论主题挖掘研究[J]. 吴江,周露莎,刘冠君,贺超城.  信息资源管理学报. 2017(03)
[4]基于贝叶斯模型的微博网络水军识别算法研究[J]. 张艳梅,黄莹莹,甘世杰,丁熠,马志龙.  通信学报. 2017(01)
[5]知识图谱视角下的MOOC教学优化研究[J]. 陆星儿,曾嘉灵,章梦瑶,郭幸君,张婧婧.  中国远程教育. 2016(07)
[6]基于情感分类的文本主题挖掘[J]. 陈国良,唐万梅.  重庆师范大学学报(自然科学版). 2016(01)
[7]基于Simhash算法的大规模文档去重技术研究[J]. 余意,张玉柱,胡自健.  信息通信. 2015(02)
[8]基于LDA模型和微博热度的热点挖掘[J]. 唐晓波,向坤.  图书情报工作. 2014(05)
[9]基于LDA的网络评论主题发现研究[J]. 阮光册.  情报杂志. 2014(03)
[10]中文短文本去重方法研究[J]. 高翔,李兵.  计算机工程与应用. 2014(16)

硕士论文
[1]电商空调产品的评论数据情感分析[D]. 杨瑞欣.山西大学 2017
[2]电子商务网络水军的智能识别研究[D]. 杨珂.北京工商大学 2015
[3]汽车评论情感分析系统的设计与实现[D]. 张爱莲.西安电子科技大学 2013
[4]面向海量短文本去重技术的研究与实现[D]. 杨虎.国防科学技术大学 2007



本文编号：3684230