基于文本挖掘的电商在线评论情感分析研究
发布时间：2023-04-20 01:44
电商在线评论蕴含的情感态度对于企业具有重要价值。大量的评论信息中包含着消费者对于产品或店铺等方方面面的评价,这些信息不仅是其他潜在消费者决定是否购买产品的重要参考,也是产品生产商把握消费者喜好和消费趋势,快速找到用户需求和改进方向,提升产品核心竞争力,不断研发符合消费群体预期的新产品的重要信息来源。同时,当下科技发展早已不同往日,产品迭代更新迅速,不停的有旧产品被淘汰,又有新产品出现,在这个竞争日益激烈的市场环境下,只有保证产品满足客户需求才能获得稳定的成长,而通过传统的用户反馈调研等方法来谋求产品改进已经不能完全满足当下的需要,通过充分挖掘利用大数据时代下的巨量信息,更能把握关键。论文以电商平台手机产品的在线评论文本为研究对象,在消费者主权理论与购买决策理论等理论基础上,运用网络爬虫、Word2vec词向量化、情感词典等方法构建了手机产品在线评论的评价指标,并通过主成分分析与多元线性回归分析验证方法有效性,通过结合评价指标,对手机评论文本的挖掘,分析得出消费者对于产品的需求并对企业提出相关建议。论文主要研究工作内容如下:首先,论文诠释了文本挖掘的定义,梳理了文本挖掘的三个发展阶段,总...
【文章页数】：102 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 研究思路和内容
1.2.1 研究思路
1.2.2 研究内容
1.3 技术路线与研究方法
1.3.1 研究技术路线
1.3.2 研究方法
1.4 创新点
第二章 相关理论基础与研究综述
2.1 相关理论基础
2.1.1 消费者主权理论
2.1.2 消费者购买决策理论
2.2 文本挖掘研究
2.2.1 文本挖掘的定义
2.2.2 文本挖掘的发展
2.2.3 文本挖掘的一般步骤
2.3 电商在线评论情感分析研究
2.3.1 电商在线评论研究
2.3.2 文本情感分析研究
2.3.3 基于情感分析的电商在线评论研究
2.4 本章小结
第三章 相关技术方法介绍及选择
3.1 文本分词
3.1.1 中文分词方法
3.1.2 中文分词工具
3.2 词向量工具
3.2.1 one-hot编码
3.2.2 Word2vec词向量
3.3 Kmeans聚类
3.3.1 聚类原理
3.3.2 聚类步骤
3.4 主成分多元线性回归分析
3.4.1 主成分分析法
3.4.2 多元线性回归分析
3.5 本章小结
第四章 基于手机产品领域词典构建的情感分析
4.1 数据的获得与处理
4.1.1 数据获得
4.1.2 数据处理
4.2 初始词典的构建
4.2.1 知网词典
4.2.2 TSING词典
4.2.3 NTUSD词典
4.2.4 大连理工大学中文情感词汇本体库
4.3 基于Word2vec和 Kmeans聚类的词典扩充
4.3.1 Jieba分词
4.3.2 Word2vec模型设置、训练及保存
4.3.3 Kmeans聚类
4.3.4 词典扩充
4.4 情感分值计算
4.4.1 短句分词及有用性短语
4.4.2 词典赋值
4.4.3 情感值计算规则
4.4.4 情感值计算编程及实现
4.5 本章小结
第五章 基于情感分值的手机产品评价指标构建与验证
5.1 情感评价指标的构建
5.1.1 满意度指标
5.1.2 关注度指标
5.1.3 待改进度指标
5.1.4 情感方差指标
5.2 产品属性主成分分析
5.2.1 数据标准化
5.2.2 相关性分析
5.2.3 主成分分析
5.3 多元线性回归分析验证
5.3.1 回归方程系数求解
5.3.2 回归方程预测验证
5.4 本章小结
第六章 基于52款手机的情感评价指标分析与对策建议
6.1 指标可视化分析
6.1.1 52款手机总体指标分析
6.1.2 高中低档手机评价指标分析
6.1.3 社会网络图分析
6.2 基于指标可视化分析的产品改进建议
6.2.1 产品策略
6.2.2 营销策略
6.3 本章小结
第七章 总结与展望
7.1 研究总结
7.2 研究展望
参考文献
攻读硕士学位期间发表的学术论文及取得的相关科研成果
致谢
本文编号：3794632
【文章页数】：102 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 研究思路和内容
1.2.1 研究思路
1.2.2 研究内容
1.3 技术路线与研究方法
1.3.1 研究技术路线
1.3.2 研究方法
1.4 创新点
第二章 相关理论基础与研究综述
2.1 相关理论基础
2.1.1 消费者主权理论
2.1.2 消费者购买决策理论
2.2 文本挖掘研究
2.2.1 文本挖掘的定义
2.2.2 文本挖掘的发展
2.2.3 文本挖掘的一般步骤
2.3 电商在线评论情感分析研究
2.3.1 电商在线评论研究
2.3.2 文本情感分析研究
2.3.3 基于情感分析的电商在线评论研究
2.4 本章小结
第三章 相关技术方法介绍及选择
3.1 文本分词
3.1.1 中文分词方法
3.1.2 中文分词工具
3.2 词向量工具
3.2.1 one-hot编码
3.2.2 Word2vec词向量
3.3 Kmeans聚类
3.3.1 聚类原理
3.3.2 聚类步骤
3.4 主成分多元线性回归分析
3.4.1 主成分分析法
3.4.2 多元线性回归分析
3.5 本章小结
第四章 基于手机产品领域词典构建的情感分析
4.1 数据的获得与处理
4.1.1 数据获得
4.1.2 数据处理
4.2 初始词典的构建
4.2.1 知网词典
4.2.2 TSING词典
4.2.3 NTUSD词典
4.2.4 大连理工大学中文情感词汇本体库
4.3 基于Word2vec和 Kmeans聚类的词典扩充
4.3.1 Jieba分词
4.3.2 Word2vec模型设置、训练及保存
4.3.3 Kmeans聚类
4.3.4 词典扩充
4.4 情感分值计算
4.4.1 短句分词及有用性短语
4.4.2 词典赋值
4.4.3 情感值计算规则
4.4.4 情感值计算编程及实现
4.5 本章小结
第五章 基于情感分值的手机产品评价指标构建与验证
5.1 情感评价指标的构建
5.1.1 满意度指标
5.1.2 关注度指标
5.1.3 待改进度指标
5.1.4 情感方差指标
5.2 产品属性主成分分析
5.2.1 数据标准化
5.2.2 相关性分析
5.2.3 主成分分析
5.3 多元线性回归分析验证
5.3.1 回归方程系数求解
5.3.2 回归方程预测验证
5.4 本章小结
第六章 基于52款手机的情感评价指标分析与对策建议
6.1 指标可视化分析
6.1.1 52款手机总体指标分析
6.1.2 高中低档手机评价指标分析
6.1.3 社会网络图分析
6.2 基于指标可视化分析的产品改进建议
6.2.1 产品策略
6.2.2 营销策略
6.3 本章小结
第七章 总结与展望
7.1 研究总结
7.2 研究展望
参考文献
攻读硕士学位期间发表的学术论文及取得的相关科研成果
致谢
本文编号：3794632
本文链接：https://www.wllwen.com/jingjilunwen/gongyejingjilunwen/3794632.html
