曹軍　王虎

摘 要：以“百度外賣”和“美團(tuán)外賣”上的用戶差評(píng)評(píng)論為研究對(duì)象，通過利用Word2vec工具對(duì)差評(píng)評(píng)論特征詞匯進(jìn)行聚類，發(fā)掘外賣用戶差評(píng)影響因素。在經(jīng)過評(píng)論抓取、分詞、特征詞發(fā)掘、關(guān)鍵詞選取以及基于Word2vec的聚類過程后，最終得到用戶差評(píng)影響因素，并針對(duì)影響因素對(duì)外賣商家經(jīng)營(yíng)提出了建議。

關(guān)鍵詞：差評(píng)影響因素；詞語聚類；Word2vec

中圖分類號(hào)：F27

文獻(xiàn)標(biāo)識(shí)碼：A

doi：10.19311/j.cnki.16723198.2017.02.027

外賣行業(yè)隨著互聯(lián)網(wǎng)的不斷發(fā)展，逐漸成為普通人用餐的一種重要方式。2015年，中國餐飲O2O市場(chǎng)規(guī)模為1615.5億元，占餐飲行業(yè)總體的比重為5.0%，預(yù)計(jì)2018年餐飲O2O市場(chǎng)將達(dá)到2897.9億元。在現(xiàn)代電子商務(wù)中，買家因?yàn)閷?duì)服務(wù)不滿意而給出的評(píng)價(jià)即為差評(píng)。本文通過分析用戶差評(píng)評(píng)論，使用TF-IDF方法挖掘用戶差評(píng)文本中的關(guān)鍵詞匯，再利用Word2vec方法對(duì)關(guān)鍵詞匯進(jìn)行聚類，從商家視角出發(fā)發(fā)掘用戶差評(píng)影響因素，為商家改善自身服務(wù)提供建議。

1 網(wǎng)上評(píng)論的抓取

“餓了么”、“美團(tuán)外賣”和“百度外賣”是中國領(lǐng)先的在線外賣平臺(tái)，根據(jù)比達(dá)咨詢發(fā)布的2016年第二季度中國第三方餐飲外賣市場(chǎng)研究報(bào)告，2016年第二季度中國外賣平臺(tái)市場(chǎng)份額主要由這三家外賣平臺(tái)瓜分，其中，“餓了么”以36.7%的市場(chǎng)份額領(lǐng)跑，“美團(tuán)外賣”市場(chǎng)份額為29.0%，“百度外賣”以19.9%的市場(chǎng)份額排名第三。

通過對(duì)三家外賣平臺(tái)的用戶評(píng)論進(jìn)行閱讀，發(fā)現(xiàn)只有“美團(tuán)外賣”和“百度外賣”明確對(duì)“差評(píng)”進(jìn)行了歸類，并且可以抓取到“差評(píng)”類別下的所有用戶評(píng)論，而“餓了么”平臺(tái)并未對(duì)“差評(píng)”評(píng)論進(jìn)行歸類。所以，本文選取“美團(tuán)外賣”和“百度外賣”平臺(tái)作為研究對(duì)象。

利用Java語言設(shè)計(jì)了基于Html標(biāo)簽的網(wǎng)絡(luò)爬蟲程序，通過該程序抓取了“美團(tuán)外賣”、“百度外賣”2家外賣平臺(tái)旗下5大類（早餐類、正餐類、甜品飲品類、夜宵類、其他類）、每類10家典型店鋪的10條差評(píng)評(píng)論，共1000條評(píng)論。為了保證評(píng)論文本能夠被特征項(xiàng)充分表示，獲得最佳的數(shù)據(jù)處理效果，將抓取出的所有文本合并為一個(gè)文檔來進(jìn)行研究。

2 數(shù)據(jù)處理

數(shù)據(jù)預(yù)處理是指對(duì)原始文本數(shù)據(jù)做初級(jí)處理，形成可以表征文本含義的特征詞匯。在生成特征詞匯之前，需要對(duì)原始語料進(jìn)行分詞處理。本文采用中科院計(jì)算技術(shù)研究所設(shè)計(jì)的分詞程序?qū)υu(píng)論語料進(jìn)行分詞處理，在完成去除重復(fù)詞、停用詞、語氣詞等一系列預(yù)處理后，形成了初步的特征詞簇。

經(jīng)過數(shù)據(jù)預(yù)處理后，得到的特征詞匯較多，為了找到可以充分表征評(píng)論語句含義的關(guān)鍵詞匯，采用TF-IDF法計(jì)算詞匯權(quán)重，并根據(jù)權(quán)重大小提取關(guān)鍵詞匯。

TF-IDF是一種統(tǒng)計(jì)方法，用以評(píng)估字、詞對(duì)于一個(gè)文件集或一個(gè)語料庫中的其中一份文件的重要程度，TF意味詞頻，IDF意味逆文檔頻率。根據(jù)TF-IDF的思想，詞匯的代表性和它在文件中出現(xiàn)的次數(shù)成正比，與它在語料庫中出現(xiàn)的頻率成反比下降，TF-IDF算法如公式（1）、（2）和（3）。

其中，tfi，j表示特征詞在評(píng)論語料集中出現(xiàn)的頻率，D表示語料庫文件總數(shù)，{j：ti∈dj}表示語料庫中包含該特征詞的文件數(shù)目。

為了提取出評(píng)論中的關(guān)鍵詞匯，引入國家語委現(xiàn)代漢語平衡語料庫進(jìn)行對(duì)比研究，采用TF-IDF方法計(jì)算數(shù)據(jù)源文檔中經(jīng)過數(shù)據(jù)預(yù)處理的詞匯的TF-IDF值。經(jīng)過對(duì)計(jì)算結(jié)果進(jìn)行分析，設(shè)定閾值為0.002，進(jìn)行過濾處理，得到經(jīng)過初步篩選后的70個(gè)關(guān)鍵詞，接下來本文將利用Word2Vec工具對(duì)關(guān)鍵詞進(jìn)行聚類。

3 基于Word2vec的關(guān)鍵詞聚類

3.1 Word2vec工作原理

Word2vec是谷歌在2012年實(shí)現(xiàn)的開源語言建模工具，主要用于自然語言處理領(lǐng)域。該工具使用連續(xù)的bag-of-word模型，以及計(jì)算詞向量的skip-gram結(jié)構(gòu)。Word2vec將文本集作為輸入，將每個(gè)詞對(duì)應(yīng)的生成向量作為輸出，通過生成的詞向量，可以計(jì)算與用戶指定詞語之間的距離（相似度）。它以文本預(yù)料作為輸入，通過訓(xùn)練生產(chǎn)每個(gè)詞匯對(duì)應(yīng)的詞向量，可以根據(jù)詞向量計(jì)算兩個(gè)詞的相似程度。例如，用戶輸入“味道”，Word2vec工具可以分析出與“味道”詞義相近的詞匯，并給出表征相似程度的數(shù)值。

Word2vec利用Skip-Gram算法進(jìn)行詞向量分析。Skip-Gram算法根據(jù)當(dāng)前單詞預(yù)測(cè)語境。Skip-gram算法目標(biāo)是尋找參數(shù)集合θ，使得下式所示條件概率的乘積最大化：

argmaxθ∏w∈Text∏c∈C（w）p（c|w；θ）（4）

其中，θ是模型參數(shù)，w表示文本詞匯，Text是文本詞匯集合，C（w）表示在文本詞匯集合Text中，詞匯w出現(xiàn)過的語境包含的詞匯的集合；c表示語境中的詞匯，c∈C（w）；p（c|w）表示當(dāng)w出現(xiàn)時(shí)，某一語境c出現(xiàn)的概率；

Skip-Gram算法認(rèn)為，通過最大化如公式（4）所示的條件概率，使得單詞和語境之間的對(duì)應(yīng)關(guān)系最大化，而滿足條件概率最大化的單詞矢量，也就成為了單詞語義的合理表示。Word2vec利用上述原理對(duì)詞匯進(jìn)行矢量化，并據(jù)此計(jì)算詞匯之間的相似度。

3.2 利用Word2vec進(jìn)行聚類分析

Word2vec需要運(yùn)行在Linux環(huán)境中。將評(píng)論文本語料庫文件，放入Word2vec目錄下，并修改demo-word.sh文件，設(shè)置詞向量維數(shù)為200，采用skip-gram模型進(jìn)行機(jī)器學(xué)習(xí)。運(yùn)行命令sh demo-word.sh后，等待訓(xùn)練集完成，模型訓(xùn)練完成之后，可以得到vectors.bin詞向量文件，利用./distance命令計(jì)算詞語間的cosine相似度，再根據(jù)詞匯間相似度進(jìn)行聚類。

設(shè)定聚類類別個(gè)數(shù)為-classes為10類，使用./word2vec-train word.txt -output classes.txt -cbow 0 -size 20 -window 5 -negative 0 -hs 1 -sample 1e-3 -threads 12 –classes10 進(jìn)行聚類分析。命令各字段的含義如表1所示。

運(yùn)行上述命令后，可以得到聚類結(jié)果。分析聚類結(jié)果，發(fā)現(xiàn)TF-IDF值和排名前5的詞匯聚簇如表2所示。

根據(jù)word2vec進(jìn)行聚類分析的結(jié)果，發(fā)現(xiàn)消費(fèi)者給予差評(píng)的原因主要是在配送速度，食品味道、食品衛(wèi)生、服務(wù)態(tài)度以及食品分量等方面對(duì)商家感到了不滿意。

3.3 聚類結(jié)果分析

通過利用word2vec工具對(duì)餐飲O2O用戶差評(píng)語料進(jìn)行數(shù)據(jù)挖掘和數(shù)據(jù)分析，發(fā)掘了用戶給予差評(píng)的主要原因，針對(duì)上述原因，我本文為餐飲O2O行業(yè)提出以下建議：

聚類結(jié)果表明，與傳統(tǒng)餐飲行業(yè)不同，配送速度是影響用戶用餐體驗(yàn)的最關(guān)鍵因素。餐飲O2O行業(yè)與傳統(tǒng)食品行業(yè)最大的區(qū)別在于，餐飲O2O行業(yè)多了配送環(huán)節(jié)，而食品在保溫、保鮮方面對(duì)于時(shí)間間隔要求比較苛刻，因此消費(fèi)者對(duì)配送時(shí)間有著較高的要求。商家應(yīng)當(dāng)制定科學(xué)的配送方案，同時(shí)和第三方配送機(jī)構(gòu)展開積極合作，保證食品盡快配送到位。第二個(gè)因素是食品味道。食品的根本在于口味，因此商家應(yīng)當(dāng)注重提高食品質(zhì)量，加大食品、菜品創(chuàng)新力度，著力保證食品口味使消費(fèi)者滿意。第三個(gè)因素是食品衛(wèi)生，食品安全、衛(wèi)生是餐飲O2O行業(yè)的根本，因此餐飲O2O行業(yè)應(yīng)當(dāng)提高食品安全、衛(wèi)生意識(shí)，注意在進(jìn)行食品配送時(shí)提供良好的包裝，同時(shí)注意不要造成食品的潑灑，保證食品的整潔、干凈。第四個(gè)因素是服務(wù)態(tài)度，餐飲O2O行業(yè)作為服務(wù)業(yè)要積極培養(yǎng)良好的服務(wù)意識(shí)，在與消費(fèi)者進(jìn)行溝通時(shí)要保持良好的態(tài)度，妥善解決消費(fèi)者的各類問題。最后，用戶對(duì)于食品分量也有著較高的要求，商家應(yīng)當(dāng)保證食品分量與宣傳相符，同時(shí)可以通過加量的方式贏得消費(fèi)者好感，要杜絕食品分量過少或者與宣傳不符現(xiàn)象的出現(xiàn)。

4 結(jié)語

本文通過利用word2vec工具對(duì)餐飲O2O用戶差評(píng)語料進(jìn)行數(shù)據(jù)挖掘和數(shù)據(jù)分析，發(fā)現(xiàn)用戶給予差評(píng)的主要原因在于商家在配送速度、食品味道、食品衛(wèi)生、服務(wù)態(tài)度以及食品分量等方面給用戶帶來了不好的用餐體驗(yàn)。研究結(jié)論為餐飲O2O行業(yè)從業(yè)者提供了有益啟示，有利于商家進(jìn)一步了解消費(fèi)者對(duì)于目前外賣行業(yè)的不滿意之處，從而更加有針對(duì)性的改進(jìn)自身服務(wù)。

參考文獻(xiàn)

[1]李明.網(wǎng)店圖書差評(píng)信息特征探析[J].圖書情報(bào)工作，2012，（s2）：324326.

[2]陸海霞，吳小丁，蘇立勛.差評(píng)真的那么可怕嗎？——負(fù)面線上評(píng)論對(duì)消費(fèi)者購買行為的影響研究[J].北京社會(huì)科學(xué)，2014，（5）：102109.

[3]曾劍秋，王帆.O2O在線外賣用戶滿意度研究與實(shí)證分析[J].現(xiàn)代情報(bào)，2015，35（8）：1721.

[4]陳海濤，李同強(qiáng)，宋姍姍.在線外賣平臺(tái)用戶重復(fù)購買行為的建模與實(shí)證研究[J].軟科學(xué)，2015，29（11）：7982.

[5]張艷豐，李賀，彭麗徽.負(fù)面評(píng)論挖掘的網(wǎng)絡(luò)口碑危機(jī)預(yù)警模糊推理[J].圖書情報(bào)工作，2016，60（9）：7582.

[6]程明貝，黃剛，張國富.基于AHP法對(duì)外賣網(wǎng)站的綜合評(píng)價(jià)——以“餓了么”網(wǎng)站為例[J].江蘇商論，2015，（12）：5758.

[7]周練.Word2vec的工作原理及應(yīng)用探究[J].科技情報(bào)開發(fā)與經(jīng)濟(jì)，2015，（2）：145148.

[8]黃仁，張衛(wèi).基于word2vec的互聯(lián)網(wǎng)商品評(píng)論情感傾向研究[J].計(jì)算機(jī)科學(xué)，2016，43（s1）：387389.

[9]張冬雯，楊鵬飛，許云峰.基于word2vec和SVMperf的中文評(píng)論情感分類研究[J].計(jì)算機(jī)科學(xué)，2016，43（s1）.

[10]Fei B.Study of Chinas online catering market under the booming of online group purchasing[J].2010.

[11]Goldberg Y，Levy O. word2vec Explained： deriving Mikolov et al.'s negative-sampling word-embedding method[J].Eprint Arxiv，2014.

[12]Rong X.word2vec Parameter Learning Explained[J].Computer Science，2014.

[13]比達(dá)網(wǎng).2016年第2季度中國第三方餐飲外賣市場(chǎng)研究報(bào)告[OL].http：//www.bigdata-research.cn/content/201608/312.html，20160803.