（南京林業(yè)大學(xué) 210037）

一、用戶(hù)評(píng)論獲取

第一步，用戶(hù)評(píng)論獲取。要分析網(wǎng)購(gòu)用戶(hù)評(píng)論，首先要在網(wǎng)頁(yè)中獲取用戶(hù)評(píng)論?，F(xiàn)階段國(guó)內(nèi)許多在線購(gòu)物網(wǎng)站都防止爬蟲(chóng)，同時(shí)也做了很多反爬蟲(chóng)工作，而R語(yǔ)言在爬蟲(chóng)這點(diǎn)并不是很有力的工具，但是亞馬遜的網(wǎng)頁(yè)評(píng)論可以用R語(yǔ)言獲取。在獲取評(píng)論的過(guò)程中，需要注意有兩點(diǎn)：（1）如何獲取網(wǎng)購(gòu)用戶(hù)的ID；（2）怎樣在網(wǎng)頁(yè)的編碼中獲取網(wǎng)購(gòu)用戶(hù)評(píng)論的精確定位。選擇的對(duì)象是近三年內(nèi)國(guó)人購(gòu)買(mǎi)相對(duì)較多的某品牌保溫罐，分析的只針對(duì)一種商品，所以只需要考慮具體的用戶(hù)評(píng)論結(jié)果。

二、詞庫(kù)構(gòu)建與分詞處理

1.詞庫(kù)構(gòu)建與文本降噪

在得到評(píng)論文件后首先對(duì)評(píng)論進(jìn)行第一步預(yù)處理。逐條檢查進(jìn)行錯(cuò)別字檢查，以方便之后進(jìn)行的操作。

在對(duì)評(píng)論文本進(jìn)行了整理后，我們發(fā)現(xiàn)分詞結(jié)果對(duì)評(píng)論的解釋度并不夠高，例如“后來(lái)發(fā)現(xiàn)右上角有一個(gè)坑”被分成了“后來(lái)”、“發(fā)現(xiàn)”、“右上角”、“有”、“一個(gè)”、“坑” ；若用此分詞結(jié)果，進(jìn)行分析后會(huì)遺失很多關(guān)鍵的信息。所以需要先進(jìn)行詞庫(kù)建立，利用詞庫(kù)對(duì)信息篩選。

在詞庫(kù)構(gòu)建過(guò)程中首先需要對(duì)評(píng)論進(jìn)行分析，觀察用戶(hù)評(píng)論中對(duì)產(chǎn)品的需求或?qū)ι碳业姆?wù)、物流等提出的意見(jiàn)或建議。詞庫(kù)的建立利用了短句的方式。首先對(duì)評(píng)論語(yǔ)句進(jìn)行解讀，對(duì)其中的信息進(jìn)行篩選，找到差評(píng)中的關(guān)鍵信息如“包裝太差”、“質(zhì)量不好”、“物流緩慢”、“態(tài)度惡劣”等，并且對(duì)文本中的長(zhǎng)句變?yōu)槎叹?，?lián)系上下文中的含義，其次對(duì)不必要的語(yǔ)氣詞，嘆詞等在斷句中進(jìn)行剔除，獲得更為純凈的文本語(yǔ)句。依照此思路對(duì)好評(píng)與差評(píng)分別建立詞庫(kù)。

在詞庫(kù)的建立的過(guò)程中，需要盡可能的篩選出有用信息，因?yàn)楸敬窝芯克玫脑u(píng)論較少，所以使用的方法為逐條篩選；如果使用大批量的評(píng)論則需要使用構(gòu)建語(yǔ)料庫(kù)，建立測(cè)試集等方法來(lái)進(jìn)行評(píng)論分詞與篩選。在利用詞庫(kù)后對(duì)文本進(jìn)行分詞后得到的結(jié)果比之前理想很多。

得到分詞結(jié)果后，需要對(duì)分詞進(jìn)行進(jìn)一步處理。在此過(guò)程中我們進(jìn)行了以下步驟。

2.分詞結(jié)果預(yù)處理

在獲得比較理想的分詞結(jié)果后，還需要在之后進(jìn)行下一步處理之前需要對(duì)文本進(jìn)行一些其他的處理。第一，降低詞頻處理。主要是保留詞條長(zhǎng)度大于2的詞條。第二，符號(hào)、空格去除。

3.詞頻權(quán)重處理

TF-IDF(term frequency-inverse document frequency)詞頻--反轉(zhuǎn)文件頻率，是一種用于情報(bào)檢索與文本挖掘的常用加權(quán)技術(shù)，用以評(píng)估一個(gè)詞對(duì)于一個(gè)文件或者一個(gè)語(yǔ)料庫(kù)中的一個(gè)領(lǐng)域文件集的重要程度。在R語(yǔ)言“jiebaR”函數(shù)中可以提取出文本中的關(guān)鍵詞及其在評(píng)論文本中所占的權(quán)重。將好評(píng)與差評(píng)中分別提取5個(gè)關(guān)鍵詞并獲得權(quán)重，得到結(jié)果如表2.3.1所示。詞頻權(quán)重分析會(huì)在之后的結(jié)果分析部分占大部分作用。

差評(píng)中詞頻及權(quán)重包裝 杯子 保溫 買(mǎi) 亞馬遜210．105 125．274 121．508 117．392 116．253好評(píng)中詞頻及權(quán)重保溫 效果 不錯(cuò) 亞馬遜 包裝626．236 364．551 297．035 232．506 225．112

三、實(shí)驗(yàn)結(jié)果分析

1.詞云分析

"詞云"就是對(duì)網(wǎng)絡(luò)文本中出現(xiàn)頻率較高的"關(guān)鍵詞"予以視覺(jué)上的突出，形成"關(guān)鍵詞云層"或"關(guān)鍵詞渲染"，從而過(guò)濾掉大量的文本信息，使瀏覽網(wǎng)頁(yè)者只要一眼掃過(guò)文本就可以領(lǐng)略文本的主旨。

在好評(píng)詞云中（圖3.1.1），我們可以看到“保溫效果很好”、“保溫效果好”、“等積極詞匯占了大多數(shù)，剩下的則有“made”、“China”、“包裝簡(jiǎn)單”等詞匯，“包裝簡(jiǎn)單”說(shuō)明有部分購(gòu)買(mǎi)者在購(gòu)買(mǎi)后對(duì)包裝存在不滿(mǎn)；“made”、“China”則說(shuō)明了購(gòu)買(mǎi)者對(duì)從美國(guó)亞馬遜進(jìn)行海外購(gòu)夠得的產(chǎn)品產(chǎn)品還是本國(guó)產(chǎn)不滿(mǎn)，存有購(gòu)買(mǎi)后的心理落差。因此在好評(píng)中還有意見(jiàn)，好評(píng)中可能還是會(huì)有商品意見(jiàn)與對(duì)商家提出的建議，可能會(huì)有隱藏信息，需要進(jìn)行進(jìn)一步分析。

圖3.1.1 好評(píng)詞云

在差評(píng)詞云中（圖3.1.2），我們看到“保溫效果好”竟然也會(huì)出現(xiàn)，可以進(jìn)一步說(shuō)明商品的質(zhì)量在保溫效果這一塊是比較優(yōu)秀的，同時(shí)也說(shuō)明了差評(píng)中也存在正向詞匯；“保溫杯”“很失望”“發(fā)郵件”等詞匯則說(shuō)明了差評(píng)中購(gòu)買(mǎi)者的主要態(tài)度，“發(fā)郵件”說(shuō)明亞馬遜在與客戶(hù)溝通的時(shí)候的不便。

2.詞頻權(quán)重分析

詞頻權(quán)重在表2.3.1中已經(jīng)給出。如圖3.2.1所示的差評(píng)的直方圖顯示（左），關(guān)鍵詞包裝占了最大部分權(quán)重，剩下的四個(gè)關(guān)鍵詞所占權(quán)重基本一致，由此可知差評(píng)的點(diǎn)主要集中在包裝上。其余關(guān)鍵詞的權(quán)重差別不大。

圖3.1.2 差評(píng)詞云

在得出的差評(píng)的分詞文件中查找關(guān)鍵詞的詞條數(shù)，差評(píng)分詞文件詞條共計(jì)344條，我們由包裝開(kāi)始找出差評(píng)主體的問(wèn)題。在35條包裝評(píng)論中，只有一條提到包裝不錯(cuò)，剩余的都在說(shuō)包裝簡(jiǎn)陋，簡(jiǎn)單等。在15條杯子評(píng)論中，提到杯子有損壞、產(chǎn)地，杯子有或多或少的問(wèn)題。在保溫這項(xiàng)則是對(duì)杯子保溫效果的評(píng)論居多，值得一提的是，很多人買(mǎi)這款產(chǎn)品作為燜燒杯使用，而非作為保溫杯使用，在試用過(guò)認(rèn)為保溫效果不好時(shí)將其作為保溫杯使用，只有一條評(píng)論對(duì)保溫效果提出了肯定。

好評(píng)詞條分詞權(quán)重如。好評(píng)詞條總計(jì)1012條。同上述差評(píng)分析過(guò)程中發(fā)現(xiàn)在高權(quán)重位的“保溫”和“效果”兩個(gè)關(guān)鍵詞的詞條中出現(xiàn)重復(fù)的概覽很高，通過(guò)R進(jìn)行權(quán)重比對(duì)后，發(fā)現(xiàn)絕大多數(shù)用戶(hù)肯定保溫效果。在關(guān)鍵詞“不錯(cuò)”中，大多數(shù)用戶(hù)認(rèn)為保溫效果不錯(cuò)，剩余用戶(hù)對(duì)購(gòu)買(mǎi)體驗(yàn)與產(chǎn)品質(zhì)量表示肯定。關(guān)鍵詞“亞馬遜”用戶(hù)都認(rèn)為亞馬遜值得信賴(lài)，對(duì)亞馬遜的購(gòu)物體驗(yàn)表示很好。關(guān)鍵詞“包裝”中，半數(shù)購(gòu)買(mǎi)者認(rèn)為包裝不錯(cuò)，半數(shù)購(gòu)買(mǎi)者則認(rèn)為包裝過(guò)于簡(jiǎn)單。

結(jié)合詞語(yǔ)分析與權(quán)重分析兩種，我們可以得知，很大部分用戶(hù)對(duì)產(chǎn)品的保溫效果給予肯定，在詞云和權(quán)重中都出現(xiàn)了保溫效果好的詞條；否定保溫效果用戶(hù)可以由商家跟蹤服務(wù)調(diào)查，找出保溫效果降低的原因。對(duì)于商家的包裝，絕大多數(shù)的用戶(hù)給予了否定，即使在好評(píng)中也出現(xiàn)了很多不滿(mǎn)意包裝的用戶(hù)，主要存在于杯子包裝質(zhì)量不好在運(yùn)輸過(guò)程中造成了不同程度損傷。一個(gè)關(guān)鍵詞出現(xiàn)在好評(píng)與差評(píng)中是具有交叉性質(zhì)的，在好評(píng)中有可能否定，而在差評(píng)中卻是肯定。因此，需要結(jié)合好評(píng)與差評(píng)中的同一個(gè)關(guān)鍵詞對(duì)文本進(jìn)行分析。

四、結(jié)語(yǔ)

本文通過(guò)對(duì)亞馬遜上一件產(chǎn)品的評(píng)論進(jìn)行了文本挖掘，篩選有效信息，獲得了用戶(hù)對(duì)一件商品評(píng)價(jià)的分析。通過(guò)對(duì)文本進(jìn)行分詞處理，建立了適用于本產(chǎn)品的評(píng)論詞庫(kù)，為的是將單體產(chǎn)品的評(píng)論中的信息解釋度提高，完整上下文，不是只局限于對(duì)詞頻分析。單一的詞頻分析有時(shí)并不能作為文本挖掘的主要結(jié)果，有時(shí)候會(huì)受到文本噪點(diǎn)的影響而忽略部分有效信息。詞頻分析與權(quán)重分析相結(jié)合可以得出較為準(zhǔn)確的結(jié)果。因?yàn)楸敬畏治龅挠脩?hù)評(píng)論量較少，所以使用了人工校準(zhǔn)與建立詞庫(kù)，所得的結(jié)果相對(duì)比較準(zhǔn)確，在使用手動(dòng)建立詞庫(kù)的時(shí)候也可以在分詞過(guò)程中省略去停詞的過(guò)程，因?yàn)樯唐返暮迷u(píng)與差評(píng)形成了鮮明的對(duì)比，用戶(hù)評(píng)論在情感分析方面具有一定的先天優(yōu)勢(shì)。因此，兩種方法結(jié)合進(jìn)行分析可以讓分析結(jié)果更為鮮明與準(zhǔn)確，也能讓設(shè)計(jì)師、企業(yè)看到自身的優(yōu)點(diǎn)，同時(shí)完善自己缺點(diǎn)。