梅培

摘 要：本文運(yùn)用內(nèi)容分析法，對網(wǎng)絡(luò)產(chǎn)品評價(jià)進(jìn)行情感分析，從而明確用戶對該產(chǎn)品的主要使用態(tài)度，對新用戶購買產(chǎn)品具有一定的指導(dǎo)意義。

關(guān)鍵詞：內(nèi)容分析法;情感分析

一、研究背景

在電子商務(wù)中，網(wǎng)絡(luò)產(chǎn)品的質(zhì)量主要是通過圖片展示和用戶評論來評價(jià)的。用戶在購買產(chǎn)品前，產(chǎn)品的購買評價(jià)會直接影響到用戶的購買意愿。本文通過對產(chǎn)品評論的內(nèi)容分析，通過正面和負(fù)面分析來對產(chǎn)品的質(zhì)量進(jìn)行分析，從而可以對用戶的產(chǎn)品購買提供一定的幫助。

二、分詞處理

本文運(yùn)用爬蟲工具采集了網(wǎng)絡(luò)上某一款產(chǎn)品的評論200條，對該200條評論進(jìn)行了分詞處理，可以得到其最終的分詞效果。

（1）原始的評論數(shù)據(jù)

原始評論數(shù)據(jù)為該書籍的評論區(qū)中購買用戶對該書籍的態(tài)度，在原始評論中，有數(shù)據(jù)30多萬條，本文選取了其中的200條做為分析數(shù)據(jù)。在導(dǎo)出的原始數(shù)據(jù)中，包括標(biāo)題，地址，圖片，圖片地址，會員名，會員等級等內(nèi)容，本文只選取了標(biāo)題做為情感分析的依據(jù)。如圖1所示：

（2）對原始評論數(shù)據(jù)進(jìn)行初始的分詞處理

對數(shù)據(jù)進(jìn)行梳理后，運(yùn)用工具對評論數(shù)據(jù)進(jìn)行初始的分詞處理，可以得到大量的關(guān)鍵詞的分詞結(jié)果。對于文本分析而言，粒度的選擇是非常重要的，在對關(guān)鍵詞進(jìn)行分析之后，可以選擇重要的關(guān)鍵詞進(jìn)行分析處理。在對代詞、副詞等詞語進(jìn)行篩選后，得到在評論數(shù)據(jù)中對該書籍的形容詞結(jié)果。圖2中只顯示了部分內(nèi)容。

（3）對不同的詞語進(jìn)行頻數(shù)分析

在分詞處理的結(jié)果中，按照頻數(shù)的大小對結(jié)果進(jìn)行排序，可以得到整個評論數(shù)據(jù)中所有自動分詞結(jié)果權(quán)重的高低。筆者有選擇部分詞語通過評論來展現(xiàn)讀者對該書籍的評價(jià)。可見，大部分的讀者認(rèn)為，本書的內(nèi)容具有一定的教育意義。如圖3所示：

三、基于內(nèi)容分析法的產(chǎn)品評論情感分析

對原始數(shù)據(jù)進(jìn)行情感分析，情感分析過程中，對本書的評價(jià)主要分為正面評價(jià)，負(fù)面評價(jià)或中性評價(jià)。本文在初期對情感分析的詞語進(jìn)行了分類處理，通過系統(tǒng)處理，可以得到對本書的初步情感分析。

（1）正面評價(jià)分析

通過對正面關(guān)鍵詞抽取，分析正面的情感詞語的分布，可以得到其分布詞云。確定用戶的大部分情感可以通過不錯、努力、強(qiáng)大等詞條來表示，當(dāng)用戶的具體情感還需要借助于程度詞和否定詞來進(jìn)行判斷。

（2）負(fù)面評價(jià)分析

通過對負(fù)面關(guān)鍵詞抽取，分析負(fù)面的情感詞語的分布，可以得到其分布詞云。確定用戶的部分情感可以通過極端、痛苦、矛盾等詞條來表示，用戶的具體情感還需要借助于程度詞和否定詞來進(jìn)行判斷。

四、結(jié)論

通過對產(chǎn)品評論進(jìn)行情感分析，可以了解到用戶對產(chǎn)品的具體態(tài)度，從而對提升用戶體驗(yàn)有一定的幫助。