陸智賢

摘要：大數(shù)據(jù)時代，在線評論提供了海量的產(chǎn)品與服務(wù)信息，成為消費者購買行為決策的重要信息源。文章采用卷積神經(jīng)網(wǎng)絡(luò)和局部特征提取相結(jié)合的方法對在線評論中的負面情感進行識別與提取。采用模糊推理系統(tǒng)進行綜合評估。研究發(fā)現(xiàn)，基于模糊推理系統(tǒng)的負面口碑情感評估也取得了較好的評估效果，具有一定的實踐指導(dǎo)意義與價值。

關(guān)鍵詞：負面口碑;情感分類;卷積神經(jīng)網(wǎng)絡(luò);情感評估

一、引言

在線評論真實的記錄了消費者對商品的感受，數(shù)量巨大、信息蘊含量豐富，為其他消費者的在線購物意愿及行為提供了決策依據(jù)。

二、基于深度學習的負面口碑情感分類

本文采用深度學習對在線評論情感進行分析，提出基于深度學習的負面口碑情感分類方法。

（一）情感詞提取

基礎(chǔ)情感詞典主要是采用知網(wǎng)評價詞典和NTSUSD，以“喜歡”為例，“很喜歡”、“喜歡”、“不喜歡”、“不是很喜歡”、“很不喜歡”分別賦值為+2、+1、0、-1、-2。在此基礎(chǔ)上，通過加權(quán)求和，獲得文本最終情感詞，如最終值為正數(shù)則是正向情感，否則為負向情感。

（二）擴展情感詞提取

本文利用卷積神經(jīng)網(wǎng)絡(luò)對在線評論情感分析進行識別，形成基于卷積神經(jīng)網(wǎng)絡(luò)和局部特征提取的情感分類方法。結(jié)合情感詞典，以情感詞wi為中心，采用[-2，+2]的窗口內(nèi)容作為情感詞的上下文，即{wi-2，wi-1，wi，wi+1，wi+2}，然后利用卷積神經(jīng)網(wǎng)絡(luò)進行多尺度的卷積，從而提取情感詞上下文特征。

在本文中主要劃分為2類：正向情感和負向情感，計算公式如下：

y^=softmat（whh+bh）

其中，y^為預(yù)測標簽，bh是偏置，wh是權(quán)重矩陣。

三、基于模糊推理的負面口碑情感評估

負面口碑情感預(yù)警主要是在基于深度學習的情感分類基礎(chǔ)上，對情感詞極性與情感強度進行計算，并構(gòu)建預(yù)警模型，完成負面口碑情感評估。

在上述預(yù)警模型分析基礎(chǔ)上，采用模糊推理系統(tǒng)進行負面口碑情感評估。為了結(jié)合在線評論情感劃分對負面口碑情感進行自動化評估，本文借鑒前人研究成果采用模糊推理系統(tǒng)（FuzzyInferenceSystem，F(xiàn)IS）設(shè)定計算規(guī)則，進而完成求解。具體見表1所示。

四、實例驗證及分析

（一）數(shù)據(jù)情感分類

針對62000條實驗數(shù)據(jù)，采用2.2中卷積神經(jīng)網(wǎng)絡(luò)進行情感分類。在具體評論中，采用準確率、召回率和F值來進行綜合評價。深度學習神經(jīng)網(wǎng)絡(luò)在訓練過程中的準確率、召回率、F 值的變化見圖1所示。

通過圖1可知，Epoch在50之后，準確率、召回率、F 值等各項指標數(shù)值趨于平穩(wěn)，由此可知訓練已經(jīng)達到了最佳效果。通過softmax函數(shù)，對其進行情感極性分類，最終得到負向情感評論23244條。

（二）負面口碑預(yù)警

對23244條負向情感評論，根據(jù)情感分類的規(guī)則模型，計算情感詞極性值和情感強度，具體結(jié)果見表2所示。

利用MATLAB軟件結(jié)合負面口碑情感品牌信任模糊推理系統(tǒng)，輸入變量數(shù)目設(shè)定為5，輸出函數(shù)為Constant。模糊推理系統(tǒng)優(yōu)化方法為hybrid，設(shè)置精度為0，訓練次數(shù)為0，模糊推理訓練次數(shù)與誤差結(jié)果見圖2所示。

采用Mamdani方法進行推理，利用加權(quán)平均法進行清晰化處理，推理過程見圖3所示。

以感知質(zhì)量、顧客滿意對品牌信任度的影響為例，構(gòu)建三維立體圖，見圖4所示。

通過實驗得到感知質(zhì)量為-2.43，顧客滿意為-1.89，感知體驗為-1.94，感知價值為-2.08，品牌聲譽為-1.43，最終品牌信任度為-2.13。結(jié)合負面口碑情感評估結(jié)果可知負面評論中，感知質(zhì)量危機>感知價值危機>感知體驗危機>顧客滿意危機>品牌聲譽危機，最終品牌信任度位于等級IV，存在巨大風險。顯而易見，負面口碑情感預(yù)警模型能夠根據(jù)負面評論對消費者品牌信任度進行綜合評價，并對其中的危機因子進行分析，為電子商務(wù)企業(yè)危機管理提供依據(jù)。

五、結(jié)語

本文提出了大數(shù)據(jù)視角下基于深度學習的負面口碑情感預(yù)警方法，采用基于卷積神經(jīng)網(wǎng)絡(luò)和局部特征提取的情感分類方法對情感強度進行計算，構(gòu)建負面口碑情感預(yù)警模型，采用模糊推理系統(tǒng)完成負面口碑情感預(yù)警與評估。通過負面口碑情感預(yù)警模型與模糊推理系統(tǒng)驗證發(fā)現(xiàn)，其危機屬性因素從大到小分別為感知質(zhì)量危機、感知價值危機、感知體驗危機、顧客滿意危機、品牌聲譽危機，最終品牌信任度位于等級IV，存在巨大風險。為此，相關(guān)電子商務(wù)企業(yè)需要提高產(chǎn)品質(zhì)量與服務(wù)，滿足消費者情感體驗，提高其滿意度與忠誠度，從而有效的規(guī)避風險，提高其市場競爭力。

參考文獻：

[1]張艷豐，李賀，彭麗徽.負面評論挖掘的網(wǎng)絡(luò)口碑危機預(yù)警模糊推理[J].圖書情報工作，2016，60（09）：75-82.

[2]余傳明.基于深度循環(huán)神經(jīng)網(wǎng)絡(luò)的跨領(lǐng)域文本情感分析[J].圖書情報工作，2018，62（11）：23-34.

[3]劉開第，龐彥軍，栗文國，金斕.模糊綜合評判加權(quán)平均模型的誤導(dǎo)性闡釋[J].數(shù)學的實踐與認識，2019，49（08）：218-225.

（作者單位：江蘇大學管理學院）