摘 要：隨著經(jīng)濟(jì)的發(fā)展、科技的進(jìn)步，我國(guó)電子商務(wù)行業(yè)迎來(lái)了發(fā)展契機(jī)。近幾年，我國(guó)電子商務(wù)發(fā)展尤為迅速，呈現(xiàn)蓬勃態(tài)勢(shì)。電子商務(wù)的出現(xiàn)，給傳統(tǒng)行業(yè)帶來(lái)了較大的沖擊，也為各行各業(yè)的發(fā)展注入了新的活力。陶瓷行業(yè)作為我國(guó)重要的行業(yè)，一直在社會(huì)各行各業(yè)中占據(jù)著重要地位。電子商務(wù)為陶瓷行業(yè)帶來(lái)了全新的發(fā)展機(jī)遇，同時(shí)陶瓷電子商務(wù)也面臨著挑戰(zhàn)。對(duì)于用戶來(lái)說(shuō)，人們對(duì)陶瓷電子商務(wù)產(chǎn)品的選擇，很大程度上依賴于該產(chǎn)品的用戶評(píng)價(jià)。對(duì)于商家來(lái)說(shuō)，盈利的好壞以及產(chǎn)品的投資也依靠用戶對(duì)該產(chǎn)品的評(píng)價(jià)等級(jí)。因此，如何在電子商務(wù)平臺(tái)中創(chuàng)建有效的用戶評(píng)價(jià)模型，對(duì)用戶產(chǎn)品購(gòu)買和商家投資生產(chǎn)有著至關(guān)重要的作用。本文基于語(yǔ)義分析陶瓷電子商務(wù)產(chǎn)品用戶評(píng)價(jià)，利用模型幫助商家篩選有效的評(píng)價(jià)信息，為商家和用戶提供更多有價(jià)值的參考內(nèi)容，以期提高陶瓷產(chǎn)品銷量，為企業(yè)帶來(lái)更多效益。

關(guān)鍵詞：語(yǔ)義;電子商務(wù);陶瓷;用戶評(píng)價(jià);情感分析;評(píng)論維度

隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，電子商務(wù)已經(jīng)逐漸融入到了人們生活當(dāng)中，并成為了人們生活的重要一部分。陶瓷行業(yè)作為我國(guó)歷史悠久的傳統(tǒng)行業(yè)之一，是構(gòu)成商業(yè)生態(tài)的重要一部分。電子商務(wù)平臺(tái)的創(chuàng)建，有利于陶瓷產(chǎn)品的銷售和產(chǎn)出，也促進(jìn)陶瓷產(chǎn)業(yè)的健康發(fā)展。根據(jù)調(diào)查發(fā)現(xiàn)，人們進(jìn)行網(wǎng)購(gòu)時(shí)，決定著購(gòu)買者消費(fèi)欲望的重要因素就是產(chǎn)品的用戶評(píng)價(jià)。產(chǎn)品介紹和產(chǎn)品的用戶評(píng)論，是購(gòu)買者重要的產(chǎn)品信息參考源。我國(guó)曾公布了一條關(guān)于電子商務(wù)平臺(tái)購(gòu)買傾向調(diào)查，調(diào)查結(jié)果表明，我國(guó)有超過(guò)80%的顧客購(gòu)買產(chǎn)品時(shí)，會(huì)重點(diǎn)瀏覽產(chǎn)品的用戶評(píng)價(jià)，并成為顧客購(gòu)買決策的重要參考標(biāo)準(zhǔn)。因此，促進(jìn)陶瓷電子商務(wù)健康發(fā)展，重點(diǎn)在于人們關(guān)注到產(chǎn)品的用戶評(píng)價(jià)。我們需要建立起用戶評(píng)價(jià)體系、用戶情感傾向模型，通過(guò)信息采集，為電商和用戶提供有效參考信息。

一、電商產(chǎn)品用戶評(píng)價(jià)情感分析研究現(xiàn)狀

隨著互聯(lián)網(wǎng)的高速發(fā)展，各大社交平臺(tái)、電商平臺(tái)、信息共享平臺(tái)等越來(lái)越注重用戶評(píng)價(jià)的情感分析。電子商務(wù)中用戶評(píng)價(jià)的情感分析主要根據(jù)文本情感色彩和情感觀點(diǎn)進(jìn)行研究識(shí)別，利用數(shù)據(jù)模型提取詞級(jí)、句子級(jí)、段落級(jí)以及文檔級(jí)中蘊(yùn)含的情感詞和情感傾向判斷。情感分析技術(shù)在我國(guó)起步晚于國(guó)外一些國(guó)家。但是，隨著我國(guó)大量研究人員和專業(yè)學(xué)者對(duì)其重視，情感分析技術(shù)的發(fā)展一直呈現(xiàn)著蓬勃態(tài)勢(shì)。情感分析有廣義和狹義之分，廣義的情感分析又叫情感分析與觀點(diǎn)挖掘，分為兩個(gè)部分，即情感分析（狹義）和觀點(diǎn)挖掘（又叫意見挖掘）。情感分析技術(shù)通過(guò)分析文本來(lái)理解用戶喜怒哀樂(lè)這些情感，觀點(diǎn)挖掘偏重于理解用戶表達(dá)的觀點(diǎn)和意見，即判斷一個(gè)句子有沒(méi)有表達(dá)情感或觀點(diǎn)。情感分析技術(shù)不僅僅局限于電商領(lǐng)域，也涉及到社交網(wǎng)站、音頻網(wǎng)站、娛樂(lè)網(wǎng)站等領(lǐng)域，人們通過(guò)建立固有的分析模型和詞典，用來(lái)分析用戶評(píng)論中的語(yǔ)言色彩、情感傾向，從而幫助甲方了解乙方的喜好，為用戶提供更加對(duì)稱的服務(wù)和個(gè)性化推薦。例如，淘寶商城、京東商城的個(gè)性化推薦，電商平臺(tái)通過(guò)情感分析技術(shù)檢取用戶評(píng)價(jià)、購(gòu)買、關(guān)注等行為，從而在用戶搜索內(nèi)容中檢索關(guān)鍵詞進(jìn)行歸類，為用戶提供個(gè)性化的服務(wù)。近幾年，我國(guó)涌現(xiàn)出了一批關(guān)于情感分析的研究者，他們?yōu)榍楦蟹治黾夹g(shù)的發(fā)展做出巨大貢獻(xiàn)。哈爾濱工業(yè)大學(xué)張子瓊等人聯(lián)合高校教師和業(yè)界知名人士，對(duì)互聯(lián)網(wǎng)情感分析的現(xiàn)狀和動(dòng)態(tài)進(jìn)行了較為充分的調(diào)查研究，有效挖掘了相關(guān)數(shù)據(jù)和信息，論述了新時(shí)代普遍被使用的情感分析技術(shù)和方法，并提出了當(dāng)代情感分析技術(shù)和方法中常見的問(wèn)題，通過(guò)對(duì)問(wèn)題的探討指明了情感分析技術(shù)未來(lái)的研究方向和施展目標(biāo)。同濟(jì)大學(xué)的史偉等人以新浪微博為平臺(tái)，對(duì)動(dòng)車事故后網(wǎng)友發(fā)表微博評(píng)論進(jìn)行了用戶情感分析，并提取了微博中六種情感類型，以此為根據(jù)建立了情感分析模型，探究微博文本的影響力和計(jì)算網(wǎng)友的情感方法與技術(shù)，從而分析和探討了動(dòng)車事故后社會(huì)公眾的情感。清華大學(xué)謝麗星等人對(duì)微博情感分析和特征提取方法進(jìn)行了研究，作者論述中，對(duì)情感詞典的方法、表情符號(hào)的使用規(guī)則方法、SVM的監(jiān)督層次結(jié)構(gòu)的多策略方法進(jìn)行大量的探討和實(shí)驗(yàn)。深圳大學(xué)劉宇飛和中國(guó)傳媒大學(xué)楊瑩、張鵬洲等人利用了情感分析技術(shù)對(duì)歌詞進(jìn)行了情感分析，并獲得一定的研究成果。隨著科技的進(jìn)步，各種軟件和平臺(tái)應(yīng)時(shí)而出，情感分析技術(shù)也得到越來(lái)越多人重視，也有越來(lái)越多的人相繼投入到情感分析領(lǐng)域研究之中。放眼我國(guó)電子商務(wù)領(lǐng)域，卻缺少較為系統(tǒng)性的情感分析研究成果。對(duì)于電子商務(wù)平臺(tái)中產(chǎn)品用戶等級(jí)分析，一般都是采用對(duì)文本情感分析技術(shù)來(lái)實(shí)現(xiàn)的。所以，我們需要基于語(yǔ)義分析模型，采取VSM獲得用戶評(píng)價(jià)的情感狀態(tài)和情感傾向。

二、陶瓷電子商務(wù)產(chǎn)品用戶評(píng)價(jià)分析算法研究

1.陶瓷電商產(chǎn)品用戶評(píng)價(jià)信息獲取

陶瓷電子商務(wù)產(chǎn)品用戶評(píng)價(jià)信息的獲取，我們主要采用網(wǎng)頁(yè)蜘蛛進(jìn)行信息采集。所以，有必要設(shè)計(jì)一個(gè)基于電子商務(wù)平臺(tái)的主題網(wǎng)頁(yè)蜘蛛的設(shè)計(jì)。由于陶瓷電子商務(wù)平臺(tái)的產(chǎn)品評(píng)價(jià)主頁(yè)一般都是呈現(xiàn)動(dòng)態(tài)的，因此對(duì)用戶評(píng)價(jià)數(shù)據(jù)的更新是設(shè)計(jì)主題網(wǎng)頁(yè)蜘蛛的技術(shù)關(guān)鍵。

動(dòng)態(tài)網(wǎng)站的數(shù)據(jù)采集，可以建立索引空間，以哈希表的形式對(duì)用戶評(píng)價(jià)信息進(jìn)行動(dòng)態(tài)索引，利用哈希搜索算法提高采集中的搜索效率，從而實(shí)現(xiàn)動(dòng)態(tài)用戶評(píng)價(jià)信息的采集。目前，電子商務(wù)平臺(tái)類型繁多，如果從多個(gè)平臺(tái)收集產(chǎn)品用戶評(píng)價(jià)信息，就需要較大的存儲(chǔ)空間和處理器。所以，可以利用云計(jì)算平臺(tái)搭建云蜘蛛，利用云計(jì)算高計(jì)算、大存儲(chǔ)、高帶寬網(wǎng)絡(luò)的優(yōu)勢(shì)，收集大數(shù)據(jù)的用戶評(píng)價(jià)內(nèi)容，為后續(xù)的情感分析提供了巨大的數(shù)據(jù)支撐。

2.用戶評(píng)價(jià)特征詞處理分析

特征詞的提出可以分為三個(gè)步驟：文本切詞、文本去重和特征詞提取。

文本切詞：將一個(gè)詞獨(dú)立地分割成若干個(gè)獨(dú)立的詞，是文本特征詞處理的基礎(chǔ)技術(shù)。目前的分詞算法包括字符串匹配算法、基于理解的算法和基于自動(dòng)學(xué)習(xí)的算法等。字符串匹配算法是最常見的算法之一，其特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，匹配準(zhǔn)確率高。針對(duì)用戶評(píng)價(jià)信息特征詞的處理和分析，可以創(chuàng)建一個(gè)字符串庫(kù)，并使其不斷自我更新和自我學(xué)習(xí)。具體匹配過(guò)程是將文本一個(gè)個(gè)分解，然后字符串中出現(xiàn)的文本塊匹配成功。為了提高匹配精度，可以采用正向最大匹配、反向最大匹配和雙向最大匹配等方法。例如，我們就電商平臺(tái)瓷磚產(chǎn)品的用戶評(píng)價(jià)信息來(lái)講。關(guān)于該產(chǎn)品的最多評(píng)價(jià)就是瓷磚的花紋、質(zhì)量、亮度三個(gè)方面，但是用戶評(píng)價(jià)信息內(nèi)容繁多且復(fù)雜，因此我們需要做文本切詞處理。我們利用文本切詞，將用戶對(duì)該產(chǎn)品的評(píng)價(jià)信息進(jìn)行分詞切割，使用戶評(píng)價(jià)信息精簡(jiǎn)為獨(dú)立的評(píng)價(jià)詞，有效提取評(píng)價(jià)信息中關(guān)于花紋、質(zhì)量、亮度方面的特征詞，精簡(jiǎn)用戶評(píng)價(jià)內(nèi)容，做到評(píng)價(jià)信息上的整合。

文本去重：文本切詞后，會(huì)產(chǎn)生諸多重復(fù)性的詞語(yǔ)和語(yǔ)句，為了更好地提取用戶評(píng)價(jià)信息，就需要對(duì)文本切詞后的重復(fù)性詞語(yǔ)和語(yǔ)句進(jìn)行去重處理。本文研究的去重處理主要是以Bloom Filter，即布隆過(guò)濾器，進(jìn)行文本去重處理。布隆過(guò)濾器（bloom filter）是20世紀(jì)70年代Howard Bloom提出的一種二進(jìn)制向量數(shù)據(jù)結(jié)構(gòu)，對(duì)于一個(gè)元素在集合中是否會(huì)重復(fù)出現(xiàn)，可以用這項(xiàng)技術(shù)進(jìn)行空間和時(shí)間上驗(yàn)證。例如，電商平臺(tái)中瓷磚產(chǎn)品的質(zhì)量、亮度、花紋方面主要特征詞，由于文本切詞后，用戶評(píng)價(jià)信息的特征詞存在重復(fù)的現(xiàn)象，導(dǎo)致關(guān)于某一方面的評(píng)價(jià)多次出現(xiàn)或者多個(gè)相似詞語(yǔ)的出現(xiàn)，需要我們利用不隆過(guò)濾器將用戶評(píng)價(jià)信息中重復(fù)性或者相似性的詞語(yǔ)進(jìn)行去重處理，從而提取一批極具價(jià)值性的用戶評(píng)價(jià)信息。

特征詞提?。何谋镜奶卣髟~提取主要在于選取文本中的特征項(xiàng)，就目前階段而言，文本特征詞提取方法比較多，最常用的是DF提取方法。DF包含了固定所指一種特征項(xiàng)或者多種特征項(xiàng)，計(jì)算公式為：

計(jì)算公式中，DF（t）指的是所包含的特征項(xiàng)T的詞頻率。通過(guò)文檔詞頻提取方法對(duì)陶瓷用戶評(píng)價(jià)的每一個(gè)特征項(xiàng)在整個(gè)文本中的出現(xiàn)頻率進(jìn)行統(tǒng)計(jì)，然后根據(jù)指定的特征創(chuàng)建規(guī)定閾值，從而提取文本中所需的特征值。陶瓷電子商務(wù)平臺(tái)中，對(duì)產(chǎn)品的優(yōu)良、好壞特征項(xiàng)的分析，主要在于提取用戶產(chǎn)品評(píng)價(jià)特征項(xiàng)。例如，電商平臺(tái)可以根據(jù)用戶對(duì)瓷磚產(chǎn)品的質(zhì)量、亮度、花紋等方面重點(diǎn)關(guān)注，提前設(shè)定好關(guān)于三個(gè)方面特征閾值，通過(guò)文本切詞和文本去重處理，利用設(shè)定好的閾值對(duì)照用戶評(píng)價(jià)信息中的主要關(guān)鍵詞，從而做到特征詞的提取，方便商家找出自己的想了解的用戶評(píng)價(jià)信息。

3.基于VSM技術(shù)的用戶評(píng)價(jià)信息的情感分析

電子商務(wù)平臺(tái)用戶評(píng)價(jià)信息分析中，通過(guò)一系列的去重處理、文本切詞、特征詞提取等，就剩下對(duì)處理后信息的情感傾向分析，即信息相似度的計(jì)算。就目前階段而言，信息相似度的計(jì)算最常用的方法就是向量空間模型技術(shù)（VSM），該技術(shù)的核心在于通過(guò)將兩個(gè)文本的句子簡(jiǎn)化為向量運(yùn)算，通過(guò)計(jì)算向量之間的相似度來(lái)衡量文本信息中的相似度。電子商務(wù)用戶評(píng)價(jià)VSM情感分析，一般流程是：通過(guò)預(yù)處理—關(guān)鍵詞加權(quán)、停用詞過(guò)濾—建立向量空間模型，求向量空間余弦值。其中余弦公式為：

其中，公式中的W1k和W2k分別表示D1和D2兩個(gè)斷句第K個(gè)關(guān)鍵字的權(quán)值。通過(guò)處理后的短句建立對(duì)應(yīng)的空間求值模型，建立起的向量空間模型關(guān)鍵點(diǎn)在于把短句簡(jiǎn)化為關(guān)鍵詞的權(quán)重為分量的N維向量進(jìn)行表示。如果所求出的兩個(gè)用戶評(píng)價(jià)文本的余弦值大于了所設(shè)定的閾值，那么就說(shuō)明兩個(gè)評(píng)論信息是相似的，否則就說(shuō)明兩者之間并無(wú)聯(lián)系。通過(guò)用戶評(píng)價(jià)信息的獲取到用戶評(píng)價(jià)特征詞的處理再到情感相似度的分析，可以有效計(jì)算出電子商務(wù)平臺(tái)用戶對(duì)陶瓷產(chǎn)品的情感傾向，從而為商家提供更有效的數(shù)據(jù)支撐，為其他客戶提供更多有價(jià)值性參考信息。

三、基于語(yǔ)義陶瓷電子商務(wù)產(chǎn)品用戶評(píng)價(jià)實(shí)例分析

1.選取目標(biāo)

本文主要從我國(guó)知名電商網(wǎng)站進(jìn)行信息選取，選取對(duì)象分別是淘寶、亞馬遜、京東三大電商平臺(tái)中陶瓷銷量排名前五的不同品牌的陶瓷產(chǎn)品用戶評(píng)價(jià)信息。通過(guò)時(shí)間上的確定，我們通過(guò)信息索取程序一共抓住了113528條評(píng)論，剔除無(wú)用性評(píng)論，還剩余13215條評(píng)論。然后將這些評(píng)論統(tǒng)一合并成一個(gè)文檔作為陶瓷電子商務(wù)產(chǎn)品用戶評(píng)價(jià)研究對(duì)象。除此之外，我們還要將用戶對(duì)陶瓷電商產(chǎn)品的主要評(píng)價(jià)信息進(jìn)行統(tǒng)一歸類精簡(jiǎn)，挖掘出用戶有效的產(chǎn)品評(píng)價(jià)信息。關(guān)于用戶對(duì)陶瓷電商產(chǎn)品的評(píng)價(jià)信息如表1所示。

2.文本預(yù)處理

本文分析與研究我們選用ICTCLAS進(jìn)行分詞，通過(guò)一系列的分詞與整合，創(chuàng)建出一個(gè)詞語(yǔ)集，詞語(yǔ)集中包含有大量停用詞、語(yǔ)氣詞以及研究無(wú)關(guān)的詞語(yǔ)等，我們通過(guò)《擴(kuò)展版》提供的停用詞表，利用智能機(jī)器并結(jié)合人工，對(duì)這些詞語(yǔ)進(jìn)行過(guò)濾，最后得到研究詞語(yǔ)集1632個(gè)詞語(yǔ)。

3.特征項(xiàng)權(quán)重計(jì)算與特征項(xiàng)聚類

我們對(duì)篩選出的1632個(gè)詞語(yǔ)進(jìn)行權(quán)重計(jì)算，并設(shè)置一個(gè)閥值，最后篩選出具有代表性的特征項(xiàng)集合，包含233個(gè)詞語(yǔ)。然后，對(duì)233個(gè)特征項(xiàng)進(jìn)行編碼，并以特征項(xiàng)的權(quán)重值作為參考值進(jìn)行聚類。聚類距離設(shè)為2000，聚類密度閥值設(shè)為5，最后形成的主要聚類結(jié)果（如表2所示）。

通過(guò)計(jì)算結(jié)果可以看到，聚類一主要是對(duì)正品、質(zhì)量、包裝方面的了解需求。聚類二側(cè)重于陶瓷工藝、材料上的要求。聚類三主要是對(duì)陶瓷的總體印象，包括質(zhì)量、價(jià)格、外觀等方面。聚類四主要是陶瓷產(chǎn)品的質(zhì)量問(wèn)題方面的關(guān)注。聚類五表現(xiàn)為售后一系列信息和需求。

四、綜述與總結(jié)

我們通過(guò)了解陶瓷行業(yè)在電子商務(wù)領(lǐng)域的發(fā)展?fàn)顩r，可以初步窺探陶瓷電子商務(wù)產(chǎn)品的銷售狀況。調(diào)查分析電子商務(wù)產(chǎn)品與用戶評(píng)論之間的關(guān)系、用戶評(píng)價(jià)重要性以及電子商務(wù)情感分析發(fā)展情況，幫助我們理清陶瓷電子商務(wù)產(chǎn)品用戶評(píng)價(jià)分析方法頭緒?；谡Z(yǔ)義，通過(guò)用戶評(píng)價(jià)分析方法的研究和陶瓷電子商務(wù)產(chǎn)品用戶評(píng)價(jià)實(shí)例分析，最終得出相應(yīng)的信息和評(píng)價(jià)維度。本文研究仍然存在一些不足，還需進(jìn)一步提高陶瓷電子商務(wù)產(chǎn)品的研究深度和廣度。以期更好地促進(jìn)陶瓷行業(yè)在電子商務(wù)領(lǐng)域健康長(zhǎng)遠(yuǎn)發(fā)展。

參考文獻(xiàn)：

[1]董敏，王琨.基于語(yǔ)義分析的電子商務(wù)產(chǎn)品用戶評(píng)價(jià)分析與研究[J].商場(chǎng)現(xiàn)代化，2017，（11）：64-65.

[2]侍佳慧，呂紅波.O2O移動(dòng)電子商務(wù)平臺(tái)評(píng)價(jià)指標(biāo)體系構(gòu)建[J].黑龍江科學(xué)，2017，第8卷（4）：18-20.

[3]武新麗，李柔，令狐大智.電子商務(wù)用戶評(píng)價(jià)信息有效性研究——基于淘寶服裝類商品[J].沿海企業(yè)與科技，2019，（6）：8-13.

[4]顧勤.面向陶瓷行業(yè)的電子商務(wù)開發(fā)與應(yīng)用[J].中國(guó)商貿(mào)，2011， （4）：54-55.

[5]陳紀(jì)元.文本情感分析在電子商務(wù)中的應(yīng)用探討[J].消費(fèi)導(dǎo)刊， 2019，（3）：66-67.

[6]由麗萍，王嘉敏.基于情感分析和VIKOR多屬性決策法的電子商務(wù)顧客滿意感測(cè)度[J].情報(bào)學(xué)報(bào)，2015，（10）：1098-1110.

作者簡(jiǎn)介：聶慶華（1977.10- ），女，漢族，江西景德鎮(zhèn)人，碩士，講師，研究方向：計(jì)算機(jī)應(yīng)用技術(shù)