劉銀婷 李秋敏 詹潔

摘 要：隨著共享經(jīng)濟的發(fā)展，付費自習室在全國逐步推廣，但作為新興行業(yè)付費自習室的發(fā)展并不完善，基于在線評論能夠客觀全面地反映市場需求實現(xiàn)的程度，對付費自習室的發(fā)展有著借鑒意義。因此，本文通過收集美團平臺中付費自習室的在線評論，進行情感傾向分類、語義網(wǎng)絡分析和潛在主題分析，建立正面、負面評價的詞頻聯(lián)系，提取潛在主題，最后得到消費者對付費自習室的滿意點與抱怨點，并對付費自習室的發(fā)展提出建議。

關(guān)鍵詞：付費自習室;在線評論;情感分類;語義網(wǎng)絡分析;主題分析

本文索引：劉銀婷，李秋敏，詹潔.<標題>[J].商展經(jīng)濟，2022（10）：-061.

中圖分類號：F270.7 文獻標識碼：A

隨著社會就業(yè)壓力的提高，終身學習的意識深入人心，付費自習室是共享經(jīng)濟發(fā)展下的產(chǎn)物，有自習需求的人們在家或多或少會被干擾。公共圖書館座位有限，咖啡館相對嘈雜，所以付費自習室逐漸變成了合適的選擇，商家通過構(gòu)建沉浸式學習格子間并提供相應的學習條件和學習氛圍，消費者依據(jù)使用時間付費來獲得自習室座位的使用權(quán)。目前，國內(nèi)學者對付費自習室的研究多集中在付費自習室的發(fā)展歷程、興起原因、用戶滿意的影響因素和未來發(fā)展，在研究方法上多為對問卷調(diào)查結(jié)果的簡單描述統(tǒng)計，未建立模型構(gòu)建指標深入探討，基于線上評論信息挖掘分析的研究較少，本文意在借鑒其他學者的研究方法;首先，通過收集美團平臺中付費自習室的在線評論文本，對評論數(shù)據(jù)進行機械壓縮去詞、分詞、過濾停用詞等初步處理;然后，對文本進行情感傾向分類和語義網(wǎng)絡分析，分別建立正面、負面評價的詞頻聯(lián)系;最后，通過主題模型提取潛在主題，得到消費者對付費自習室的滿意點與抱怨點并對付費自習室的發(fā)展提出建議。

1 數(shù)據(jù)來源與預處理

1.1 數(shù)據(jù)來源

由于目前付費自習室多分布于人口密集、教育資源領(lǐng)先、付費意愿強烈的一線和新一線城市，故分別選取北京、上海、廣州、深圳、成都、長沙、鄭州七個城市中具有代表性的付費自習室作為分析對象，利用Python語言的Scrapy爬蟲框架對美團平臺上中付費自習室的在線評論進行解析，爬取得到近5000條在線評論文本數(shù)據(jù)，除去無效評論與不齊全記錄后篩選得到4538條評論作為樣本數(shù)據(jù)。

1.2 數(shù)據(jù)預處理

機械壓縮去詞：在美團付費自習室的在線評論中常存在著大量重復語料、顏文字、縮寫詞匯如“非常好好好好好好好好好，很安靜”“不錯不錯不錯”等，過于冗余，需要對其進行機械壓縮去詞處理[1]。

分詞：由于文本的句子中沒有詞的界限，因此在進行中文自然語言處理時，通常需要先進行分詞，并按照規(guī)則重新合成詞序列。本文采用Python開發(fā)的一個中文模塊——jieba分詞，對評論內(nèi)容進行中文分詞。

過濾停用詞：在文本處理中，停用詞是指那些包含信息少且在文中大量出現(xiàn)的詞語。它們通常是一些單字及高頻的單詞，如“的”“甚至”“我”“嗎”等。因此，過濾停用詞能有效提高文本的檢索效率和效果，以避免對文本特別是短文本造成負面的影響。本文在哈爾濱工業(yè)大學停用詞表基礎(chǔ)上結(jié)合具體評論內(nèi)容構(gòu)建綜合停用詞表，對分詞結(jié)果進行過濾[2]。

2 研究方法與分析

2.1 基于機器學習的情感分析

本文將收集到的10000條帶有標注的語料集作為訓練集，使用樸素貝葉斯模型進行訓練擬合，訓練出更好的詞向量，來預測新數(shù)據(jù)的分類結(jié)果，在準確率達到98.5%，損失率為0.61%的情況下，預測付費自習室的評論內(nèi)容分為帶有正面情緒的評論與帶有負面情緒的評論兩類[3]，結(jié)果如表2所示。

上述結(jié)果顯示，消費者對付費自習室的正面評價有4265條，占總評論條數(shù)的93.98%;消費者對付費自習室的負面評價有273條，占總評論條數(shù)的6.02%。從總體上說，當前消費者對付費自習室的評價大多為好評。但差評的內(nèi)容更是關(guān)注的重點，情感分類只能直觀地看出消費者總體使用感受，不能得到具體的內(nèi)容反饋。

2.2 語義網(wǎng)絡模型

為了找出各評論詞匯的主要內(nèi)容之間的關(guān)系，進一步建立語義網(wǎng)絡模型，分別提取出正面情緒詞匯和負面情緒的高頻詞匯，并過濾掉無意義的詞語，基于高頻詞表提取特征值，最后構(gòu)建正面評價語義網(wǎng)絡和負面評價語義網(wǎng)絡，生成共現(xiàn)矩陣詞表展現(xiàn)文本數(shù)據(jù)的一般關(guān)注對象[4]。語義網(wǎng)絡如圖1、圖2所示。

根據(jù)付費自習室正面評價的語義網(wǎng)絡圖，可得以下結(jié)論：在付費自習室的環(huán)境方面，正面語義網(wǎng)絡中存在安靜、干凈、氛圍等相似詞匯關(guān)系;在付費自習室的設(shè)施方面，正面語義網(wǎng)絡中存在微波爐、茶水、咖啡、零食等相似詞匯關(guān)系;在付費自習室的服務方面，正面語義網(wǎng)絡中存在姐姐、熱情、前臺等相似詞匯關(guān)系;在付費自習室的地理位置方面，正面語義網(wǎng)絡存在好找、區(qū)域、地鐵站等相似詞匯關(guān)系;在消費者體驗方面，正面語義網(wǎng)絡中存在舒服、沉浸、很棒、不錯、喜歡、效率等相似詞匯關(guān)系。

根據(jù)付費自習室負面評價的語義網(wǎng)絡圖，可以得到以下結(jié)論：在付費自習室的環(huán)境方面，負面語義網(wǎng)絡中存在隔音、裝修、味道、通風、空氣等相似詞匯關(guān)系;在付費自習室的設(shè)施方面，負面語義網(wǎng)絡中存在廁所、空調(diào)、桌子、衛(wèi)生間等相似詞匯關(guān)系;在付費自習室的服務方面，負面語義網(wǎng)絡中存在小姐姐等相似詞匯關(guān)系;在付費自習室的地理位置方面，負面語義網(wǎng)絡中存在位置等相似詞匯關(guān)系;在消費者體驗方面，負面語義網(wǎng)絡中存在不好、花錢、體驗、略貴等相似詞匯關(guān)系。

為了更直觀地看出正面、負面語義的具體范圍，本文制作了詞云圖，如圖3、圖4所示。

綜上所述，付費自習室能夠為我們提供安靜的學習氛圍，是受到消費者追捧的主要原因。付費自習室行業(yè)突然興起，大量商家跟風創(chuàng)建付費自習室的同時環(huán)境和設(shè)施并沒有達到消費者的要求，存在隔音不好、通風不暢、廁所臟亂少等問題。

2.3 主題模型

為對在線評論的潛在主題進行挖掘，展現(xiàn)主題之間的差異化特點，需要進行特征主題分析，進一步細化特征詞類型[5]。本文使用基于機器學習的情感分類結(jié)果產(chǎn)生的正面評價和負面評價作為輸入數(shù)據(jù)集，對不同情感傾向下的潛在主題分別進行挖掘，得到付費自習室評價的潛在主題與特征詞的概率分布情況，選擇前三個主題作為評論集中的熱點，并得出對應的熱點評論詞。

根據(jù)付費自習室正面評論的三個潛在主題的特征詞的提取，主題一中的高頻特征詞，即熱門關(guān)注點主要是“自習室”（0.026%）、“學習”（0.026%）、“安靜”（0.014%）、“體驗”（0.014%）、“環(huán)境”（0.014%）、“氛圍”（0.011%）、“不錯”（0.010%）、“地方”（0.010%）、“感覺”（0.009%）、“挺”（0.008%），由此可以看出，主題一主要是反映付費自習室很安靜;主題二的高頻特征詞，即熱門關(guān)注點主要是“自習室”（0.024%）、“環(huán)境”（0.023%）、“學習”（0.018%）、“不錯”（0.011%）、“體驗”（0.011%）、“特別”（0.010%）、“喜歡”（0.009%）、“免費”（0.008%）、“真的”（0.007%）、“姐姐”（0.007%），由此可以看出，主題二主要是反映消費者對付費自習室的環(huán)境很滿意;主題三的高頻特征詞，即熱門關(guān)注點主要是“學習”（0.054%）、“環(huán)境”（0.044%）、“安靜”（0.036%）、“不錯”（0.021%）、“適合”（0.016%）、“氛圍”（0.015%）、“姐姐”（0.013%）、“地方”（0.009%）、“自習”（0.009%）、“干凈”（0.009%），由此可以看出，主題三主要是反映付費自習室的學習氛圍良好。

將付費自習室正面評論的三個主題特征詞出現(xiàn)的概率進行統(tǒng)計加和，得到條形圖如圖5所示，可以明顯看出，付費自習室正面評論中主題分布差異較大，主題三占比最高，占0.226%，主題一、主題二分別占比0.142%、0.128%。由主題一主要關(guān)注在付費自習室的學習氛圍方面，我們可以得到結(jié)論：有自習需求的人們在家或多或少會被干擾，公共圖書館座位有限，咖啡館相對嘈雜，所以能提供良好學習氛圍的付費自習室逐漸受到了消費者的追捧。

根據(jù)付費自習室負面評論的三個潛在主題的特征詞的提取，主題一中的高頻特征詞，即熱門關(guān)注點主要是“環(huán)境”（0.017%）、“貴”（0.012%）、“自習”（0.009%）、“位置”（0.007%）、“價格”（0.007%）、“學習”（0.006%）、“座位”（0.006%）、“希望”（0.006%）、“體驗”（0.006%）、“卡”（0.005%），由此可以看出，主題一主要是反映消費者認為付費自習室價格貴;主題二的高頻特征詞，即熱門關(guān)注點主要是“自習室”（0.010%）、“學習”（0.009%）、“環(huán)境”（0.009%）、“廁所”（0.008%）、“位置”（0.008%）、“吵”（0.008%）、“樓下”（0.007%）、“公共”（0.007%）、“服務”（0.006%）、“區(qū)域”（0.005%），由此可以看出，主題二主要是反映消費者認為付費自習室周圍環(huán)境吵;主題三的高頻特征詞，即熱門關(guān)注點主要是“自習”（0.008%）、“通風”（0.007%）、“地方”（0.007%）、“差”（0.006%）、“學習”（0.006%）、“空調(diào)”（0.006%）、“唯一”（0.006%）、“房間”（0.005%）、“特別”（0.005%）、“太”（0.005%），由此可以看出，主題三主要是反映消費者認為付費自習室通風不好，空氣差。

將付費自習室負面評論的三個主題特征詞出現(xiàn)的概率進行統(tǒng)計加和，得到條形圖如圖6所示，可以明顯看出，付費自習室負面評論中主題分布差異不大，主題一、主題二、主題三分別占比0.081%、0.077%、0.061%。根據(jù)三個主題關(guān)注的內(nèi)容，我們可以得到結(jié)論：消費者對付費自習室不滿意的原因有付費自習室價格較昂貴;付費自習室所處的地理位置周圍環(huán)境不安靜;付費自習室通風不是太好，空氣質(zhì)量差。

3 結(jié)論與建議

3.1 相關(guān)結(jié)論

為得到消費者對付費自習室的客觀全面的評價，本文在對美團平臺中付費自習室在線評論的文本挖掘過程中，進行了情感分類、語義網(wǎng)絡分析和LDA模型主題分析，實證研究的結(jié)果為當前消費者對付費自習室的評價大多是正向評價;付費自習室受到消費者的追捧的主要原因是提供好的學習氛圍;消費者對付費自習室不滿意的主要原因是付費自習室價格昂貴、付費自習室所處的地理位置周圍環(huán)境不安靜、付費自習室通風不好、空氣質(zhì)量差、付費自習室的廁所等設(shè)施有待完善等。

3.2 相關(guān)建議

建立分區(qū)自習室，分人群收費，合理定價：由于每個受眾的收入水平不一，對付費自習室價格的接受程度也不同，因此可以建立低價區(qū)和高價區(qū)等不同類型自習室，滿足不同消費水平人員的需求。同時利潤高和利潤低的自習室能綜合維持企業(yè)的持續(xù)經(jīng)營[6]。

合理選址，選擇安靜的環(huán)境：學習環(huán)境是影響學習效率的一大因素，商家在選擇付費自習室的創(chuàng)建地點時，應該盡量選擇周圍環(huán)境安靜的地點;另外，商家應使用隔音較好的隔板及靜音設(shè)備，給消費者提供安靜的學習環(huán)境[7]。

優(yōu)化付費自習室的設(shè)施：商家在付費自習室中盡可能地提供便利服務，付費自習室的設(shè)施應更加齊全，提供干凈充足的公共衛(wèi)生間、日常生活的必需品與寬敞的學習空間，另外室內(nèi)也要常通風，保持空氣清新[8]。

參考文獻

杜嘉忠，徐健，劉穎.網(wǎng)絡商品評論的特征：情感詞本體構(gòu)建與情感分析方法研究[J].現(xiàn)代圖書情報技術(shù)，2014（5）：74-82.

郭麗麗，秦志玉.基于網(wǎng)絡游記的日照旅游形象感知研究[J].曲阜師范大學學報（自然科學版），2016，42（1）：105-110.

姚昕凱.在線旅游社區(qū)視閾下旅游目的地形象評價研究[D].南京：南京郵電大學，2020.

鮮冉.付費自習室用戶滿意度影響因素調(diào)查分析[J].科學咨詢（科技·管理），2020（9）：106-107.

周歡，秦天琦.基于在線評論情感分析與LDA的物流服務質(zhì)量影響因素研究[J].重慶工商大學學報（社會科學版）：1-17[2021-10-21].

易承柳，李夢琪，黃泳茵.基于消費者行為視角下對“付費自習室”的需求分析[J].作家天地，2020（1）：113-114.

潘盈忱，李婷，杜曉雪，等.城市自習室興起動因分析及運營策略思考[J].營銷界，2021（18）：39-40.

董苗苗，董思佳.新型付費自習室創(chuàng)立可行性研究與分析[J].經(jīng)濟師，2020（7）：199-200.

基金項目：國家統(tǒng)計局統(tǒng)計信息技術(shù)與數(shù)據(jù)挖掘重點實驗室基金資助項目“大數(shù)據(jù)背景下高維數(shù)據(jù)的降維及應用研究”（SDL201903）。

作者簡介：劉銀婷（1998-），女，漢族，河南南陽人，碩士研究生，研究方向：大數(shù)據(jù)分析;

李秋敏（1976-），女，漢族，四川成都人，博士，副教授，研究方向：計量經(jīng)濟分析;

詹潔（1996-），女，漢族，四川廣安人，碩士研究生，研究方向：大數(shù)據(jù)分析。