基于評論數(shù)據(jù)的電子商務網(wǎng)站口碑分析方法

胡瑩

隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)名的信息發(fā)表自由度提高，相關信息的傳播速度達到幾何級數(shù)傳播，其形成的力量對于公司的品牌形象及產(chǎn)品的口碑發(fā)揮著非常大的影響。網(wǎng)絡上用戶的口碑及意見反饋，是企業(yè)窺探競爭對手產(chǎn)品弱點以及發(fā)現(xiàn)新的用戶需求與喜好的豐富來源。如何合理的收集消費者或潛在消費者的口碑信息，對企業(yè)品牌維護、消費者調(diào)研、市場選擇都有很重要的幫助。因此，本文提出一種電商網(wǎng)站的網(wǎng)絡口碑分析方法，為企業(yè)分析網(wǎng)站的口碑評論得出依據(jù)。

隨著Web2.0以及新興媒體的興起，互聯(lián)網(wǎng)自媒體的數(shù)量龐大，發(fā)表信息極度自由，相關信息傳播速度達到幾何級數(shù)傳播，其形成的力量對于公司的品牌形象及產(chǎn)品的口碑正發(fā)揮著越來越大的影響。網(wǎng)絡上用戶的評論中的贊揚、喜好、抱怨等信息蘊含著巨大的商機，它是企業(yè)窺探競爭對手產(chǎn)品弱點以及發(fā)現(xiàn)新的用戶需求與喜好的豐富來源。這些信息對于公關部門、品牌部門、研發(fā)部門深入了解用戶狀態(tài)與心理非常有幫助。網(wǎng)絡口碑傳播具有匿名性、速度快、范圍大、持續(xù)力強、傳播渠道多元化、傳播效果容易測量等特點。網(wǎng)絡口碑在很大程度上也是現(xiàn)實口碑的一種反映，無論是正面評價還是負面評價都可以被迅速傳播，而其中的負面評價更會被迅速放大。好的口碑傳播可以推動企業(yè)的產(chǎn)品銷售，而負面口碑的傳播可以迅速導致企業(yè)的危機。

如何合理的收集消費者或潛在消費者的口碑信息，對企業(yè)品牌維護、消費者調(diào)研、市場選擇都有很重要的幫助。因此，本文提出一種電商網(wǎng)站的網(wǎng)絡口碑分析方法，為企業(yè)分析網(wǎng)站的口碑評論得出依據(jù)。

實現(xiàn)方式

技術(shù)特點。本方法采用了自然語音處理NLP（分詞，詞法分析，句法分析）、特征數(shù)據(jù)挖掘、情感分析、觀點詞提取等數(shù)據(jù)分析處理技術(shù)。

本方法提出的通過產(chǎn)品特征數(shù)據(jù)挖掘方法（分詞與詞性標注、Apriori算法提取高頻詞匯、然后利用KNN算法進行分類聚合和裁剪）可以準確的提取產(chǎn)品數(shù)據(jù)特征數(shù)據(jù)。創(chuàng)新性的提出把特征數(shù)據(jù)挖掘與中文情感分析技術(shù)相結(jié)合，準確獲取產(chǎn)品特征數(shù)據(jù)，并分析產(chǎn)品特征評價的傾向性，進一步提升產(chǎn)品網(wǎng)絡口碑分析的實用性和針對性。

實現(xiàn)說明

本方法的數(shù)據(jù)處理流程如下圖所示，包括分詞與詞性標注、基于Apriori算法獲取頻繁特征項集、基于KNN進行聚類和裁剪 、挖掘用戶觀點及情感傾向性、提取代表性觀點詞與評價短語、評價短語詞頻權(quán)重計算等主要步驟。

采集大量網(wǎng)絡評論數(shù)據(jù)，用IKAnalyzer分詞工具對數(shù)據(jù)進行分詞和詞性標注，提取出其中的名詞及名詞短語。

輸入一批小米3手機評論：“用了2天才來評價，感覺不錯，性價比高，不足手機發(fā)熱嚴重，系統(tǒng)內(nèi)存控制不行”；“已經(jīng)收到貨，物流很給力啊，目前正在使用，感覺還不錯，日后追加評價”；“很好，超出我的想象，另外蓮米的服務超贊，只是物流有點慢，轉(zhuǎn)到ems就超慢，八天時間才收到貨”；“打電話時通話不順暢，信號差，設置2G后正常了，不知是運營商的問題，還是手機的問題，想退換貨又很糾結(jié)，電池也是一天一充”；“性價比比較高，像素貌似沒有1300萬，手機用用還可以，不卡，通話清晰”……

提取出其中的名詞及名詞短語如下：通話， 手機， 性價比， 系統(tǒng)內(nèi)存， 物流， 服務， ……

針對名詞及名詞短語，基于關聯(lián)規(guī)則的Apriori算法獲取頻繁特征項集作為候選產(chǎn)品特征集合。

Apriori算法對數(shù)據(jù)集進行循環(huán)處理挖掘頻繁項集，其算法過程如下：

a） 統(tǒng)計每個元素出現(xiàn)的頻率，并找出那些不小于最小支持度的項目集， 即1項頻繁項集；

b） 循環(huán)處理，將第（k-1）步生成的（k-1）項頻繁項集中的元素兩兩組合，統(tǒng)計每個組合中兩個元素同時出現(xiàn)的頻率，找出不小于最小支持度的組合，生成k項頻繁項集；

c） 循環(huán)處理直至生成的n項頻繁項集為空，所有的1，2，…，n項頻繁項集構(gòu)成最終的頻繁項集。

在評論挖掘算法中，我們計算每個名詞及名詞組合在評論中出現(xiàn)的頻率，采取最小支持度為0.01，生成產(chǎn)品特征項；由于3項以上的頻繁項明顯不是產(chǎn)品特征，我們只考慮3項以下的頻繁項。針對上述小米3手機評論，對提取出來的名詞，計算其出現(xiàn)的頻率，兩兩組合后計算同時出現(xiàn)的頻率，提取出大于給定的最小支持度的項目作為特征項，得到下列特征項：

[系統(tǒng)]， [速度]， [手機] ， [用戶]， [評論]， [小米]， [手機]， [功能]， [性價比]， [價格]， [外觀]， [物流]， [用戶， 評論]， [小米， 手機] ……

將候選產(chǎn)品特征集合按照K最近鄰（k-Nearest Neighbor，KNN）分類算法進行聚類和裁剪，得到最終產(chǎn)品特征項集合。KNN算法思路是：如果一個樣本在特征空間中的k個最相似（即特征空間中最鄰近）的樣本中的大多數(shù)屬于某一個類別，則該樣本也屬于這個類別。KNN算法中，所選擇的鄰居都是已經(jīng)正確分類的對象。該方法在定類決策上只依據(jù)最鄰近的一個或者幾個樣本的類別來決定待分樣本所屬的類別。

a）初始化距離為最大值

b）計算未知樣本和每個訓練樣本的距離dist

c）得到目前K個最臨近樣本中的最大距離maxdist

d）如果dist小于maxdist，則將該訓練樣本作為K-最近鄰樣本

e）重復步驟2、3、4，直到未知樣本和所有訓練樣本的距離都算完

f）統(tǒng)計K-最近鄰樣本中每個類標號出現(xiàn)的次數(shù)

g）選擇出現(xiàn)頻率最大的類標號作為未知樣本的類標號

經(jīng)過此步驟，可以獲得了最終的產(chǎn)品評價數(shù)據(jù)

以句子為單位分析評論，若句子包含特征項，挖掘出用戶對于該特征項的觀點詞及情感傾向性。觀點詞的提取，我們使用了stanford nlp工具進行句法分析，根據(jù)句法分析樹提取出修飾特征項的形容詞，并利用情感詞典判斷其情感傾向性。

例如：句子“用了一階段，質(zhì)量很好”，對特征項[質(zhì)量]提取出其修飾詞“好”，為正面評價；句子“質(zhì)量不錯，外觀喜歡，速度快，信號好”，對特征項[質(zhì)量]提取出其修飾詞“不錯”，為正面評價；對特征項[速度]提取出其修飾詞“快”，為正面評價；

匯總包含每個特征項的正面句子數(shù)量和負面句子數(shù)量，得到用戶對特征項的整體情感傾向性；例如，對特征項[質(zhì)量]統(tǒng)計出正面句子數(shù)量為8，負面句子數(shù)量為1，整體評價為正面；對特征項[系統(tǒng)]統(tǒng)計出正面句子數(shù)量為7，負面句子數(shù)量為0，整體評價為正面；

根據(jù)每個特征項的整體情感傾向性，從相應的正面或負面句子中提取出代表性觀點詞，組成評價短語。

代表性觀點詞的提取：給定某個特征項，統(tǒng)計其每個觀點詞出現(xiàn)的次數(shù)n（opinion）及觀點詞和特征項之間的距離d（opinion， feature），，根據(jù)以下公式計算觀點詞的權(quán)重，選取權(quán)重最大的詞語作為代表性觀點詞。

weight = n（opinion）/（ d（opinion，feature） * n（senctences） ），其中n（senctences）為句子總數(shù)。

例如，經(jīng)計算得到特征項[質(zhì)量]的代表性觀點詞“不錯”；得到特征項[質(zhì)量]的代表性觀點詞“流暢”；

依據(jù)評價短語出現(xiàn)的頻率計算評價短語的權(quán)重，按照評價短語的權(quán)重降序排列，分別獲取前N項正負面評價短語。最終計算得到評價短語及其權(quán)重如下：速度快：0.5367， 手機不錯：0.2731， 性價比高：0.16139， 屏幕清晰：0.0222， 反應快：0.0177，物流快：0.013

通過以上的方法，能為電子商務網(wǎng)站在眾多用戶的評論數(shù)據(jù)中獲得評價結(jié)論。企業(yè)能夠通過此方式迅速了解市場的口碑，從而了解用戶需求，為企業(yè)改進產(chǎn)品和下一步開拓市場決策提供了依據(jù)。

（作者單位：武漢軟件工程職業(yè)學院商學院連鎖經(jīng)營管理研究所）