基于評論數據的電子商務網站口碑分析方法

胡瑩

隨著互聯網的發展，網名的信息發表自由度提高，相關信息的傳播速度達到幾何級數傳播，其形成的力量對于公司的品牌形象及產品的口碑發揮著非常大的影響。網絡上用戶的口碑及意見反饋，是企業窺探競爭對手產品弱點以及發現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，對企業品牌維護、消費者調研、市場選擇都有很重要的幫助。因此，本文提出一種電商網站的網絡口碑分析方法，為企業分析網站的口碑評論得出依據。

隨著Web2.0以及新興媒體的興起，互聯網自媒體的數量龐大，發表信息極度自由，相關信息傳播速度達到幾何級數傳播，其形成的力量對于公司的品牌形象及產品的口碑正發揮著越來越大的影響。網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，它是企業窺探競爭對手產品弱點以及發現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、研發部門深入了解用戶狀態與心理非常有幫助。網絡口碑傳播具有匿名性、速度快、范圍大、持續力強、傳播渠道多元化、傳播效果容易測量等特點。網絡口碑在很大程度上也是現實口碑的一種反映，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的產品銷售，而負面口碑的傳播可以迅速導致企業的危機。

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

實現方式

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

本方法提出的通過產品特征數據挖掘方法（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）可以準確的提取產品數據特征數據。創新性的提出把特征數據挖掘與中文情感分析技術相結合，準確獲取產品特征數據，并分析產品特征評價的傾向性，進一步提升產品網絡口碑分析的實用性和針對性。

實現說明

本方法的數據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、評價短語詞頻權重計算等主要步驟。

采集大量網絡評論數據，用IKAnalyzer分詞工具對數據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，不足手機發熱嚴重，系統內存控制不行”；“已經收到貨，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，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， 系統內存， 物流， 服務， ……

針對名詞及名詞短語，基于關聯規則的Apriori算法獲取頻繁特征項集作為候選產品特征集合。

Apriori算法對數據集進行循環處理挖掘頻繁項集，其算法過程如下：

a） 統計每個元素出現的頻率，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，統計每個組合中兩個元素同時出現的頻率，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的頻率，采取最小支持度為0.01，生成產品特征項；由于3項以上的頻繁項明顯不是產品特征，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，計算其出現的頻率，兩兩組合后計算同時出現的頻率，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]， [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正確分類的對象。該方法在定類決策上只依據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）統計K-最近鄰樣本中每個類標號出現的次數

g）選擇出現頻率最大的類標號作為未知樣本的類標號

經過此步驟，可以獲得了最終的產品評價數據

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，質量很好”，對特征項[質量]提取出其修飾詞“好”，為正面評價；句子“質量不錯，外觀喜歡，速度快，信號好”，對特征項[質量]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量和負面句子數量，得到用戶對特征項的整體情感傾向性；例如，對特征項[質量]統計出正面句子數量為8，負面句子數量為1，整體評價為正面；對特征項[系統]統計出正面句子數量為7，負面句子數量為0，整體評價為正面；

根據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?。航o定某個特征項，統計其每個觀點詞出現的次數n（opinion）及觀點詞和特征項之間的距離d（opinion， feature），，根據以下公式計算觀點詞的權重，選取權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。

例如，經計算得到特征項[質量]的代表性觀點詞“不錯”；得到特征項[質量]的代表性觀點詞“流暢”；

依據評價短語出現的頻率計算評價短語的權重，按照評價短語的權重降序排列，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，能為電子商務網站在眾多用戶的評論數據中獲得評價結論。企業能夠通過此方式迅速了解市場的口碑，從而了解用戶需求，為企業改進產品和下一步開拓市場決策提供了依據。

（作者單位：武漢軟件工程職業學院商學院連鎖經營管理研究所）