论文部分内容阅读
随着电子商务的迅猛发展,网络购物已经成为当下中国最热的潮流。消费者在进行网络购物的同时,也会根据网络购物过程的体验和产品使用情况发表用户评论。每一条评论都是带有情感色彩的,是用户一种情绪的表达,或是喜欢、厌恶,或是对商家的意见和建议,准确及时地获知这些用户情绪对商家的经营决策至关重要。然而这些用户评论数量巨大且属非结构化信息,只关注每一条个体情绪是没有意义的,也是不可操作的。因此,需要将所有用户评论综合起来,研究用户群体情绪的变化,从而有效地支持商家的经营决策。本研究主要针对大型B2C电子商务网站上用户评论进行研究,使得这些评论信息可以有效指导商家的经营决策,具体研究内容如下:(1)文章首先对用户评论数据进行预处理,采用关联规则寻找频繁项集的方法实现了产品特征的抽取。根据已抽取到的产品特征,利用产品特征词和情感倾向词的共现关系实现了“产品特征—情感倾向”词对的抽取。然后,基于模糊数理论构建了情感倾向词模糊语料库,计算出了情感倾向词的模糊隶属度函数和情感极性值。并采用模糊认知图对“产品特征—情感倾向”词对及其情感极性值进行了知识表示,构建了“产品特征—情感倾向”综合分析模型;(2)在此基础上,利用已经抽取到的“产品特征—情感倾向”词对及其情感极性值构建了源案例库。基于证据理论对“产品特征—情感倾向”词对进行两两融合,实现了群体情绪的识别,并进行了群体情绪识别实验;(3)最后,文章基于时间序列实现了群体情绪的演化研究,追踪了群体情绪的变化过程和趋势,这是本文最大的创新点。并依据群体情绪演化结果,指导了商家的经营决策。本文把群体情绪的概念引入到用户评论挖掘中来,并基于时间序列对群体情绪的演化过程进行研究,在理论方面能够进一步丰富充实网络用户评论领域的研究;在实践方面,可以使商家准确及时地掌握用户的需求、喜好及变化趋势,更加高效的指导商家经营决策。