论文部分内容阅读
我国手机市场容量巨大,发展空间广阔,但同时市场竞争日益激烈,智能手机出货量连续出现下滑趋势,各大手机厂商亟需根据用户的具体需求,改善产品质量。随着互联网的发展,越来越多的消费者选择网上购买手机,并且通过网络平台分享对手机特征及平台服务满意及抱怨的评价,手机在线评论由此产生。本文的主要目的是对手机在线评论进行情感分析,将在线评论按情感倾向划分为不同的类别,并分析不同类别评论中用户的具体关注点,为手机厂商及电商平台改进产品质量,提高用户体验提供决策依据。本文主要工作概述如下:1.京东商城手机在线评论信息数据的获取及预处理。通过python爬虫技术获取京东商城手机在线评论信息约26万条,对原始数据进行去重、机械压缩、短句删除等数据预处理后,得到手机在线评论信息约24万条。接着使用分层抽样法抽取1万条评论数据进行标注,经过分词,特征项的选择、降维及权重计算等处理后,得到建立分类模型的稀疏矩阵。2.建立手机在线评论情感分类的朴素贝叶斯模型。选取70%的标注样本作为训练集,训练朴素贝叶斯情感分类的学习模型,通过朴素贝叶斯拉普拉斯平滑系数的学习曲线,确定参数alpha为0.05时,分类效果最好,朴素贝叶斯模型预测情感类别的准确率为88.6%。3.建立手机在线评论情感分类的支持向量机模型。通过尝试不同的核函数,gamma参数及惩罚系数C,训练支持向量机模型的分类学习模型,并使用网格搜索法优化模型,得到网格搜索优化后的支持向量机模型预测的准确率为89.8%。4.不同情感类别手机在线评论的LDA主题分析。对全部手机在线评论进行分类,分别按正面评论和负面评论进行LDA主题分析,得到用户对手机特征关注点主要体现在拍照效果、运行速度、屏幕分辨率、电池、待机时间、外观、性价比等方面,同时得出用户对电商平台的主要关注点体现在物流、赠品、保价、售后等方面。本文将朴素贝叶斯模型与支持向量机模型运用到手机在线评论的情感分类中,并通过选取合理参数不断优化模型,提高预测的准确率,具有较强的理论价值。根据研究结论并结合实际,本文从品牌创新、电池技术提升、系统研发、售后维修四个方面给手机厂商提出合理建议,并从仓储物流、保价机制、包装与赠品三个方面给电商平台提出合理建议,具有较强的实用价值。