基于LDA模型的在線手機(jī)產(chǎn)品評論的提取及分析1.引言 [10]。過濾之后發(fā)現(xiàn)，主題識別后運(yùn)行出的主題詞仍含有“一款”、“噠”等無效信息頻繁出現(xiàn)，因此將這些詞語也加入停用詞表中，再次運(yùn)行處理。3.3基于LDA模型的在線評論主題提取3.3.1基于LDA主題模型的在線評論主題識別在經(jīng)過去重、分詞等文本預(yù)處理之后，開始基于分詞結(jié)果進(jìn)行在線評論數(shù)據(jù)的主題識別。本文在前文提到的LDA模型可以用來執(zhí)行這項(xiàng)任務(wù)，另外，因?yàn)長DA也可以通過python的第三方庫gensim、pyLDAvis等來實(shí)現(xiàn)，因此本文決定利用基于python的LDA模型來挖掘在線評論數(shù)據(jù)中的主題特征，即用戶關(guān)注的一些產(chǎn)品屬性。首先，在python中載入所需的importlib、numpy、gensim、pyLDAvis.gensim等文本挖掘的第三方庫，基于gensim庫建立詞典及文本向量之后，正式開始LDA模型的擬合。聯(lián)系常見的手機(jī)產(chǎn)品屬性，取主題數(shù)num_topics=10；參考實(shí)戰(zhàn)案例，設(shè)置LDA模型中的參數(shù)α和β值分別0.01和0.1，各主題中顯示的高頻詞數(shù)（num_show_term）也為10。以下為LDA模型運(yùn)行結(jié)束后的部分結(jié)果展示，即識別出的10個主題以及各主題下的10個高頻詞（如圖3.4所示）：圖3.4主題識別結(jié)果根據(jù)各個主題下的高頻詞匯，已經(jīng)可以初步識別出部分主題，如依據(jù)“主題#0”中出現(xiàn)的“待機(jī)時間”、“充電”、“電池”等詞匯，結(jié)合手機(jī)產(chǎn)品描述屬性，可以識別出“續(xù)航能力”這一主題。以此類推，還可以總結(jié)識別出“物流”、“外觀”、“手感”、“屏幕”、“運(yùn)行速度”等主題。3.3.2基于LDA主題模型的在線評論主題可視化如前文所提到的，本文在查閱文獻(xiàn)及實(shí)戰(zhàn)案例的基礎(chǔ)上，還引入了python中的pyLDAvis模塊，這是為了結(jié)合gensim庫對主題識別的結(jié)果進(jìn)行可視化處理，方便更直觀地展示處理結(jié)果，此外，還能實(shí)現(xiàn)交互式地呈現(xiàn)不同主題和每個主題下的高頻詞語。經(jīng)資料查找，可視化處理結(jié)果想要輸出在本地會花費(fèi)比較長的時間，而選擇輸出在html網(wǎng)頁中則會大大提高運(yùn)行速度，因此，本文選擇將結(jié)果保存為網(wǎng)頁文檔，下圖（圖3.5）即為可視化結(jié)果的部分展示圖：圖3.5主題識別可視化結(jié)果（部分）圖中，左側(cè)圖的每個圓圈都代表評論文本數(shù)據(jù)的一個主題（topic），當(dāng)沒有選中任意一個圓圈，即鼠標(biāo)沒有懸停在圓圈上時，右側(cè)條形圖顯示的是主題識別后整個文檔的主題關(guān)鍵詞，可以看到前幾個主題分別是“運(yùn)行”、“拍照”、“效果”、“外觀”、“屏幕”等，基本與上一小節(jié)中初步識別出的主題相重合；這也印證了可視化結(jié)果的準(zhǔn)確、可靠性。另外，如果將鼠標(biāo)放到某個圓圈上，那么右側(cè)條形圖就會顯示所選主題下的前30個高頻詞，這一功能也為本文之后對評論文本數(shù)據(jù)進(jìn)行分類打下了基礎(chǔ)。3.3.3基于在線評論主題識別結(jié)果的手機(jī)產(chǎn)品屬性歸納完成了基于LDA模型的手機(jī)產(chǎn)品在線評論數(shù)據(jù)的主題識別后，還需將識別出的主題與用戶關(guān)注的手機(jī)產(chǎn)品屬性建立聯(lián)系，從而構(gòu)建起尋找手機(jī)產(chǎn)品待改進(jìn)領(lǐng)域的指標(biāo)體系。如上一小節(jié)提到的，在交互式的主題識別結(jié)果中，通過鼠標(biāo)懸停即能看到某一主題下的前30個高頻詞，因此本文依據(jù)結(jié)果識別出的主題及主題下出現(xiàn)頻率較高的對于手機(jī)產(chǎn)品的描述詞，對用戶關(guān)注的產(chǎn)品屬性進(jìn)行歸納。下表（表3.1）即為根據(jù)識別出的主題和所其含的主題詞綜合分析歸納出的產(chǎn)品屬性詞及評論文本數(shù)據(jù)中出現(xiàn)頻率較高的一些的描述詞。表3.1產(chǎn)品屬性詞一級屬性二級屬性描述詞外觀外觀漂亮外觀驚艷好看顏色外形時尚顏值美觀曲面手感手感大小質(zhì)感小巧尺寸單手做工重量觸感磨砂性能運(yùn)行速度運(yùn)行速度快操作卡頓順暢續(xù)航待機(jī)時間電池充電續(xù)航電池容量耗電超長屏幕屏幕細(xì)膩清晰屏幕色彩分辨率高清顯示畫質(zhì)畫面功能拍照拍照美顏攝像頭像素夜景變焦前置自拍廣角后置影音游戲音效音質(zhì)聲音音樂音量音響揚(yáng)聲器質(zhì)量質(zhì)量質(zhì)量耐用可靠實(shí)用品質(zhì)價格價格價格性價比優(yōu)惠61811貴實(shí)惠服務(wù)物流送貨物流下單快遞發(fā)貨到貨小哥當(dāng)天送到收到售后售后客服換退4.基于手機(jī)產(chǎn)品改進(jìn)的指標(biāo)確立與分析4.1用戶關(guān)注度為了實(shí)現(xiàn)尋找手機(jī)產(chǎn)品設(shè)計(jì)改進(jìn)領(lǐng)域的目標(biāo)，本文除了需要得到手機(jī)產(chǎn)品屬性的歸納結(jié)果外，還要找出用戶較關(guān)注的幾個手機(jī)產(chǎn)品屬性、用戶滿意度較低的幾個產(chǎn)品屬性，顯然，對于企業(yè)來說，用戶滿意度較低的方面可以作為產(chǎn)品改進(jìn)的方向，但在企業(yè)資源及精力有限的實(shí)際背景下，一定是優(yōu)先考慮用戶關(guān)注度較高的方面，因而可以將關(guān)注度高但滿意度低的產(chǎn)品屬性作為下一步產(chǎn)品改進(jìn)的方向。基于以上思路，這里將產(chǎn)品的用戶關(guān)注度及產(chǎn)品滿意度確立為基于手機(jī)產(chǎn)品改進(jìn)的評價指標(biāo)。首先，記本文的第一個指標(biāo)——用戶關(guān)注度為Ci；其次，利用前文提到的文本數(shù)據(jù)處理工具ROSTCM6中的“文本分類”功能，以分詞結(jié)果為基礎(chǔ)數(shù)據(jù)，基于上章歸納出的11個手機(jī)產(chǎn)品屬性及相對應(yīng)的描述詞對在線評論數(shù)據(jù)進(jìn)行分類處理。下圖（圖4.1）為在“運(yùn)行速度”這一分類結(jié)果中截取的部分結(jié)果；圖4.1基于產(chǎn)品屬性的分類結(jié)果（部分）分類完成之后，基于分類結(jié)果對每一類代表的手機(jī)產(chǎn)品屬性中出現(xiàn)的評論數(shù)據(jù)條數(shù)進(jìn)行統(tǒng)計(jì)，這里記產(chǎn)品屬性i之下的評論數(shù)據(jù)條數(shù)為ni，則該屬性的用戶關(guān)注度Ci可以用以下計(jì)算式計(jì)算出來：Ci=ni/i=1顯然，Ci越大，即表明該屬性的用戶關(guān)注度越高。下表（表4.1）即為基于評論數(shù)據(jù)分類計(jì)算出的用戶關(guān)注度；可見，“外觀”是用戶最關(guān)注的產(chǎn)品屬性，“運(yùn)行速度”緊隨其后；另外，“屏幕”、“拍照”和“手感”等屬性均排在用戶關(guān)注度的前列。而像質(zhì)量、價格等產(chǎn)品屬性，得到的數(shù)據(jù)結(jié)果則不那么多，針對這一現(xiàn)象，推測原因可能是用戶發(fā)表評論的時間點(diǎn)距離產(chǎn)品購買、使用的時間點(diǎn)較近，很難在較短的時間內(nèi)對產(chǎn)品“質(zhì)量”這一屬性有更深入的體會。表4.1用戶關(guān)注度Ci數(shù)據(jù)一級屬性二級屬性數(shù)據(jù)條數(shù)Ci外觀外觀11370.167手感6410.094性能運(yùn)行速度10880.160續(xù)航5230.077屏幕8720.128功能拍照10270.151影音5830.086質(zhì)量質(zhì)量1940.028價格價格2000.029服務(wù)物流3320.049售后2120.0314.2用戶滿意度在產(chǎn)品改進(jìn)的進(jìn)程中，用戶滿意度是又一重要的信息參考來源，而滿意度又會從用戶的產(chǎn)品使用反饋即評論數(shù)據(jù)中體現(xiàn)出的情感態(tài)度反映出來，在文本挖掘及情感分析工具ROSTCM6的支持下，分析評論體現(xiàn)的情感態(tài)度更加方便——若用戶滿意度較高，則評論數(shù)據(jù)的情感分析結(jié)果會是“積極的”，情感分析得分也會更高，反之，其情感分析結(jié)果則會是“消極的”，情感分析得分為負(fù)數(shù)。其中，-10至0分為負(fù)面情感一般，-20至-10分（不含）為負(fù)面情感較強(qiáng)，-20以下認(rèn)為反映了尤其強(qiáng)的負(fù)面情感。顯然，消極的評論對挖掘產(chǎn)品待提升點(diǎn)、對于產(chǎn)品改進(jìn)的進(jìn)程更有實(shí)際意義。基于以上思路，本文利用ROSTCM6工具對分詞結(jié)果進(jìn)行情感分析，從在線評論數(shù)據(jù)中提取出情感態(tài)度為“消極”的數(shù)據(jù)，然后繼續(xù)按照前文所用的分類方法將這些用戶滿意度較低的評論數(shù)據(jù)同樣分為產(chǎn)品屬性確定的11類。這里記消極評論數(shù)據(jù)中，產(chǎn)品屬性i之下的評論數(shù)據(jù)條數(shù)為mi,其中每條數(shù)據(jù)的情感分析得分為f,則為Fi，則該屬性的用戶滿意度可以用此屬性下評論數(shù)據(jù)的情感分析得分均值Fi來反映，F(xiàn)i可以用以下計(jì)算式計(jì)算出來：Fi=(i=1mif下表即為基于消極評論數(shù)據(jù)分類計(jì)算出的用戶滿意度。表4.2用戶滿意度Fi數(shù)據(jù)一級屬性二級屬性數(shù)據(jù)條數(shù)情感分析總得分均值/滿意度Fi外觀外觀1137-144-3.29手感641-45-2.50性能運(yùn)行速度1088-169-2.01續(xù)航523-216-3.79屏幕872-318-7.07功能拍照1027-322-6.31影音583-361-5.55質(zhì)量質(zhì)量194-91-5.69價格價格200-140-10.00服務(wù)物流332-188-7.52售后212-357-10.50可見，“售后服務(wù)”和“價格”是幾個產(chǎn)品屬性中用戶滿意度最低的，但這兩個產(chǎn)品屬性與“設(shè)計(jì)改進(jìn)”的關(guān)系并不很大，與電商平臺的運(yùn)營服務(wù)更加相關(guān)，因而繼續(xù)尋找到滿意度較低的“屏幕”和“拍照”屬性，分別從屬于手機(jī)產(chǎn)品的“性能”、“功能”兩個一級屬性。對比之下，同屬于一級屬性的“外觀”用戶滿意度要好得多。結(jié)合原始數(shù)據(jù)，了解到用戶對產(chǎn)品屬性“屏幕”滿意度不高的原因主有“貼保護(hù)膜之后的屏幕有些不靈敏”、“圖片顯示清晰度等未達(dá)用戶預(yù)期”、部分用戶出現(xiàn)“黑屏、屏幕亮線”等異常情況；而對“拍照”功能滿意度不高的原因主要有“拍照效果不滿意”、“拍照有時難以聚焦，拍攝模糊”、“攝像頭高出機(jī)身太多，不太美觀，也不方便”；對此可知，華為P40這款手機(jī)的攝像頭設(shè)計(jì)不夠完美；另外，品牌方主推的“徠卡鏡頭”拉高了用戶對拍照效果的期待，這種情況下反而更容易造成因期待未達(dá)預(yù)期而產(chǎn)生滿意度低的情況。4.3手機(jī)產(chǎn)品改進(jìn)的結(jié)論及建議依前文關(guān)注度指標(biāo)分析所得，用戶關(guān)注的產(chǎn)品屬性前五位分別為“產(chǎn)品外觀”、“運(yùn)行速度”、“拍照效果”、“屏幕效果”以及“手感”；而依據(jù)用戶滿意度數(shù)據(jù)結(jié)果，除去“服務(wù)”、“價格”兩個與產(chǎn)品改進(jìn)關(guān)系不大的屬性，滿意度較低的產(chǎn)品屬性有“屏幕效果”及“拍照效果”。下表（表4.3）為將用戶關(guān)注度Ci及用戶滿意度Fi數(shù)據(jù)結(jié)果相乘之后得到的產(chǎn)品改進(jìn)屬性參考結(jié)果，表中去除了“服務(wù)”、“價格”及“質(zhì)量”屬性。從數(shù)據(jù)結(jié)果易知，“屏幕效果”、“拍照效果”及“產(chǎn)品外觀”這三個屬性應(yīng)作為企業(yè)下一步重點(diǎn)關(guān)注的產(chǎn)品改進(jìn)領(lǐng)域：對于“屏幕效果”、“拍照效果”來講，主要需要針對“黑屏”、“不靈敏”、“難聚焦”等異常情況進(jìn)行問題分析，找出是技術(shù)限制還是質(zhì)量管理方面的問題；對于屬性“外觀”來講，則是因?yàn)橛脩絷P(guān)注度過高，因而需要保持關(guān)注，持續(xù)改進(jìn)。表4.3Ci*Fi數(shù)據(jù)屬性外觀手感運(yùn)行速度續(xù)航屏幕拍照影音Ci*Fi-0.5494-0.235-0.3216-0.2918-0.905-0.9528-0.4773另外，基于用戶關(guān)注度及滿意度兩個指標(biāo)下的數(shù)據(jù)分析結(jié)果，本文在這里進(jìn)行了一些分析、推測與建議：華為P40這款手機(jī)在外觀、手感設(shè)計(jì)方面比較成功，用戶滿意度普遍較高：兩個產(chǎn)品屬性下的評價詞多是“好看”、“時尚”、“小巧”、“單手操作”等積極評價；“拍照”和“屏幕效果”兩個屬性屬于關(guān)注度非常高且存在較多用戶滿意度較低的，應(yīng)該作為企業(yè)下一步產(chǎn)品改進(jìn)的重點(diǎn)關(guān)注領(lǐng)域，這兩個產(chǎn)品屬性下的負(fù)面評價詞多是“模糊”、“聚焦”、“黑屏”，但據(jù)進(jìn)一步查閱資料，發(fā)現(xiàn)拍照出現(xiàn)難以聚焦情況的原因之一可能是此款手機(jī)主打的拍照功能有些復(fù)雜，需要用戶調(diào)整模式及參數(shù)；“續(xù)航”和“運(yùn)行速度”問題關(guān)注度相對更低，推測遇到這類問題的用戶相對少一些，也存在用戶使用習(xí)慣、方法不當(dāng)造成此類問題的可能，因此這兩個產(chǎn)品屬性暫可不作為亟待改進(jìn)的產(chǎn)品屬性備選項(xiàng)；最后，有部分用戶表示攝像頭的設(shè)計(jì)有些過于突出，影響使用和美觀；另有部分用戶表示系統(tǒng)不夠穩(wěn)定，出現(xiàn)卡死、亮線等異常情況，因?yàn)檫@兩個問題提及數(shù)量即用戶關(guān)注度并不高，因此推測是偶然有少量產(chǎn)品存在質(zhì)量問題，雖然后期改進(jìn)重點(diǎn)可以不在這些方面，但產(chǎn)品質(zhì)量有保障必定是企業(yè)保持強(qiáng)有力競爭力的基石，對這些用戶一定要做好售后保障。5.結(jié)論與展望5.1結(jié)論本文基于在線評論的手機(jī)產(chǎn)品設(shè)計(jì)改進(jìn)進(jìn)行了研究：首先，在進(jìn)行文獻(xiàn)查閱與綜述之后，初步了解了這一課題的研究內(nèi)容、流程與方法，也了解到自然語言處理、文本挖掘等技術(shù)在現(xiàn)今社會中的廣泛應(yīng)用；而后，在任務(wù)驅(qū)動下，進(jìn)行了本文所需要應(yīng)用的LDA主題模型、以python為主體的各種文本處理庫等的了解和學(xué)習(xí)；隨后，在研究對象選取、數(shù)據(jù)收集及預(yù)處理、程序試運(yùn)行、LDA模型應(yīng)用階段基于python工具、實(shí)戰(zhàn)案例等學(xué)習(xí)資料進(jìn)行了大量的嘗試與糾錯，最終成功對收集到的評論數(shù)據(jù)進(jìn)行了預(yù)處理、主題識別和基于交互性可視化主題識別結(jié)果的手機(jī)產(chǎn)品屬性提取。在此基礎(chǔ)上，本文基于尋找手機(jī)產(chǎn)品設(shè)計(jì)改進(jìn)領(lǐng)域的目標(biāo)，確立了“用戶關(guān)注度”與“用戶滿意度”兩個指標(biāo)；而后利用ROSTCM6這一功能強(qiáng)大的文本處理工具，以通過LDA主題提取獲得的手機(jī)產(chǎn)品屬性及相對應(yīng)的高頻描述詞為分類依據(jù)對分詞處理后的手機(jī)產(chǎn)品評論數(shù)據(jù)進(jìn)行了分類，以某屬性下的評論數(shù)據(jù)條數(shù)在全部類別的評論總條數(shù)中所占的比例作為反映該屬性“用戶關(guān)注度”大小的依據(jù)。相似地，本文利用ROSTCM6軟件工具中“情感分析”這一功能，在提取出的經(jīng)過情感態(tài)度評分的消極評論數(shù)據(jù)基礎(chǔ)上，再次以產(chǎn)品屬性為依據(jù)進(jìn)行分類，進(jìn)而計(jì)算出每個產(chǎn)品屬性的情感得分均值作為“用戶滿意度”這一指標(biāo)的參考數(shù)據(jù)。最后，通過將兩指標(biāo)相對應(yīng)的手機(jī)產(chǎn)品屬性計(jì)算數(shù)據(jù)相乘，得到最應(yīng)該關(guān)注的前三個待改進(jìn)的產(chǎn)品屬性，而后，結(jié)合原始數(shù)據(jù)，對出現(xiàn)的比較具有代表性的的問題進(jìn)行了解釋與推測并給出了適當(dāng)建議。5.2展望至此，在對本課題的研究與不斷學(xué)習(xí)的過程中，不管是研究思路還是用到的技術(shù)及工具、方法，都有不少可改進(jìn)的部分：首先，受限于京東評論頁面僅呈現(xiàn)100頁數(shù)據(jù)的情況，考慮到樣本數(shù)據(jù)大小對于結(jié)果分析的重要意義，本文在數(shù)據(jù)收集方面仍有較大改進(jìn)的余地。另外，在研究中發(fā)現(xiàn)，不管是python中的文本處理庫還是功能齊全的文本處理軟件及工具，在對文本評論數(shù)據(jù)進(jìn)行情感判別分析時都容易出現(xiàn)識別不準(zhǔn)確、情感態(tài)度判斷錯誤等問題。例如它們會將一些積極評論錯誤識別為消極評論，最具有代表性的例子是，網(wǎng)絡(luò)用語“入坑”，對于品牌代表的是積極意義，但機(jī)器識別則僅會將代表消極意義的字義“坑”作為判斷依據(jù)，進(jìn)而造成錯判。在結(jié)果還中發(fā)現(xiàn)，情感分析工具對一些用戶的消極性描述會因?yàn)闊o法識別評論對象而直接將整個評論識別為消極評論，但事實(shí)上，有些消極評論針對的對象并不一定是本產(chǎn)品，只是用戶對自身以往的經(jīng)歷進(jìn)行了描述與對比，在這種情形下，得出的結(jié)情感分析果準(zhǔn)確性必定會降低。對于以上這些問題，后續(xù)還希望能在時間更充裕時，將人工標(biāo)注與計(jì)算機(jī)識別適當(dāng)結(jié)合起來，為計(jì)算機(jī)提供更多的案例參考以提高識別準(zhǔn)確性。參考文獻(xiàn)宋蘇娟，彭衛(wèi)，王沖等.基于手機(jī)評論數(shù)據(jù)探究在線評論有用性的影響因素[J].商場現(xiàn)代化,2020(11):1-4.徐自躍.基于京東手機(jī)在線評論的客戶滿意度影響因素研究[D].安徽理工大學(xué),2018.李健,張軍,苑清敏,王穎.在線商品評論對消費(fèi)者效用的改進(jìn)分析——基于信息質(zhì)量和消費(fèi)者滿意度理論視角[J].情報(bào)科學(xué),2018,36(07):137-144.韓科倫,范英杰,郭昕,許研.在線評論的情感傾向?qū)Σ煌愋彤a(chǎn)品銷量的影響研究[J].管理觀察,2015(36):69-71+77.鄭麗娟,王洪偉.基于情感本體的在線評論情感極性及強(qiáng)度分析:以手機(jī)為例[J]管理工程學(xué)報(bào),2017,31(002):47-54.趙宇晴,阮平南,劉曉燕,單曉紅.基于在線評論的用戶滿意度評價研究[J].管理評論,2020,32(03):179-189.涂海麗,唐曉波,謝力.基于在線評論的用戶需求挖掘模型研究[J].情報(bào)學(xué)報(bào),2015,034(010):1088-1097.李杰,李歡.基于深度學(xué)習(xí)的短文本評論產(chǎn)品特征提取及情感分類研究[J].情報(bào)理論與實(shí)踐,2018,41(02):143-148.劉芮暢,馬躍.對應(yīng)分析法在手機(jī)產(chǎn)品設(shè)計(jì)評價中的應(yīng)用[J].廊坊師范學(xué)院學(xué)報(bào)(自然科學(xué)版),2019,19(02):34-37.王克勤,毋鳳君.面向產(chǎn)品設(shè)計(jì)改進(jìn)的在線評論挖掘[J].計(jì)算機(jī)工程與應(yīng)用,2019,055(019):235-245,252.毛玲.基于LDA的文本主題挖掘研究[D].華中科技大學(xué),2018.史麗君.基于特征強(qiáng)化的中文產(chǎn)品評價挖掘研究[D].合肥工業(yè)大學(xué),2011.張勇.基于詞性與LDA主題模型的文本分類技術(shù)研究[D].安徽大學(xué),2016.張美頎.基于電商產(chǎn)品評論數(shù)據(jù)的情感分析[D].沈陽化工大學(xué),2020.楊程,譚昆,俞春陽.基于評論大數(shù)據(jù)的手機(jī)產(chǎn)品改進(jìn)[J].計(jì)算機(jī)集成制造系統(tǒng),2020,26(11):3074-3083.張良均，王路等.Python數(shù)據(jù)分析與挖掘?qū)崙?zhàn)[M].機(jī)械工業(yè)出版社,201509.趙楊,李齊齊,陳雨涵,曹文航.基于在線評論情感分析的海淘APP用戶滿意度研究[J].數(shù)據(jù)分析與知識發(fā)現(xiàn),2018,2(11):19-27.張璐,吳菲菲,黃魯成.基于用戶網(wǎng)絡(luò)評論信息的產(chǎn)品創(chuàng)新研究[J].軟科學(xué),2015,29(05):12-16.張明生,鄧少靈.基于LDA主題模型的文本信息挖掘應(yīng)用研究——以天貓小米官方旗艦店為例[J].現(xiàn)代商業(yè),2019(07):29-30.曹康康.基于文本挖掘的消費(fèi)電子類產(chǎn)品用戶研究[D].天津大學(xué),2018.曾小芹.基于Python的中文結(jié)巴分詞技術(shù)實(shí)現(xiàn)[J].信息與電腦(理論版),2019,31(18):38-39+42.李尚昊,朝樂門.文本挖掘在中文信息分析中的應(yīng)用研究述評[J].情報(bào)科學(xué),2016,34(08):153-159.范煒昊,徐健.基于網(wǎng)絡(luò)用戶評論情感計(jì)算的用戶痛點(diǎn)分析——以手機(jī)評論為例[J].情報(bào)理論與實(shí)踐,2018,41(01):94-99.[19]胡奕陽.基于評價參數(shù)框架探析消費(fèi)者在線評論文本[J].現(xiàn)代語言學(xué),2020,8(5):5.楊弦.基于在線評論的產(chǎn)品網(wǎng)絡(luò)口碑挖掘研究[D].大連理工大學(xué),2019.曹陽.基于在線評論數(shù)據(jù)挖掘的用戶需求研究[D].吉林大學(xué),2020.沈瑞.基于在線評論文本分析的消費(fèi)者購買決策因素研究[D].哈爾濱工程大學(xué),2017.武娟麗.在線評論對新舊產(chǎn)品銷量影響實(shí)證研究[D].北京郵電大學(xué),2014.秦成磊,章成志.中文在線評論中的產(chǎn)品新屬性識別研究[J].信息資源管理學(xué)報(bào),2020(03):79-92.陳燕方,李志宇.基于評論產(chǎn)品屬性情感傾向評估的虛