【背景和目的】卷煙在線評論能夠真實反映卷煙的口碑,有助于卷煙工商企業(yè)了解消費者的卷煙使用體驗和卷煙口碑動態(tài)。為了從海量卷煙消費在線評論中提煉有效的消費者體驗信息,本文進(jìn)行了卷煙在線評論的文本情感分析研究�！痉椒ā渴紫葮�(gòu)建了適用于煙草領(lǐng)域的卷煙在線評論情感詞典,并據(jù)此建立了卷煙評價文本情感分析模型。然后選取煙悅網(wǎng)（http://www.yanyue.cn/）上評論較多兩款卷煙產(chǎn)品作為研究對象,通過Python通用網(wǎng)絡(luò)爬蟲采集了2008年至2018年兩個產(chǎn)品的在線評論,經(jīng)數(shù)據(jù)清洗處理后,得到有效在線評論數(shù)據(jù)。將評論數(shù)據(jù)輸入卷煙評價文本情感分析模型,按照產(chǎn)品、時間、地區(qū)等維度分別計算出情感指數(shù)。通過情感指數(shù)變化和比較,可以洞察卷煙在線評論中的情感表達(dá),并給出了相應(yīng)的對策與建議。【結(jié)論】情感指數(shù)能夠為卷煙經(jīng)營評價方式提供新的洞察力,動態(tài)監(jiān)測消費者情感變化,及時把握煙草市場環(huán)境的消費者情感趨勢。 

【文章來源】：中國煙草學(xué)報. 2020,26(02)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

研究路線圖

(3)引入卷煙在線評論情感詞典,設(shè)定積極詞分值為1,消極詞分值為-1。從評論的第一個詞開始,如果詞語屬于卷煙在線評論情感詞典,則判斷該詞前是否有程度副詞,如果有,則用程度副詞權(quán)重與詞語分值相乘,如果程度副詞前還包含否定詞,則用否定詞權(quán)重、程度副詞權(quán)重與詞語分值相乘。遍歷進(jìn)行至整條評論沒有情感詞為止,將每次遍歷過程的得分進(jìn)行加和,得到基于卷煙在線評論情感詞典的情感評分。(4)將(3)中的評分進(jìn)行0-1標(biāo)準(zhǔn)化處理后,與(1)中評分相加,進(jìn)行再次0-1標(biāo)準(zhǔn)化處理,得到最終的評論情感得分。

以評論“口感醇和柔順,香氣非常正道,價格稍貴”為例,基于SnowNLP計算整句評論的情感得分為S1(0.92),由卷煙在線評論情感詞典可知,“醇和”、“柔順”為口感的積極情感詞,“正道”為香氣的積極情感詞且“非�！睘闃O量程度副詞,“貴”為價格的消極情感詞且“稍”為中量程度副詞,則基于卷煙在線評論情感詞典計算所得情感得分為S2(2.8)。將S2進(jìn)行0-1標(biāo)準(zhǔn)化后與S1相加得到S3(1.46),對S3再進(jìn)行0-1標(biāo)準(zhǔn)化得到最終情感評分0.72。SnowNLP情感分析將句子的情感程度表示為[0,1]區(qū)間的情感分值,即判斷句子極性的概率。本文對卷煙在線評論情感文本情感分析結(jié)果采用三級分類,即積極、消極和中性。根據(jù)文本情感判斷模型的情感分值與0.5比較情況,做出判別,即將得分大于0.5、等于0.5、小于0.5分為積極情感、中性情感、消極情感三類。采用Python實現(xiàn)圖2模型,得到2008年至2018年卷煙在線評論情感判斷的結(jié)果(如表4,僅列舉部分)。

【參考文獻(xiàn)】：
期刊論文
[1]基于Python的微博情感分析系統(tǒng)設(shè)計[J]. 王欣,周文龍.  信息與電腦(理論版). 2019(06)
[2]基于在線評論情感分析的海淘APP用戶滿意度研究[J]. 趙楊,李齊齊,陳雨涵,曹文航.  數(shù)據(jù)分析與知識發(fā)現(xiàn). 2018(11)
[3]維吾爾文情感分類特征建設(shè)研究[J]. 熱西旦木·吐爾洪太,吾守爾·斯拉木.  計算機(jī)應(yīng)用研究. 2019(12)
[4]基于互聯(lián)網(wǎng)文本情感分析的消費情感指數(shù)構(gòu)建[J]. 劉苗,李蔚,朱述政,喻燕君,劉揚,紀(jì)宏.  統(tǒng)計與信息論壇. 2018(08)
[5]面向旅游在線評論情感詞典構(gòu)建方法[J]. 嚴(yán)仲培,陸文星,束柬,王彬有.  計算機(jī)應(yīng)用研究. 2019(06)
[6]面向商品評論文本的情感分析與挖掘[J]. 李涵昱,錢力,周鵬飛.  情報科學(xué). 2017(01)
[7]文本情感分析[J]. 趙妍妍,秦兵,劉挺.  軟件學(xué)報. 2010(08)



本文編號：3425581