發(fā)布時(shí)間：2022-09-30 20:33

　　隨著電商行業(yè)的迅猛發(fā)展,顧客在網(wǎng)上購物也十分流行和頻繁,所以線上銷售也成為廣大商家銷售的一種重要手段。目前基本上電商平臺(tái)都設(shè)置了評(píng)論系統(tǒng),用戶可以在系統(tǒng)中表達(dá)對(duì)商品的體驗(yàn)效果,而且電商平臺(tái)每天都會(huì)產(chǎn)生大量的交易數(shù)據(jù)和用戶評(píng)論數(shù)據(jù),其中包含很多有價(jià)值的信息,因此消費(fèi)者的文本評(píng)論數(shù)據(jù)的信息挖掘,很有可能有效地驅(qū)動(dòng)商家的業(yè)務(wù)增長,從而為商家和平臺(tái)制定新的營銷策略或者產(chǎn)品改善方面提供寶貴意見。本文對(duì)天貓電商平臺(tái)上的海爾、科沃斯、美的、石頭、飛利浦和小米這6個(gè)品牌的掃地機(jī)器人的評(píng)論數(shù)據(jù)進(jìn)行深入的分析。通過八爪魚爬蟲軟件對(duì)2018年12月8日之前的評(píng)論數(shù)據(jù)的相關(guān)信息進(jìn)行爬取,并用python軟件對(duì)文本數(shù)據(jù)進(jìn)行預(yù)處理等工作,包括文本去重、短句刪除、中文分詞,過濾停用詞等等,利用處理后的文本評(píng)論數(shù)據(jù)分析各品牌用戶評(píng)論的情感傾向,并把文本評(píng)論數(shù)據(jù)分為積極、中性以及負(fù)面三大部分,將其中的積極和負(fù)面評(píng)論進(jìn)行LDA主題模型分析,提取相對(duì)應(yīng)的主題以及高頻特征詞,從而對(duì)產(chǎn)品進(jìn)行評(píng)價(jià)。同時(shí)通過機(jī)器學(xué)習(xí)和自然語言處理的方法,在建立成對(duì)比較矩陣的方面,不會(huì)過分依賴決策人的主觀判斷,更加客觀的得到分詞的指標(biāo)和權(quán)重,最后利... 

【文章頁數(shù)】：57 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 研究問題的背景和意義
    1.2 研究現(xiàn)狀
    1.3 本文研究的主要內(nèi)容
第2章 文本處理和情感分析的預(yù)備知識(shí)
    2.1 文本數(shù)據(jù)預(yù)處理
        2.1.1 文本去重
        2.1.2 中文分詞
        2.1.3 基于語義網(wǎng)絡(luò)的評(píng)論分析
    2.2 基于LDA主題模型的分析
        2.2.1 主題模型介紹
        2.2.2 主題模型的估計(jì)
    2.3 層次分析法
    2.4 模糊綜合評(píng)判
第3章 評(píng)論數(shù)據(jù)采集及預(yù)處理
    3.1 評(píng)論數(shù)據(jù)的采集過程和結(jié)果
    3.2 預(yù)處理的實(shí)現(xiàn)和結(jié)果
    3.3 基于語義網(wǎng)絡(luò)的情感傾向性分析
    3.4 本章小結(jié)
第4章 基于LDA模型的主題分析
    4.1 飛利浦產(chǎn)品的主題分析
    4.2 海爾產(chǎn)品的主題分析
    4.3 科沃斯產(chǎn)品的主題分析
    4.4 美的產(chǎn)品的主題分析
    4.5 石頭產(chǎn)品的主題分析
    4.6 小米產(chǎn)品的主題分析
    4.7 本章小結(jié)
第5章 基于AHP-FCE模型的購買者決策分析
    5.1 確定指標(biāo)和權(quán)重
    5.2 購買決策分析
    5.3 本章小結(jié)
第6章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 未來展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于情感分析和關(guān)系網(wǎng)絡(luò)的影視產(chǎn)品評(píng)論數(shù)據(jù)文本挖掘研究[J]. 李旭,于衛(wèi)紅.  情報(bào)探索. 2018(04)
[2]基于情感分析的LDA模型在在線評(píng)論中的運(yùn)用[J]. 黃蘇雨.  現(xiàn)代營銷(下旬刊). 2018(01)
[3]基于LDA的可穿戴設(shè)備在線評(píng)論主題挖掘研究[J]. 吳江,周露莎,劉冠君,賀超城.  信息資源管理學(xué)報(bào). 2017(03)
[4]基于貝葉斯模型的微博網(wǎng)絡(luò)水軍識(shí)別算法研究[J]. 張艷梅,黃瑩瑩,甘世杰,丁熠,馬志龍.  通信學(xué)報(bào). 2017(01)
[5]知識(shí)圖譜視角下的MOOC教學(xué)優(yōu)化研究[J]. 陸星兒,曾嘉靈,章夢(mèng)瑤,郭幸君,張婧婧.  中國遠(yuǎn)程教育. 2016(07)
[6]基于情感分類的文本主題挖掘[J]. 陳國良,唐萬梅.  重慶師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(01)
[7]基于Simhash算法的大規(guī)模文檔去重技術(shù)研究[J]. 余意,張玉柱,胡自健.  信息通信. 2015(02)
[8]基于LDA模型和微博熱度的熱點(diǎn)挖掘[J]. 唐曉波,向坤.  圖書情報(bào)工作. 2014(05)
[9]基于LDA的網(wǎng)絡(luò)評(píng)論主題發(fā)現(xiàn)研究[J]. 阮光冊(cè).  情報(bào)雜志. 2014(03)
[10]中文短文本去重方法研究[J]. 高翔,李兵.  計(jì)算機(jī)工程與應(yīng)用. 2014(16)

碩士論文
[1]電商空調(diào)產(chǎn)品的評(píng)論數(shù)據(jù)情感分析[D]. 楊瑞欣.山西大學(xué) 2017
[2]電子商務(wù)網(wǎng)絡(luò)水軍的智能識(shí)別研究[D]. 楊珂.北京工商大學(xué) 2015
[3]汽車評(píng)論情感分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 張愛蓮.西安電子科技大學(xué) 2013
[4]面向海量短文本去重技術(shù)的研究與實(shí)現(xiàn)[D]. 楊虎.國防科學(xué)技術(shù)大學(xué) 2007



本文編號(hào)：3684230