基于評論情感和自回歸模型的銷量預(yù)測研究.pdf

1、隨著Web2.0的出現(xiàn)，消費(fèi)者用以表達(dá)自身觀點(diǎn)的途徑也發(fā)生了變化。他們開始在商家的網(wǎng)站上發(fā)表對商品的評論，并且通過這些評論來分享各自的經(jīng)驗(yàn)。不同于產(chǎn)品的描述信息，這些評論的撰寫完全基于用戶自己的意愿觀點(diǎn)，并且能夠?qū)ζ渌M(fèi)者的購買過程產(chǎn)生影響。這種影響可以從銷量情況或者產(chǎn)品價(jià)格等這些易于測量的經(jīng)濟(jì)變量觀察得到。也正是由于網(wǎng)絡(luò)購物行為的持續(xù)發(fā)展，使得評論挖掘受到了很大的關(guān)注。
　　本文中，以書本評論作為研究對象，重點(diǎn)關(guān)注于評論中情感

2、信息的挖掘，并探討將這種信息用于產(chǎn)品銷量預(yù)測的方法。此外，前期銷量作為另一個(gè)能夠指示產(chǎn)品未來銷售情況的因素，它反映了市場的趨勢與影響力，也因此在預(yù)測中有著重要的作用。我們工作的重要性能夠在產(chǎn)品定價(jià)、市場營銷等諸多方面得到體現(xiàn)?？傮w來說，本文的工作主要體現(xiàn)在以下三個(gè)方面。
　　(1)針對評論中情感信息的挖掘，本文首先構(gòu)造了情感詞詞典，然后采用基于詞典和TF-IDF的方法對產(chǎn)品的評論進(jìn)行情感分析，最后通過將情感因素融合到自回歸模型中，

3、建立了新的預(yù)測模型——情感感知自回歸模型（Autoregressive Emotion-Sensitivemodel，ARES）。實(shí)驗(yàn)結(jié)果表明，融入了情感信息的模型具有更好的預(yù)測性能。
　　(2)然而，由于自然語言在情感表達(dá)方面的復(fù)雜性，觀點(diǎn)信息通常體現(xiàn)在多個(gè)方面，因此基于TF-IDF的方法并不能捕捉評論中情感信息的全貌。這里，我們提出了潛在情感語言模型（Latent Sentiment Language Model，LSL）來解

4、決這個(gè)問題，該模型由捕獲評論中顯式情感信息的情感-語言模型（sentiment-language）以及捕獲其中隱式情感信息的情感-LDA模型(sentiment-LDA)構(gòu)成。結(jié)合前期銷量的影響，最終生成了用于預(yù)測的情感自回歸模型(Sentiment Autoregressive Model，SAR)。實(shí)驗(yàn)結(jié)果驗(yàn)證了SAR的有效性以及情感信息的預(yù)測能力。
　　(3)此外，考慮到評論質(zhì)量對消費(fèi)者情感的影響，我們通過考察評論長度及其修