基于LDA主題模型的電商客戶評論情感分析.pdf

1、隨著電商平臺的蓬勃發(fā)展，用戶數量逐漸增多，使得商品評價數目飆升。如何能高效、精確獲得基于這些語料的相關信息，在此基礎上進行分析研究逐漸成為了當前信息科學和技術領域中面臨到的重大挑戰(zhàn)。電商網站因流量巨大，可為各種類別的產品提供交易平臺，而這其中的電子類產品是在電商平臺上非常熱銷的典型產品之一。尤其是隨著物聯網的普及帶來了穿戴智能、智慧家裝、健康醫(yī)療等一系列智能設備，智能手環(huán)是其中典型代表。本文即采用京東商城智能手環(huán)類產品用戶評論作為數據集

2、，充分結合機器學習及自然語言處理相關理論和方法，對文本語料進行了文本情感傾向性的建模、文本主題分析研究，從而提出高效、精確的文本挖掘技術和方法。
　　本文所研究的技術成果可廣泛用于各類電商門戶、點評網站及線上交易平臺。本文從文本挖掘的具體流程，包括語料數據采集、文本預處理、語義分析、情感分類、主題分析等為文本挖掘分析提供相關的技術指導，并著重介紹了數據獲取、自然語言處理、算法選擇與情感分類比較等多種技巧。首先通過python采集京

3、東商城手環(huán)類產品評論文本語料數據，得到近20萬條用戶評論文本。然后對文本預料進行數據預處理，主要是文本語句間去重:刪除行與行之間完全重復的內容，只保留唯一的一條評論;文本語句內去重:用多重遍歷的方式對有單字、多字重復，從句間重復等進行篩查;后續(xù)處理和低含義詞語刪除:通過設置排查篩查的長度，剔除掉低于預設值的評論內容。特征選取部分，主要是采用TF-IDF值作為特征選擇的方式，計算每個詞的TF-IDF值，將其和設定的閾值進行比較，低于閾值的

4、詞過濾掉，最后剩余的詞作為特征項，并且得到的特征項對應的權重值即為其所對應的TF-IDF值。語義分析，主要是將用戶的評論中，出現頻率最高的詞語找出來，然后分析這些詞語的含義或者關系，從得出用戶對產品的重要評價或印象。情感分析，本文使用python的自然語言處理包NLTK及包含分類算法的工具包sklearn進行分類模型的訓練。根據卡方統計量進行特征值選擇，并把語料文本使用特征表示。用不同的分類算法構建分類器，并測試其準確度。LDA主題模型