基于LDA主題模型的某品牌手機(jī)評(píng)論數(shù)據(jù)分析

吳楠楠 石家程 劉勝?gòu)?qiáng)

摘? 要：在互聯(lián)網(wǎng)高度發(fā)展和智能技術(shù)普及的大環(huán)境下，電商平臺(tái)出現(xiàn)了大量的評(píng)論數(shù)據(jù)，它們對(duì)挖掘用戶需求和建立商品口碑具有重要價(jià)值。文章爬取了京東電商平臺(tái)上某品牌手機(jī)的評(píng)論數(shù)據(jù)，并基于預(yù)處理之后的數(shù)據(jù)進(jìn)行了傾向性分析和LDA主題模型分析。研究結(jié)果表明，該品牌手機(jī)具有外觀好看、充電快、性價(jià)比高和拍照功能強(qiáng)大等優(yōu)勢(shì)，但也有新品定價(jià)偏貴、保值率低、售后服務(wù)差、部分包裝零件不全等不足之處。所得結(jié)論為該品牌手機(jī)升級(jí)提供一定的參考依據(jù)。

關(guān)鍵詞：傾向性分析；LDA主題模型；品牌手機(jī)

中圖分類號(hào)：TP181? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2023）02-0012-03

Analysis of Comment Data of a Brand Mobile Phone Based on LDA Theme Model

WU Nannan， SHI Jiacheng， LIU Shengqiang

（School of Mathematical & Computing Science， Guilin University of Electronic Technology， Guilin? 541004， China）

Abstract： In the context of the high development of the Internet and the popularization of intelligent technology， a large number of review data have emerged on E-commerce platforms， which are of great value in mining user needs and establishing product reputation. It crawls the review data of a brand's mobile phone on JD E-commerce platform， and conducts a tendentiousness analysis and LDA theme model analysis based on the pre processed data. The research results show that the mobile phone of this brand has the advantages of good-looking appearance， fast charging， high cost performance and strong photographing function， but it also has the disadvantages of expensive new product pricing， low value preservation rate， poor after-sales service， and incomplete parts of some packaging. The conclusion provides a reference for the upgrading of the mobile phone of this brand.

Keywords： tendentiousness analysis; LDA theme model; brand mobile phone

0? 引? 言

隨著互聯(lián)網(wǎng)的高度發(fā)展以及智能技術(shù)的普及，網(wǎng)絡(luò)購(gòu)物已成為一種熱潮，也成為人們購(gòu)物的一種主要方式。電商評(píng)論數(shù)據(jù)是指用戶在電商平臺(tái)完成購(gòu)物后，對(duì)已購(gòu)買的商品進(jìn)行評(píng)論所產(chǎn)生的文本數(shù)據(jù)，這些數(shù)據(jù)里蘊(yùn)涵了顧客購(gòu)買后的主觀感受，反映了購(gòu)買者對(duì)商品及服務(wù)的態(tài)度、立場(chǎng)和意見，因此這些評(píng)論數(shù)據(jù)也是潛在客戶在購(gòu)物之前的決策參考，從而越來(lái)越多的商家和顧客關(guān)注電商評(píng)論數(shù)據(jù)[1]。傾向性分析是指通過(guò)分析和歸納用戶對(duì)事件或商品的評(píng)論文本，進(jìn)而發(fā)現(xiàn)或找到用戶所持有的觀點(diǎn)[2]。因此，傾向性分析能從用戶的評(píng)論數(shù)據(jù)中挖掘出顧客的主觀感受，這些感受或信息可以幫助商家改善自身缺點(diǎn)，提高其服務(wù)質(zhì)量，從而吸引更多顧客購(gòu)買。

某品牌手機(jī)作為中國(guó)乃至全世界的知名品牌手機(jī)，它的發(fā)展屬于中高端市場(chǎng)，雖然在國(guó)外的發(fā)展中具有一定的優(yōu)勢(shì)，但在國(guó)內(nèi)的市場(chǎng)中所占份額不大，這說(shuō)明中國(guó)手機(jī)行業(yè)的競(jìng)爭(zhēng)非常激烈，同時(shí)該品牌手機(jī)在國(guó)內(nèi)市場(chǎng)中也存在某些競(jìng)爭(zhēng)劣勢(shì)。為能挖掘出該品牌手機(jī)在國(guó)內(nèi)市場(chǎng)上的優(yōu)勢(shì)和不足之處，本文對(duì)該品牌手機(jī)電商進(jìn)行了傾向性分析以及LDA主題模型分析。

1? LDA主題模型的簡(jiǎn)介

LDA主題模型，即潛在狄利克雷分配，由Blei等人在2003年提出[3]，該模型對(duì)詞匯、主題和文檔的三層結(jié)構(gòu)進(jìn)行貝葉斯概率分布，認(rèn)為每個(gè)文檔由多個(gè)主題構(gòu)成，每個(gè)主題由多個(gè)特征詞匯構(gòu)成，文檔中的每個(gè)詞匯都是按照“以一定的概率選擇了某個(gè)主題，并從該主題中以一定的概率選擇了某個(gè)詞匯”的方式來(lái)獲得，將上述步驟重復(fù)即可獲得整個(gè)文檔[4]。

LDA模型一種采用詞袋的模型，它將每個(gè)文檔視為詞頻向量，并將文本信息轉(zhuǎn)換為易于建模的數(shù)字信息。LDA主題模型基于三個(gè)假設(shè)[5]：

（1）假設(shè)某一商品的評(píng)論集D由M篇評(píng)論（文檔）構(gòu)成，記為D=d1， d2，…， dM；每篇評(píng)論（文檔）中存在K個(gè)互相獨(dú)立的主題Zm，i（i=1， 2，…， K），并由K個(gè)主題隨機(jī)混合組成；每個(gè)主題下由N個(gè)詞wm，n（n=1， 2，…， N）構(gòu)成評(píng)論，每個(gè)詞是一個(gè)L維向量（1， 0， 0， …， 0， 0）。

（2）每篇評(píng)論（文檔）在主題上服從多項(xiàng)式分布，每個(gè)主題在單個(gè)詞上服從多項(xiàng)式分布。

（3）每一篇文檔在主題上的多項(xiàng)式分布的先驗(yàn)分布是參數(shù)為α的Dirichlet分布，每一個(gè)主題在詞匯上的多項(xiàng)式分布的先驗(yàn)分布是參數(shù)為β的Dirichlet分布。在以上假設(shè)下，對(duì)于評(píng)論（文檔）集D中的評(píng)論（文檔）dm，LDA模型生成文本的方式如下[3，5，6]：

1）從參數(shù)為α的Dirichlet分布中進(jìn)行采樣，生成第m個(gè)評(píng)論（文檔）的主題多項(xiàng)式分布θm。

2）從主題多項(xiàng)式分布θm中進(jìn)行采樣，生成第m個(gè)評(píng)論（文檔）第n個(gè)詞匯的主題Zm，n。

3）從參數(shù)為β的Dirichlet分布中進(jìn)行采樣，生成主題Zm，n所對(duì)應(yīng)的詞匯多項(xiàng)式分布φk。

4）從φk中進(jìn)行采樣，最終生成匯wm，n，其中，m∈[1， M ]，n∈[1， Nm]，k∈[1， K ]，M為待處理評(píng)論（文檔）數(shù)，Nm為第m個(gè)文本的總詞匯數(shù)，K為待分類主題數(shù)。

LDA主題模型可采用變分最大期望法或Gibbs抽樣方法進(jìn)行參數(shù)估計(jì)，訓(xùn)練出圖１中文本的主題分布概率θm以及主題對(duì)應(yīng)的詞匯分布概率φk[6]。

2? 實(shí)證分析

2.1? 數(shù)據(jù)的獲取與預(yù)處理

本文通過(guò)Python軟件對(duì)“京東商城”中“某品牌手機(jī)銷售”商品的評(píng)論數(shù)據(jù)的爬取，主要爬取評(píng)論數(shù)據(jù)中的好評(píng)與差評(píng)數(shù)據(jù)，約800條。在京東商城平臺(tái)上，若電商產(chǎn)品在用戶確認(rèn)收貨的一段時(shí)間后未給出評(píng)價(jià)，則系統(tǒng)會(huì)默認(rèn)好評(píng)，這種文本數(shù)據(jù)對(duì)本文的分析無(wú)實(shí)質(zhì)作用，故需刪除。同時(shí)，論中夾雜著許多數(shù)字與字母，以及較高頻率出現(xiàn)“京東”“京東商城”等詞，但它們對(duì)本次分析也無(wú)實(shí)質(zhì)作用，因此在分詞之前也將這些數(shù)據(jù)清洗掉。

2.2? 傾向性分析

2.2.1? 匹配傾向性詞

在商品評(píng)論中，可以理解為用戶對(duì)該商品表達(dá)自身觀點(diǎn)所持的態(tài)度是支持、反對(duì)還是中立。本文采用2007年10月知網(wǎng)分布的“傾向性分析用詞（beta版）”詞典匹配的方法，主要使用“中文正面評(píng)價(jià)”“中文負(fù)面評(píng)價(jià)”詞表。將每個(gè)“中文正面評(píng)價(jià)”詞語(yǔ)賦予初始權(quán)重1，作為本文的正面評(píng)價(jià)表；將每個(gè)“中文負(fù)面評(píng)價(jià)”賦予每個(gè)詞語(yǔ)初始權(quán)值-1，作為本文的負(fù)面評(píng)價(jià)表。

在匹配評(píng)價(jià)詞的時(shí)候，較多詞語(yǔ)在網(wǎng)絡(luò)購(gòu)物評(píng)論上出現(xiàn)，但不在本次匹配表的詞庫(kù)中，因此要進(jìn)行詞語(yǔ)的優(yōu)化。例如“滿意”“好評(píng)”“很快”“還好”“還行”等根據(jù)詞語(yǔ)傾向添加至對(duì)應(yīng)的中文正面詞表內(nèi)；同樣的，將“差評(píng)”“貴”“問題”等詞語(yǔ)添加到中文負(fù)面詞表內(nèi)。

2.2.2? 修正傾向性詞語(yǔ)

詞語(yǔ)的傾向性修正是指通過(guò)查看傾向性詞的前兩個(gè)位置的詞中是否具有否定詞來(lái)判斷傾向性詞的正確性，如果存在否定詞，則當(dāng)否定詞出現(xiàn)奇數(shù)次時(shí)，表示否定意義，將該詞調(diào)整為相反的傾向性詞性；而當(dāng)否定詞出現(xiàn)偶數(shù)次時(shí)，表示的是肯定詞性，此時(shí)不需要調(diào)整詞性。如果傾向性詞的前兩個(gè)位置的詞中沒有否定詞，則也不需要調(diào)整詞性。本次分析所使用的否定詞主要有19個(gè)，分別是：不、沒有、無(wú)、非、莫等。

2.2.3? 檢驗(yàn)傾向性詞分析結(jié)果

將原始評(píng)論的評(píng)論類型與基于詞表的傾向性詞分析進(jìn)行比較，得到評(píng)論類型的混淆矩陣，如表1所示。在不存在選好評(píng)的標(biāo)簽而寫了差評(píng)內(nèi)容的情況下，基于詞表的傾向性詞分析的準(zhǔn)確率為87.82%，這表明通過(guò)詞表的傾向性詞分析去判斷某文檔的傾向程度是有效的。

2.3? 基于LDA模型的主題分析

運(yùn)用LDA主題模型，可以求得詞匯在主題中的概率分布，并獲得屬于該主題的概率及同一主題下的其他特征詞，從而解決多個(gè)指代的問題。

計(jì)算主題間的平均余弦距離，該值最小，則相對(duì)應(yīng)的主題數(shù)最優(yōu)。正面評(píng)論和負(fù)面評(píng)論主題間平均余弦距離圖分別如圖2和圖3所示。圖2中橫軸代表主題數(shù)，縱軸代表平均余弦，該圖表示當(dāng)主題數(shù)為3時(shí)主題間的平均余弦相似度。因此，對(duì)于正面評(píng)論數(shù)據(jù)做LDA模型分析時(shí)，主題數(shù)為3。同理，由圖3可得，負(fù)面評(píng)論數(shù)，當(dāng)主題數(shù)為4時(shí)，主題間的平均余弦相似度最低。

使用Python語(yǔ)言gensim庫(kù)和LdaModel庫(kù)下的LDA l函數(shù)，對(duì)正面評(píng)論數(shù)據(jù)和負(fù)面評(píng)論數(shù)據(jù)分別構(gòu)建LDA主題模型。經(jīng)過(guò)LDA主題分析后，在每個(gè)主題下生成10個(gè)最有可能出現(xiàn)的詞語(yǔ)，隨后對(duì)主題分析的結(jié)果進(jìn)行評(píng)價(jià)，潛在的正負(fù)面主題分別如表2和表3所示。

由表2可知，主題1中的高頻特征詞主要是：不錯(cuò)、屏幕、清晰、效果、很快、充電等，主要反映了該品牌手機(jī)屏幕顯示效果清晰，充電速度很快；主題2中的高頻特征詞主要是：拍照、好看、流暢、價(jià)格、性價(jià)比等，主要反映了該品牌手機(jī)拍照功能強(qiáng)大，深受用戶喜愛，且性價(jià)比高；主題3中的高頻特征詞主要是：外觀、運(yùn)行、快、物流、滿意等、主要反映了該品牌手機(jī)外觀好看，運(yùn)行速度快、物流快。

由表3可知，主題1中的高頻特征詞主要是：卡、降價(jià)、使用、價(jià)格等，主要反映了該品牌手機(jī)有卡頓現(xiàn)象，降價(jià)快，保值率低；主題2中的高頻特征詞主要是：慢、反應(yīng)、時(shí)間、發(fā)現(xiàn)、無(wú)充等，主要反映了該品牌手機(jī)反應(yīng)慢，存在有些包裝沒有配套充電器的問題；主題3中的高頻特征詞主要是：不好、貴、客服、差評(píng)等，主要反映了該品牌手機(jī)貴，客服態(tài)度不好的問題；主題4中的高頻特征詞主要是：感覺、網(wǎng)絡(luò)、差評(píng)等，主要反映了該品牌手機(jī)存在用戶購(gòu)買體驗(yàn)較差的問題。

綜合以上對(duì)主題及其中對(duì)高頻特征詞的分析得出，該品牌手機(jī)的優(yōu)勢(shì)主要有以下幾個(gè)方面：外觀好看、充電快、性價(jià)比高、拍照功能強(qiáng)大等。相對(duì)而言，用戶對(duì)該品牌手機(jī)的抱怨點(diǎn)主要在新品定價(jià)偏貴、保值率低、售后服務(wù)差、部分包裝零件不全等。

3? 結(jié)? 論

本文采用LDA模型對(duì)京東網(wǎng)站的某品牌手機(jī)的評(píng)論數(shù)據(jù)進(jìn)行了文本分析。由正面傾向性詞分析得出用戶對(duì)該手機(jī)品牌的評(píng)論主要是外觀好看、充電快、性價(jià)比高、拍照功能強(qiáng)大等?？梢钥闯?，用戶對(duì)該電商產(chǎn)品的品質(zhì)還是認(rèn)可的，這些被用戶認(rèn)可的地方，應(yīng)繼續(xù)加強(qiáng)管理，讓產(chǎn)品在眾多商品中脫穎而出。由負(fù)面傾向性詞的研究分析得出該品牌手機(jī)的新品定價(jià)偏貴、保值率低、售后服務(wù)差、部分包裝零件不全等。

本文的研究結(jié)論為該品牌手機(jī)升級(jí)提供了一定的參考依據(jù)。

參考文獻(xiàn)：

[1] 劉玉林，菅利榮.基于文本情感分析的電商在線評(píng)論數(shù)據(jù)挖掘 [J].統(tǒng)計(jì)與信息論壇，2018，33（12）：119-124.

[2] 李天辰，殷建平.基于主題聚類的情感極性判別方法 [J].計(jì)算機(jī)科學(xué)與探索，2016，10（7）：989-994.

[3] BLEI D M，NG A Y，JORDAN M I. Latent Dirichlet Allocation [J].Journal of Machine Learning Research，2003（3）：993-1022.

[4] 王鵬飛，張斌.基于文獻(xiàn)計(jì)量的國(guó)內(nèi)LDA主題模型研究進(jìn)展分析 [J].圖文情報(bào)研究，2020，13（2）：85-91+111.

[5] 王麗君.詞向量和文本隱含主題的聯(lián)合學(xué)習(xí)研究 [D].武漢：華中師范大學(xué)，2018.

[6] 袁揚(yáng)，李曉，楊雅婷.基于LDA主題模型的維吾爾語(yǔ)無(wú)監(jiān)督詞義消岐 [J].廈門大學(xué)學(xué)報(bào)：自然科學(xué)報(bào)，2020，59（2），198-205.

作者簡(jiǎn)介：吳楠楠（2002.05—），男，漢族，湖北武穴人，本科在讀，研究方向：數(shù)據(jù)分析；石家程（2001.11—），男，漢族，海南樂東人，本科在讀，研究方向：數(shù)據(jù)分析；劉勝?gòu)?qiáng)（1998.01—），男，漢族，廣西桂林人，JAVA技術(shù)顧問，本科，研究方向：軟件開發(fā)。

收稿日期：2022-09-06

基金項(xiàng)目：廣西大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目（201910595202）