基于互联网情感词典法的在线购物评论研究

赵祉任　林钰淇　林圣庚

摘要：随着时代的发展与进步，网络购物越来越普遍，在网上购买商品的用户越来越多。大都数的网购平台都提供了在线评论功能，用户会根据其中的评论进行分析，看该商品是否符合要求。但是目前网上的一些评论并不是很真实，需要进行筛选。因此本论文主要对在线评论的一些问题进行了分析探讨，希望能够给公司提供一定的帮助。

关键词：大数据时代  顾客满意度  情感词典

1 引言

我们现在正处在一个大数据时代，已经开始了一个重大的时代转型。大数据正在改变我们的生活、工作甚至我们的思维。越来越多的行业正在尝试或考虑如何利用大数据来解决问题。数据中有很多有用的信息，如果我们能充分利用这些数据，它将给我们带来巨大的财富。阳光公司计划在网上市场推出和销售三种新产品：微波炉、婴儿奶嘴、吹风机。他们需要识别过去客户提供的评级和与其他竞争产品相关的评论的衡量标准、参数等。进而找到更好的销售策略以及对产品的改进方式。

2 模型的建立与求解

2.1 有效满足（ES）模型的构建

2.1.1 顾客满意度分析

顾客满意度主要取决于星级评价和评论内容。星级评价是分布在1-5之间的离散数据。评论由两部分组成：评论主题和复述正文。这两种类型的数据都是文本的。因此，我们需要分别对“评论主题”和“复述正文”进行量化，量化数据的总和是客户评审的最终量化值。本文采用情感词典法对评论进行量化。量化过程由三个步骤组成：划分复习一组单词，加载情感词典，对每个单词进行评分。如图1所示：

为了获得更完整的情感词典，我们从因特网上收集了几种不同的情感词典。特别地，一些词的频率在一个产品到另一个产品之间会有很大的不同，这些词可能是情感字典法的关键词，所以我们手工添加一些特殊的关键词到情感词典。

（1）评级每个词

情感词包括积极情感词和消极情感词。我们对情感词进行评价，1为积极情感词，1为消极情感词。程度副词也可以根据字典中给出的程度分配不同的点。否定词都设置为-1。

语义是情感分析的一个重要特征，评论应该根据每个句子的语义而不是单词来量化。当情感词被程度副词修饰时，情感词的倾向会加强或减弱。然而，当情感词被修饰词时，他们的情感倾向将被颠倒。同时，应该注意到，不同的位置的私有词和程度副词可能有两个结果。

其中W是情感词的情感强度值，WM是情感词的权重，WV是情感前程度副词的权重。

在评论中每个情感词的情感强度值的总和是评论的量化值。

接下来，我们将评审的量化值映射到1和5。然后使用公式3计算客户满意度（CS）。

2.1.2 评审有效性分析

评论的有效性与多种因素有关，主要有两个方面：评论的特点和评论者的态度。我们将分别探讨这两个因素。

（1）评论的特点

评论有很多特点，我们选择极端主义的评论，长篇大论来衡量评论的有效性。

A. 评论的极端对RE的影响。

星级可以反映评论者的态度，低星级（1星级）表示极端消极的态度，高星级（5星级）表示一个非常积极的态度，和中等明星（3星级）表示中性或谨慎的态度。研究表明，消费者倾向于浏览在线购物时的极端评论。

B. 评论的长度对RE的影响

较长的评论可能包含更多的信息，这可以增加信息的非认知性。因此，较长的评论更有利于消费者。较长的评论通常包含更详细的产品信息和在不同情况下的使用，这可以减少产品信息的不确定性，并降低消费者可能面临的风险。因此，本文提出以下假设。评论的长度对RE有积极的影响。

我们假设评论的长度（单词计数）对RE的正面影响与它的长度（单词计数）成比例，这意味着量化单词的数量作为分数。

（2）评论者的属性

评论者的属性包括客户的类别和评论者的信誉。

A. 顾客类别

根据亚马逊的官方文件，名为“Amazon在线客户评论机制”和数据表，客户被分为三类：

1） Amazon Vine成员：这种类型的客户在数据表中被表示为如下：Vine=Y，verified_purchase = N。一般来说，这种客户的经验更专业，而且评价更有价值。因此，消费者会更加重视自己的评价，这种评价会更有效，被设定为5分。

2）按正常价格购买商品的普通客户：这种类型的客户在数据表中表示为遵循：Vine = N， verified_purchase = Y。这种类型的客户占绝大多数。这类客户很难提供专业的评价，这更贴近生活。他们可以给出更恰当的评价，我们把它设为3分。

3）折扣购买的普通顾客：这类顾客在数据表中表示如下：vine=N， verified_purchase=N。这种顾客通常在折扣中购买便宜的商品，其评价不被注意。因此，评价的有效性很低，我们把它设为1分。

B. 评论的声誉

根据研究，当消费者阅读在线评论时，他们不仅越来越关注评论的数量和内容的倾向性，而且还与内容的可信度有关，因此评论者的声誉有着重要的影响。我们使用审阅的有效选票和有用的选票与总选票的比率来显示评论来源的可信度和消费者对评论信息质量的认可程度，这代表审稿人的声誉。因此，这两种数据对其他消费者在评论中是否采用信息具有重要影响。我们把这两个项目作为影响评审有效性的因素，对其有积极的影响。

参考文献

[1]李道和，杨俊，陈江华.茶叶电子商务消费者满意度影响因素分析——基于在线评论的探索分析[J].林业经济，2019，41（10）：70-77.

[2]王悅.基于在线评论的京东平台大米消费者满意度研究[D].黑龙江八一农垦大学，2019.

[3]李金海.基于在线评论挖掘的网络购物混合推荐模型及策略研究[D].江苏大学，2016.