基于用户评价的LOCKLOCK品牌用户情感倾向研究

摘要：网上用户评论对企业有着重要的影响，用户评论中不仅有产品特征词，还包含用户对产品特征的情感倾向。本文以京东网上LOCKLOCK品牌产品的用户评论为例，挖掘评论中的产品特征词及计算其情感得分，并把500多个产品特征词分为十个产品指标，从品牌维度、产品类型维度两方面展开数据结果分析，得出产品结构、功能及味道指标方面应引起企业高度重视的结论，同时，本文提供了解决产品相关问题的建议。

关键词：用户评论 产品特征 情感倾向分析 LOCKLOCK品牌

随着web2.0的发展，在电子商务网站、大众点评等专业论坛上涌出大量针对某产品或服务的用户评论。这些用户评论蕴含了丰富的信息，一方面，消费者可以从其他用户评论中了解目标商品的口碑，这影响了消费者的购买决策；另一方面，销售商可以根据用户评论得出消费者对产品或服务的态度，有助于改进产品质量、优化营销策略。在用户评论中，往往包含了大量的产品特征及用户对这些特征的情感倾向。因此，针对用户评论进行内容分析，利用数据挖掘技术得出产品的主要特征，以便更直接地了解消费者的产品功能偏好、服务满意度等信息，进一步发现消费者对这些产品特征的情感倾向。对于商家来说，这能够更好地了解用户的真实需求，以便改进产品，为网络营销提供竞争优势。

一、产品特征分析

产品特征抽取，即是从用户评论中抽取产品特征，包括产品的属性或功能、产品部件的属性或功能、产品的相关概念等。目前产品特征的抽取主要有两种，分别是人工定义和自动提取。人工定义，即是人为建立某产品针对该领域的产品特征词汇表；在自动提取方面，一般是采用词性标注、句法分析、文本模式等自然语言处理技术对用户评论中的语句进行分析，从中自动发现产品特征。

在用户评论中，不仅具有产品特征，还包含了用户对产品特征带有情感倾向的评论，例如“商品质量不错，用着很好”评论中，用户对质量这个产品特征用“不错”、“很好” 的正面情感词来表达。因此在用户评论挖掘过程中，提取评论中的产品特征后，还需要提取用户对产品特征的相关情感评论，即是抽取情感词。在王洪伟等的研究文献中总结出目前主要有两种情感词的提取方法，一是人工定义，即利用情感词典来抽取评论中的情感词；二是自动提取，即利用评论中产品特征与情感词的关系抽取情感词。

在抽取评论句中消费者对产品特征的情感词之后，接下来的任务就是针对产品特征的情感词做情感极性判断，判断用户对产品特征的情感倾向。在目前研究中，产品特征的情感极性判断主要有两类，一是从宏观角度对产品特征做情感极性判断，主要是贬义评价、褒义评价和中性判断；二是从微观角度对产品特征做情感倾向赋值，不但得出用户对产品特征的情感极性（正面、负面或中性），还计算出产品特征的情感极性强度。

在李实等的研究中，虽然提出了产品特征挖掘的方法，但是对所得到的产品特征没有针对用户评论进行情感倾向分析，因此本文将在此方法上加入情感倾向分析模块，进一步判断用户对具体产品特征的情感分布。本文将以LOCKLOCK品牌为研究对象，分析该品牌中的产品特征及用户的情感倾向，为LOCKLOCK品牌商家提供营销策略优化建议。

二、产品特征研究方法及数据处理分析

（一）研究方法

本研究通过李实等的产品特征挖掘方法对京东网上LOCKLOCK品牌用户评论进行实验，用户评论样本包括LOCKLOCK品牌下塑料杯、保鲜盒、不锈钢以及格拉斯4个产品类型，共有19个产品的用户评论。笔者从产品的用户评论中挖掘到的产品特征词共有511个。在用户评论中，包含着产品特征词，描述产品特征词的动词和形容词以及表现用户情感强度的副词。毕达宇等人通过对电子商务环境下用户评论内容的观察与分析，提出了产品特征的情感赋值公式：

S=im（jk）

式中，s为产品特征的最终得分；i为产品特征的默认值为3分；m为否定词的情感得分。同时，为了提高研究结果的查准率，笔者首先通过对用户评论中涉及情感词的抽取，然后在参考已有情感词典的基础上增加了情感副词的不同强度划分，利用人工标注的方式对用户评论中的情感词进行赋值，如表1所示：

经过以上对情感词的赋值后，我们根据产品特征的赋值公式就能计算出各个产品特征的情感得分。

（二）数据处理及分析

用户评论挖掘到的产品特征词虽然有500多个，但是其中部分特征词反映了产品的同一个维度，例如特征词“味道”、“异味”、“塑料味”反映的是LOCKLOC K产品的味道方面的问题。因此，笔者采用人工方式对这511个产品特征进行指标分类汇总，共分为10个产品指标项。表2为根据LOCKLOCK品牌商品评论挖掘到的产品特征及其指标分类。

对LOCKLOCK品牌产品指标关注程度与情感得分的比较分析主要通过以下方式进行：利用19个产品（4个产品类型）在10个产品指标方面的得分情况，分别计算每个指标的情感得分均值，得出LOCKLOCK产品在价格、材质、结构等10个指标方面的情感得分。根据李实等对产品特征及情感倾向的研究，用户评论中产品特征出现次数越多，其受用户关注程度越高。因此作者通过计算产品指标下相关产品特征词出现的次数加总，得出指标的关注程度，最后得出LOCKLOCK品牌产品在10个指标方面的受用户关注程度的排序及其得分。表3为其结果。

三、改进建议

基于京东商城上LOCKLOCK品牌产品的用户评论，本研究采集了locklock四个产品类型：不锈钢产品、保鲜盒产品、塑料杯产品及格拉斯系列，共包含了19个产品种类的消费者评论，挖掘评论中的特征词、计算用户评论对这些产品特征词的情感得分，并把产品特征词进行合理性的指标分类，然后按照不同指标受用户关注程度的排序与其指标情感得分排序进行比较，发现其差异性，为locklock产品营销策略改进提供一定的优化建议。作者基于locklock品牌中四个产品类型维度的数据分析结果，对其中受用户关注程度与其指标情感得分存在较大差异性的指标进行典型评论语句查找，并根据结果为企业提供一些改进建议。

从数据分析结果来看：在locklock产品类型方面，不锈钢类型的产品，用户对其比较关注产品的性能、功能、结构和外观，但是其中结构指标的情感得分很低，通过典型评论语句查询，我们发现该类型产品在瓶盖设计、茶网、杯子内壁等这些产品细节的地方需要引起商家的注意并改进。保鲜盒类型和格拉斯系列的产品，应改进的地方是产品的结构和功能，而塑料杯类型的产品结构方面存在问题。在locklock品牌维度的分析中，消费者对产品的味道满意度低，需要改进。通过对四个产品类型及整体品牌维度的数据结果分析，我们为商家提供以下建议：在产品结构方面，要关注用户需求，注重产品细节，用产品细节抓住消费者的心；在产品功能（用途）方面，要充分了解不同用户对产品功能（用途）的不同需求；针对locklock这种主营塑料杯、保鲜盒及保温杯等日用品的品牌，用户对产品存在异味较敏感，若商家能改善这方面的问题，那么消费者的满意度也会有相应幅度的提升。

四、总结

在电子商务领域，在线网络评论有着重要的利用价值。对于消费者来说，商品的用户评价是左右消费者购买意愿的关键因素。对于销售商来说，关于某商品的用户评论数量越多，说明购买过该产品的消费者的数量越多，代表了产品的销售业绩。在用户评论中，不仅有产品特征词，也包含着消费者对产品特征词的情感倾向；对于企业来说，从用户评论中挖掘出产品特征词并对其用户情感倾向进行分析，这能够更好地了解用户的真实需求，以便改进产品，为网络营销提供竞争优势。

本文在现有研究的基础上，以李实等研究的产品特征挖掘模型对京东网上LOCKLOCK品牌四个产品类型，共19个产品种类进行研究，并对挖掘到的500多个产品特征词进行合理的指标分类，通过毕达宇等研究的情感倾向计算公式，分别计算出评论中用户对产品特征词的情感得分。然后根据指标分类情况，分析LOCKLOCK品牌及其四个产品类型的指标受用户关注程度和用户情感得分间的差异性，从而发现问题并为LOCKLOCK品牌商家提供营销策略优化建议。

参考文献：

[1] 郗亚辉，张明，袁方，王煜.产品评论挖掘研究综述[J].山东大学学报（理学版），2011（5： 16-23+38.

[2] Hu M， Liu B. Mining opinion features in customer reviews[C]. Proceedings of the AAAI 2004. MenloPark： AAAI Press， 2004.

[3] 姚天P， 聂青阳， 李建超.一个用于汉语汽车评论的意见挖掘系统[C].北京：中国中文信息学会， 2006.

[4] Kobayashi N， Inui K， Matsumoto Y. Collecting evaluative expressions for opinion extraction [J].LectureNotes in Artificial Intelligence，2004（3248）：596-605.

[5] Hu Mingqing， Liu Bing. Mining and summarizing customer reviews [C].Proceedings of the 8th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining， NY， USA：ACM Press， 2004.

[6] 李实， 叶强， 李一军， Rob Law.中文网络客户评论的产品特征挖掘方法研究[J].管理科学学报， 2009，（2）：142-152.

[7] 余传明.从用户评论中挖掘产品属性――基于SOM 的实现[J].现代图书情报技术，2009（5）：3-6.

[8] Li Z，Zhang M，Ma S， et al. Automatic Extraction for Product FeatureWords from Comments on the Web[C].In： Proceedings ofthe 5th Asia Information Retrieval Symposium on Information RetrievalTechnology.2009：112-123.

[9] 程传鹏，吴婷，胡恩良.基于用户评价的自动评分方法[J].计算机工程与科学，2014（6）：1177-1183.