0
点赞
收藏
分享

微信扫一扫

京东商品评论情感分析|研究结论


最后,针对电商平台提出改进意见,改进小米10手机信号差、手机发热的缺点,建立完整的售后服务体系,提高服务质量,增加用户体验,并且改善商品客户反馈机制,降低商品投诉门槛,使得有意见可以反馈,发现问题可以及时解决。


1

研究结论


本文主要挖掘了小米京东旗舰店内十款热销的手机文本评论信息,首先抓取十款热销小米手机的文本评论数据,抽取小米10手机的评论数据,以小米10手机的评论数据作为研究;文本数据预处理后,对文本数据做情感分析,将小米手机的文本评论分成正面评价、负面评价和中性评价三部分;对情感分类后的文本进行语义网络分析,绘制语义网络图,可视化评论主题与评论对象之间的语义关系。

京东商品评论情感分析|研究结论_主题模型_02

然后对小米10手机评论的正面评价和负面评价文本数据做LDA主题模型分析,提取潜在主题,从不同的潜在主题中,发现小米10手机的优势和劣势;并用TF-IDF方法,提取小米10手机的最优属性。

最后,应对小米10手机产品的优势与不足,提出改进建议,优化运营模式,在保留产品优质性能的情况下,对于相关问题进行优化。


2

相关建议


通过文本挖掘分析,对于小米京东旗舰店电商平台提出以下建议:

(1)在保持小米10手机屏幕大、运行速度快、拍照好等优点的基础上,对小米进行改进,改进其信号差、手机发热的缺点,从整体上提升该手机的质量。

京东商品评论情感分析|研究结论_语义网络_03

(2)建立完整的售后服务体系,提高服务质量,增加用户体验,从而使商品更有竞争力,以此在大品牌的竞争中凸显优势

(3)改善商品客户反馈机制,降低商品投诉门槛,使得有意见可以反馈,发现问题可以及时解决。


3

不足与展望


本文使用情感倾向性分析、语义网络、LDA主题模型、TF-IDF属性提取多种文本挖掘技术和方法,分析用户的情感倾向以及挖掘商品的属性。但是,本文没有与其他主题模型和属性提取的方法作对比,验证模型的准确率。

京东商品评论情感分析|研究结论_数据_04

同时,本文仅对京东电商的品牌挖掘和分析,没有与其他电商如天猫、亚马逊的品牌做对比,挖掘的品牌信息不完全,且爬取的文本数据信息量较少,这是本文不足,在接下来的研究中,会爬取更多的商品评论数据,改进模型,验证准确率,以期望获取更加精确的结果。

京东商品评论情感分析|研究结论_语义网络_05

举报

相关推荐

Python爬取京东商品评论

0 条评论