CN107944912A - 基于在线用户评论的区域化产品感知挖掘方法和系统 - Google Patents

Abstract

本发明提供一种基于在线用户评论的区域化产品感知挖掘方法和系统，涉及数据处理技术领域。该挖掘方法包括：基于对在线评论数量的区域分布分析，确定目标产品感知分析的重点区域，基于对产品评论的文本分析统计，确定目标产品感知分析的关键产品特征，针对每个关键产品特征，计算每个重点区域对该产品特征的关注热度，然后确定对该产品特征高度关注的区域，针对每个对该产品特征高度关注的区域，通过情感分析计算其对该产品特征的满意度，形成该区域对目标产品的感知标签。解决现有技术中仅分析整个市场情况，忽视了区域之间的差异的问题。能够基于的用户个体分散的在线评论，获取重点区域的关键产品感知，支持企业的区域化产品营销与产品设计的决策。

Description

基于在线用户评论的区域化产品感知挖掘方法和系统

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于在线用户评论的区域化产品感知挖掘方法和系统。

背景技术

文本数据的挖掘是指从文本数据中抽取有价值的信息和知识的计算机技术。

随着社交媒体的快速发展，越来越多用户选择在微博、论坛等社交网站上分享自己的购物体验以及对产品的评价，这些在线的产品评论是企业了解用户需求的重要信息资源。在产品营销过程中，如何有针对性的对用户的需求进行分析，进而制定营销决策是增加销量的重要手段，决策行为是项目管理的一项重要活动，而基于用户评论文本数据的挖掘能够有效的提高决策科学性和依据性。

但是现有技术中多为对用户个体偏好的分析，并未涉及区域用户整体偏好的分析。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于在线用户评论的区域化产品感知挖掘方法和系统，解决现有技术中仅分析整个市场情况，忽视了区域之间的差异，不利于区域化的产品营销和产品设计的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于在线用户评论的区域化产品感知挖掘方法，包括：

S1、通过对在线评论数量的区域分布分析，确定目标产品感知分析的重点区域；

S2、通过产品特征的市场热度分析，确定目标产品感知分析的关键产品特征；

S3、针对每个关键产品特征，计算每个重点区域对该关键产品特征的关注热度；

S4、判断该关键产品特征在不同重点区域的关注热度是否存在显著差异，若存在显著差异，将关注热度排在前第一预设比例的区域确定为对该产品特征高度关注；

上述判断该关键产品特征在不同重点区域的关注热度是否存在显著差异，包括：

计算每个关键产品特征的关注热度的方差；

根据经验值设定显著差异的阈值；

若该关键产品的关注热度方差大于阈值，则该关键产品特征在不同重点区域的关注热度存在显著差异。

S5、针对每个对该关键产品特征高度关注的区域，通过预设算法计算上述区域对该关键产品特征的满意度，形成上述区域对目标产品的感知标签。

优选的，上述通过对在线评论数量的区域分布分析，确定目标产品感知分析的重点区域，包括：

按照各个区域的在线评论数量从大到小排序，将在线评论数量排名前20％的区域设置为目标产品感知分析的重点区域。

优选的，通过产品特征的市场热度分析，确定目标产品感知分析的关键产品特征，包括：

从目标产品的在线评论中，根据词性分析的方法，提取在线评论中的产品特征，并进行同义词合并；

统计各产品特征出现的次数；

设置关键产品特征的评论数量阈值；

当评论数量大于该阈值，则该产品特征为目标产品感知分析的关键产品特征。

优选的，上述设置关键产品特征的评论数量阈值，包括：

按照各个产品特征的在线评论数量从大到小排序，将在线评论数量排名前20％的产品特征的评论数量设置为关键产品特征的评论数量阈值。

优选的，上述计算每个重点区域对该关键产品特征的关注热度，包括：

针对每个关键产品特征，统计每个重点区域中参与评论该关键产品特征的用户数量；

统计每个重点区域参与评论目标产品的用户总数；

根据上述用户数量和上述用户总数计算关注热度。

优选的，上述通过预设算法计算其对该关键产品特征的满意度，包括：

针对每个重点区域，获取每个重点区域高度关注的关键产品特征；

基于文本情感分析方法确定上述每个重点区域高度关注的关键产品特征的用户情感极性；

统计该关键产品特征正面情感的用户数量和负面情感的用户数量；

根据正面情感的用户数量和负面情感的用户数量计算该产品特征的满意度，即用正面情感用户数量除以正负面用户数量之和。

优选的，上述利用文本情感分析，定上述每个重点区域高度关注的产品特征的用户情感极性，具体步骤如下：

确定每一条在线评论中的每一个目标产品中的观点词；

基于情感词库确定上述观点词的类型；

根据上述观点词的类型，确定在线评论中对该产品特征的用户情感极性。

优选的，上述的每一条在线评论中每一个目标产品中的观点词为在该条在线评论中与该产品特征邻近的预设数量的字符中的形容词。

一种基于在线用户评论的区域化产品感知挖掘系统，包括：

确定重点区域模块，用于通过在线评论数量的区域分布分析，确定目标产品感知分析的重点区域；

确定关键产品特征模块，用于根据对产品特征的市场热度分析，确定目标产品感知分析的关键产品特征；

计算关注热度模块，用于根据每个关键产品特征，计算每个重点区域对该关键产品特征的关注热度；

确定高度关注区域模块，用于根据判断该关键产品特征在不同区域的关注热度是否存在显著差异，若存在显著差异，将关注热度排在第一预设比例的区域确定为对该产品特征高度关注；

感知标签形成模块，用于针对每个对该关键产品特征高度关注的区域，通过情感分析计算其对该关键产品特征的满意度，形成该区域对目标产品的感知标签。

(三)有益效果

本发明提供了一种基于在线用户评论的区域化产品感知挖掘方法和系统。与现有技术相比，具备以下有益效果：

首选基于对在线评论数量的区域分布分析，确定目标产品感知分析的重点区域，基于对产品评论的文本分析统计，确定目标产品感知分析的关键产品特征，针对每个关键产品特征，计算每个重点区域对该产品特征的关注热度，然后确定对该产品特征高度关注的区域，针对每个对该产品特征高度关注的区域，通过情感分析计算其对该产品特征的满意度，形成该区域对目标产品的感知标签。对于目标产品，能够基于的用户个体分散的在线评论，获取重点区域的关键产品感知，支持企业的区域化产品营销与产品设计的决策。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为一种基于在线用户评论的区域化产品感知挖掘方法的流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

由于不同的环境、经济条件和文化的差异，导致不同区域的用户对产品偏好具有一定的差异。通过对用户评论文本的挖掘整合，可以帮助企业了解区域用户对产品的感知情况，形成区域化产品感知标签，从而驱动企业的区域化产品营销与产品设计。

第一方面本发明实施例提供一种基于在线用户评论的区域化产品感知挖掘方法，如图1所示，该挖局方法的具体步骤如下：

S1、通过对在线评论数量的区域分布分析，确定目标产品感知分析的重点区域；

S2、通过产品特征的市场热度分析，确定目标产品感知分析的关键产品特征；

S3、针对每个关键产品特征，计算每个重点区域对该关键产品特征的关注热度；

可以理解的是，所谓的产品特征是指能够反映产品的某些特征的参数，一般指产品的外形、质量、功能、商标和包装等。

S4、判断该关键产品特征在不同重点区域的关注热度是否存在显著差异，若存在显著差异，将关注热度排在前第一预设比例的区域确定为对该产品特征高度关注；

上述判断该关键产品特征在不同重点区域的关注热度是否存在显著差异，包括：

计算每个关键产品特征的关注热度的方差；

根据经验值设定显著差异的阈值；

若该关键产品的关注热度方差大于阈值，则该关键产品特征在不同重点区域的关注热度存在显著差异。

在具体实施过程中，第一预设比例可以根据需要进行设置，优选为20％。

S5、针对每个对该关键产品特征高度关注的区域，通过预设算法计算上述区域对该关键产品特征的满意度，形成上述区域对目标产品的感知标签。

本发明实施例基于对在线评论数量的区域分布分析，确定目标产品感知分析的重点区域，基于对产品评论的文本分析统计，确定目标产品感知分析的关键产品特征，针对每个关键产品特征，计算每个重点区域对该产品特征的关注热度，然后确定对该产品特征高度关注的区域，针对每个对该产品特征高度关注的区域，通过情感分析计算其对该产品特征的满意度，形成该区域对目标产品的感知标签。对于目标产品，能够基于的用户个体零碎的在线评论，获取重点区域的关键产品感知，支持企业的区域化产品营销与产品设计的决策。

在具体实施过程中，S1从通过对在线评论数量的区域分布分析，确定目标产品感知分析的重点区域的方法有很多种，其中一种可选的方式为：

按照各个区域的在线评论数量从大到小排序，将在线评论数量排名前20％的区域设置为目标产品感知分析的重点区域。

在具体实施过程中，S2通过产品特征的市场热度分析，通过产品特征的市场热度分析，确定目标产品感知分析的关键产品特征的方法有很多种，其中一种可选的方式为：

S2-1，从目标产品的在线评论中，根据词性分析的方法，提取在线评论中的产品特征，并进行同义词合并；

S2-2，统计各产品特征的出现的次数；

S2-3，设置关键产品特征的评论数量阈值；

S2-4，当评论数量大于该阈值，则该产品特征为目标产品感知分析的关键产品特征。

其中S2-1，词性分析的方法优选为：识别在线评论的词性，产品特征一般为名词。频繁出现的名词默认为潜在的产品特征，通过专家咨询，剔除无用的潜在产品特征，合并有意义的产品特征，形成产品特征库

其中S2-3，设置关键产品特征的评论数量阈值的方法优选为：

按照各个产品特征的在线评论数量从大到小排序，将在线评论数量排名前20％的产品特征的评论数量设置为关键产品特征的评论数量阈值。

在具体实施过程中，S3计算每个重点区域对该产品特征的关注热度的方法有很多种，其中一种可选的方式为：

S3-1，针对每个关键产品特征，统计每个重点区域中参与评论该关键产品特征的用户数量；

S3-2，统计每个重点区域参与评论目标产品的用户总数；

S3-3，根据所述用户数量和所述用户总数计算关注热度。

具体的计算关注热度的方法为：关注热度等于参与评论该产品特征的用户数量除以参与评论目标产品的用户总数。

在具体实施时，S5通过预设算法计算其对该关键产品特征的满意度，包括：

S5-1，针对每个重点区域，获取每个重点区域高度关注的关键产品特征；

S5-2，基于文本情感分析方法确定所述每个重点区域高度关注的关键产品特征的用户情感极性；

S5-3，统计该关键产品特征正面情感的用户数量和负面情感的用户数量；

S5-4，根据正面情感的用户数量和负面情感的用户数量计算该产品特征的满意度，即用正面情感用户数量除以正负面用户数量之和。

在具体实施中，预设算法为情感分析方法，即对于每个产品，所有的在线评论被分割成句子；对于每个句子，判定是否包含一个产品特征，若包含，依据最近的情感词的情感极性(正面或负面)来判断产品特征的情感极性(正面或负面)。情感词的判定依赖于情感词库。否定词的出现往往会改变产品特征的情感极性，在情感词上下文设置一个大小为5的监测窗口，若在监测窗口内出现否定词，则对产品特征的情感极性取反值。

其中S5-2中文本情感分析方法有很多种，其中一种可选的方式为：确定根据每一条评论的中的每一个产品中的观点词；确定上述观点词所属的情感词库的类型；根据上述情感词库的类型，确定该条评论文本中用户对该产品特征的情感极性。

所谓的观点词为在该条评论文本中与该产品特征邻近的预设数量的字符中的形容词。可以理解的是，观点词是能够反映用户对待分析产品的的这一特征的情感倾向，如喜欢、讨厌、还可以等。

另一方面，本发明实施例还提供一种基于在线用户评论的区域化产品感知挖掘系统，包括：

确定重点区域模块，用于通过在线评论数量的区域分布分析，确定目标产品感知分析的重点区域；

确定关键产品特征模块，用于根据对产品特征的市场热度分析，确定目标产品感知分析的关键产品特征；

计算关注热度模块，用于根据每个关键产品特征，计算每个重点区域对该关键产品特征的关注热度；

确定高度关注区域模块，用于根据判断该关键产品特征在不同区域的关注热度是否存在显著差异，若存在显著差异，将关注热度排在第一预设比例的区域确定为对该产品特征高度关注；

在具体实施过程中，上述判断该关键产品特征在不同重点区域的关注热度是否存在显著差异，包括：

计算每个关键产品特征的关注热度的方差；

根据经验值设定显著差异的阈值；

若该关键产品的关注热度方差大于阈值，则该关键产品特征在不同重点区域的关注热度存在显著差异。

感知标签形成模块，用于针对每个对该关键产品特征高度关注的区域，通过情感分析计算其对该关键产品特征的满意度，形成该区域对目标产品的感知标签。

下面结合具体的实施例进行详细的说明。

实施例1：

汽车产品：艾瑞泽5为例

数据收集：从汽车之家网站上获取艾瑞泽5车型2037条评论

确定重点区域：根据每个城市评论数量的多少，获取前20％的城市，分别为：成都，重庆，长沙，苏州，广州，上海，北京，合肥，郑州，西安，洛阳，武汉，深圳，石家庄，南宁，青岛，宁波，杭州，芜湖，东莞，无锡，徐州，泰安，佛山，南昌，哈尔滨，南京，福州，长春，贵阳，30个重点城市

确定关键产品特征：根据每个特征被评论次数的多少，获取前20％的产品特征，分布为：性价比，内饰，动力，外观，底盘，油耗，空间，配置，隔音，安全，座椅，操控，方向盘，轮胎，14个关键产品特征。

确定高度关注区域：对于每个特征计算关注度方差，设定方差阈值为0.1。其中，性价比，动力，外观，油耗和配置在各地区的关注度差异较大。以性价比为例，高关注地区为：福州，成都，南宁，西安，重庆，长春，长沙。

形成感知标签：针对特征高关注地区，计算特征满意度，形成产品的地区标签。还是以性价比为例，高关注地区福州，成都和西安的满意度分别为0.667、0.854和0.950。形成产品区域标签：福州-性价比为0.667、成都-性价比为0.854、西安-性价比为0.950。由此可以根据该产品区域标签对该区域的营销产品做出针对性布局。

综上所述，本发明实施例与现有技术相比，具备以下有益效果：

首选基于对在线评论数量的区域分布分析，确定目标产品感知分析的重点区域，基于对产品评论的文本分析统计，确定目标产品感知分析的关键产品特征，针对每个关键产品特征，计算每个重点区域对该产品特征的关注热度，然后确定对该产品特征高度关注的区域，针对每个对该产品特征高度关注的区域，通过情感分析计算其对该产品特征的满意度，形成该区域对目标产品的感知标签。对于目标产品，能够基于的用户个体分散的在线评论，获取重点区域的关键产品感知，支持企业的区域化产品营销与产品设计的决策。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种基于在线用户评论的区域化产品感知挖掘方法，其特征在于，包括：

S1、通过对在线评论数量的区域分布分析，确定目标产品感知分析的重点区域；

S2、通过产品特征的市场热度分析，确定目标产品感知分析的关键产品特征；

S3、针对每个关键产品特征，计算每个重点区域对该关键产品特征的关注热度；

S4、判断该关键产品特征在不同重点区域的关注热度是否存在显著差异，若存在显著差异，将关注热度排在前第一预设比例的区域确定为对该产品特征高度关注；

所述判断该关键产品特征在不同重点区域的关注热度是否存在显著差异，包括：

计算每个关键产品特征的关注热度的方差；

根据经验值设定显著差异的阈值；

若该关键产品的关注热度方差大于阈值，则该关键产品特征在不同重点区域的关注热度存在显著差异。

S5、针对每个对该关键产品特征高度关注的区域，通过预设算法计算所述区域对该关键产品特征的满意度，形成所述区域对目标产品的感知标签。

2.如权利要求1所述的一种基于在线用户评论的区域化产品感知挖掘方法，其特征在于，所述通过对在线评论数量的区域分布分析，确定目标产品感知分析的重点区域，包括：

按照各个区域的在线评论数量从大到小排序，将在线评论数量排名前20％的区域设置为目标产品感知分析的重点区域。

3.如权利要求1所述的一种基于在线用户评论的区域化产品感知挖掘方法，其特征在于，通过产品特征的市场热度分析，确定目标产品感知分析的关键产品特征，包括：

从目标产品的在线评论中，根据词性分析的方法，提取在线评论中的产品特征，并进行同义词合并；

统计各产品特征出现的次数；

设置关键产品特征的评论数量阈值；

当评论数量大于该阈值，则该产品特征为目标产品感知分析的关键产品特征。

4.如权利要求3所述的一种基于在线用户评论的区域化产品感知挖掘方法，其特征在于，所述设置关键产品特征的评论数量阈值，包括：

按照各个产品特征的在线评论数量从大到小排序，将在线评论数量排名前20％的产品特征的评论数量设置为关键产品特征的评论数量阈值。

5.如权利要求1所述的一种基于在线用户评论的区域化产品感知挖掘方法，其特征在于，所述计算每个重点区域对该关键产品特征的关注热度，包括：

针对每个关键产品特征，统计每个重点区域中参与评论该关键产品特征的用户数量；

统计每个重点区域参与评论目标产品的用户总数；

根据所述用户数量和所述用户总数计算关注热度。

6.如权利要求1所述的一种基于在线用户评论的区域化产品感知挖掘方法，其特征在于，所述通过预设算法计算其对该关键产品特征的满意度，包括：

针对每个重点区域，获取每个重点区域高度关注的关键产品特征；

基于文本情感分析方法确定所述每个重点区域高度关注的关键产品特征的用户情感极性；

统计该关键产品特征正面情感的用户数量和负面情感的用户数量；

根据正面情感的用户数量和负面情感的用户数量计算该产品特征的满意度，即用正面情感用户数量除以正负面用户数量之和。

7.如权利要求6所述的一种基于在线用户评论的区域化产品感知挖掘方法，其特征在于，所述利用文本情感分析，定所述每个重点区域高度关注的产品特征的用户情感极性，具体步骤如下：

确定每一条在线评论中的每一个目标产品中的观点词；

基于情感词库确定所述观点词的类型；

根据所述观点词的类型，确定在线评论中对该产品特征的用户情感极性。

8.如权利要求1～7任一项所述的一种基于在线用户评论的区域化产品感知挖掘方法，其特征在于，所述的每一条在线评论中每一个目标产品中的观点词为在该条在线评论中与该产品特征邻近的预设数量的字符中的形容词。

9.一种基于在线用户评论的区域化产品感知挖掘系统，其特征在于，包括：

确定重点区域模块，用于通过在线评论数量的区域分布分析，确定目标产品感知分析的重点区域；

确定关键产品特征模块，用于根据对产品特征的市场热度分析，确定目标产品感知分析的关键产品特征；

计算关注热度模块，用于根据每个关键产品特征，计算每个重点区域对该关键产品特征的关注热度；

确定高度关注区域模块，用于根据判断该关键产品特征在不同区域的关注热度是否存在显著差异，若存在显著差异，将关注热度排在第一预设比例的区域确定为对该产品特征高度关注；

感知标签形成模块，用于针对每个对该关键产品特征高度关注的区域，通过情感分析计算其对该关键产品特征的满意度，形成该区域对目标产品的感知标签。