一種基于網(wǎng)絡評論小樣本數(shù)據(jù)的群體情緒量化方法

王，龔莉萍，劉漢濤，李文藻,3

（1.四川省教育信息化與大數(shù)據(jù)中心，四川 成都 610000；2.成都體育學院，四川 成都 610000；3.成都信息工程大學，四川 成都 610000）

0 引 言

在新一代通信技術的高速發(fā)展下，評論參與、評論轉(zhuǎn)發(fā)或者信息報道更加簡便[1]。而在網(wǎng)絡購物已經(jīng)成為生活常態(tài)的今天，用戶對于商品的感受評論以及改進建議對商品發(fā)展具有強大的推動作用，甚至決定著商品的研發(fā)方向。商家從大量褒貶不一、非結構化的評論中準確獲知用戶群體對商品的態(tài)度和意見，對產(chǎn)品改進及經(jīng)營決策至關重要。特別是在用戶追求商品質(zhì)量的相關領域，比如更新?lián)Q代快的智能產(chǎn)品領域，網(wǎng)絡評論關注群體多、用戶參與感強、媒體關注度高等特征明顯。這些特征會使網(wǎng)絡評論的用戶群體情緒認同感強，事后處理成本高，擴散和影響持續(xù)周期長，商品的研發(fā)或者經(jīng)營可能遭受損失。

目前，國內(nèi)外學者對用戶群體評論情緒的分析主要通過機器學習[2]、情感詞提取[3]等方法，圍繞用戶體驗感知、用戶情感等視角展開多范疇研究。雖然出現(xiàn)了基于人工智能等方式的網(wǎng)絡評論群體情緒監(jiān)測分析技術[4]，但基于神經(jīng)網(wǎng)絡的網(wǎng)絡評論群體情緒分析存在兩方面的挑戰(zhàn)，首先，由于語義理解的偏差，對評論中的信息理解感知結果相對較差；其次，采用基于神經(jīng)網(wǎng)絡的方式時需要大量商品評論數(shù)據(jù)作為神經(jīng)網(wǎng)絡的訓練樣本。而通過情感詞提取的方法識別群體情緒時，情感分析的結果好壞對情感詞的構建是否完善依賴程度高。

基于以上研究方式的一些不足之處，筆者提出了一種基于網(wǎng)絡評論小樣本數(shù)據(jù)的群體情緒量化方法，通過k-means聚類算法對數(shù)據(jù)進行分類。該方法在網(wǎng)絡評論群體情緒出現(xiàn)初期，僅有少量樣本數(shù)據(jù)的條件下，對網(wǎng)絡評論的群體情緒進行識別分析。k-means聚類算法因為其較好的穩(wěn)定性和聚類效果，也被廣泛用于文本挖掘[5]、風險評估[6]等各項研究，也有學者將之用于基于文本挖掘的網(wǎng)絡評論情緒分類研究[7]。

1 評論量化模型與評論群體情緒分析算法

網(wǎng)絡商品評論的生態(tài)環(huán)境具有復雜性特征，網(wǎng)民的評論數(shù)據(jù)往往也包含如時間維度、情感及關注程度等方面的信息。聚類分析是群體情緒分析中獲取群體情緒特征的主要手段。通過聚類后的結果分析我們可以發(fā)現(xiàn)一些潛在的隱性知識[5]，客觀揭示了研究對象間的相似程度，從而發(fā)現(xiàn)隱含的客觀規(guī)律[6]。傳統(tǒng)的文本建模方法是基于詞空間的建模方法，一方面，這種建模方法語義識別困難，存在一詞多義（多義詞）和多詞一義（同義詞）的問題；另一方面，隨著語料庫規(guī)模的增加，基于詞空間的建模方法會面臨維數(shù)過高、數(shù)據(jù)稀疏等問題[7]。此外，各種商品評論本身一般含有較多的專業(yè)名詞，進行對比分析存在一定難度。因此，筆者決定采用客觀的評論字數(shù)及帶有明顯情緒的標點符號（如“!”“?”等）作為評論的特征數(shù)據(jù)，構建網(wǎng)絡評論群體情緒分析算法，既規(guī)避語義識別、語料庫規(guī)模增加的問題，同時又促進評論的群體情緒自動化定位。在提出的算法中，表情符號和標點符號都屬于情緒因子：在網(wǎng)絡交流過程中，表情符號非常流行，它以簡單圖形或彩色圖像甚至動畫等表情達意，通俗易懂，與語言中的體態(tài)語相類似，形成了一種顯式的、固定的情緒表達方式；標點符號在網(wǎng)絡評論群體情緒分析中同樣起到關鍵作用，標點符號的使用會導致評論表達情緒出現(xiàn)差別，也是理解和判斷網(wǎng)絡評論表達情緒的重要手段[8]?；诰W(wǎng)絡評論小樣本數(shù)據(jù)的群體情緒量化流程如圖1所示。

圖1 基于網(wǎng)絡評論小樣本數(shù)據(jù)的群體情緒量化流程

針對商品對象網(wǎng)絡評論群體情緒的量化分為數(shù)據(jù)預處理與評論群體情緒量化算法兩部分。第一階段為數(shù)據(jù)預處理階段，該階段需要通過一種量化模型，對所有的評論數(shù)據(jù)進行客觀量化處理。本模型選擇評論字數(shù)因子γ，情緒ε作為評論數(shù)據(jù)的特征因子[9]。

在評論數(shù)據(jù)樣本集?中，對γ進行歸一化處理。這里采取最小-最大規(guī)范化實現(xiàn)線性變換，使得γ∈（0，1]。

式中：γi為評論數(shù)據(jù)i的字數(shù)；max(γ?)為取樣評論數(shù)據(jù)集中的數(shù)據(jù)最大值。通過公式（1）可以將評論數(shù)據(jù)的字數(shù)信息量化映射至對應區(qū)間。

情緒因子ε因為樣本數(shù)量不多，采取人工辨別的方式對評論表現(xiàn)的情緒進行判定。如“!”在負面評論中常用于突出強調(diào)不滿情緒；而“？”表示疑問語氣，常用于質(zhì)疑和懷疑；按照網(wǎng)絡評論常用的消極表情（如“[淚]”“[怒]”“[弱]”等），以及情緒標點符號（如“!”“?”等），將評論表達的情緒分為平緩、較激烈、激烈。情緒判定標準為：小于2個消極表情和情緒標點符號的評論判定為平緩；包含2個消極表情和情緒標點符號的評論判定為較激烈；大于2個消極表情和情緒標點符號的評論判定為激烈。我們經(jīng)過多次實驗及分析推論，將平緩定為0.2（2個以下標點符號），較激烈定為0.5（2個標點符號），激烈定為0.8（3個及以上標點符號）。

在通過評論字數(shù)因子γ，情緒因子ε的量化后，為每條評論附加了2個維度的特征向量。在特征向量的基礎上，每條評論能夠在二維笛卡爾坐標中表達具體的位置。依據(jù)以上量化方法，每條評論的數(shù)據(jù)將會出現(xiàn)在坐標系中的第一象限。由于評論在一定程度上反映了商品的關注度以及用戶的使用感受，容易在量化后出現(xiàn)聚集特征[10-11]。因此，第二階段中，采用k-means聚類算法對以上量化數(shù)據(jù)進行聚類分析時，有利于統(tǒng)計樣本數(shù)據(jù)中商品受關注程度及用戶群體對商品的感受程度?；谠u論數(shù)據(jù)量化后的k-means聚類算法處理流程如下：

基于評論數(shù)據(jù)量化后的k-means聚類算法

（1）隨機選取k個點為初始聚集簇心（樣本點選擇）；

（2）分別計算每個樣本點到k個簇心的距離（D）；

（3）選擇每個點至簇心的最短距離mix（D），歸屬該簇；

（4）計算每簇的質(zhì)心（平均距離中心），以作為新分簇的簇心；

（5）迭代步驟（2）～（5），在ω次后退出循環(huán)。

通過k-means算法處理后，坐標系中量化后的評論數(shù)據(jù)將會歸屬于不同的簇分類。通過聚類算法，我們基本將評論的小樣本數(shù)據(jù)進行了相應分類，使評論數(shù)據(jù)實現(xiàn)聚焦的功能。由于算法特征較好，該類無監(jiān)督學習方法也可用于行為畫像等領域。

2 實驗結果與分析

基于以上方法，本文選擇取樣了近期“****小米手機”商品的評論，進行相應實驗及討論分析。我們隨機選取近期新品發(fā)布后短時段內(nèi)用戶的消極評論50條數(shù)據(jù)，進行以上算法處理，具體見表1所列。

表1 “＊＊＊＊馬拉松事故”網(wǎng)友評論抽樣事例

其中，k-means聚類算法中k值選擇為2與3，ω取值1 000，其結果如圖2、圖3所示。

圖2 k=2時評論數(shù)據(jù)分類

圖3 k=3時評論數(shù)據(jù)分類

通過算法結果圖2、圖3可以看到，評論數(shù)據(jù)量化后均分布于坐標系第一象限。我們對量化后評論數(shù)據(jù)進行聚類處理，算法很好地將數(shù)據(jù)進行了分簇。針對圖2中的結果，可以觀察到分類2靠近（0，0）點，分析數(shù)據(jù)后得出分類1數(shù)據(jù)占比為56%，分類2數(shù)據(jù)占比為44%。圖3中k值為3的情況下，分類1占比為26%，分類2占比為38%，分類3占比為36%?；谠u論數(shù)據(jù)的量化方式，我們依據(jù)字數(shù)因子γ、情緒ε可知，一定程度上特征因子的值越大，網(wǎng)絡評論群體情緒擴散的可能性也越大。所以分簇占比中比例靠近（1，1）點的比例，一定程度上能夠反映網(wǎng)絡評論群體情緒擴散的可能性。同時我們觀察到：在實際應用中，簇心K=3相比于K=2時，評論種類劃分更細，但是不一定有利于數(shù)據(jù)分析。在目前取樣的數(shù)據(jù)集中，超過半數(shù)的評論數(shù)據(jù)分簇后劃分在靠近（1，1）點，所以聚類比例可以作為商品網(wǎng)絡評論中用戶群體不滿情緒較大的分析依據(jù)。

3 結 語

本文提出了一種網(wǎng)絡評論群體情緒量化模型與采用k-means聚類算法對量化后的網(wǎng)絡評論數(shù)據(jù)進行聚類的方法。該方法在基于網(wǎng)絡評論小樣本數(shù)據(jù)的基礎上進行了完整的實驗，為后期網(wǎng)絡評論群體情緒分析中的機器學習提出了一種新的網(wǎng)絡評論群體情緒量化前置處理方法。量化后的評論數(shù)據(jù)隨著分簇數(shù)量動態(tài)變化，可以實時監(jiān)測評論群體的情緒程度，幫助商家做出相應的經(jīng)營決策，幫助買家了解商品。而對情緒的具體分類比例閾值的確定，本文中沒有詳細研究，這將是未來研究工作中的重點。