基于語義分析的電子商務(wù)客戶評(píng)價(jià)研究

姬軒+楊丹蕾+熊冠銘+褚伯然

摘 要：電子商務(wù)迅速發(fā)展的背景下，電子商務(wù)用戶大數(shù)據(jù)的應(yīng)用備受關(guān)注，其中用戶對(duì)商品的評(píng)價(jià)信息具有較高的研究?jī)r(jià)值。本文以天貓平臺(tái)特定男士T恤為例，使用爬蟲工具Selenium對(duì)用戶評(píng)價(jià)信息進(jìn)行了爬取，并通過預(yù)處理、建立情感詞典、產(chǎn)品特征提取與特征強(qiáng)度計(jì)算等方式，對(duì)獲取的數(shù)據(jù)進(jìn)行語義分析。在此基礎(chǔ)上，篩選有效數(shù)據(jù)，建立經(jīng)濟(jì)計(jì)量模型以探究主要因素與銷量之間的關(guān)系，得出目前對(duì)銷量有顯著影響的因素，并且依據(jù)模型所得出彈性給予企業(yè)針對(duì)提高銷量的合理性建議。

關(guān)鍵詞：用戶評(píng)價(jià)；爬蟲；語義分析；多元回歸；柯布道格拉斯效用函數(shù)

一、引言

互聯(lián)網(wǎng)在我國普及度逐步提升，人們對(duì)于網(wǎng)絡(luò)的依賴性越來越強(qiáng)。面對(duì)不斷產(chǎn)生的海量數(shù)據(jù)，傳統(tǒng)人工處理的方式己經(jīng)不能適應(yīng)現(xiàn)代社會(huì)的需求。生產(chǎn)商、銷售商希望能夠簡(jiǎn)潔直觀的了解用戶對(duì)產(chǎn)品的反饋，從而有針對(duì)性地對(duì)產(chǎn)品或服務(wù)進(jìn)行改進(jìn)；潛在的消費(fèi)者希望通過現(xiàn)有的評(píng)價(jià)來調(diào)整個(gè)人的購買意向。因此，分析消費(fèi)者評(píng)價(jià)，即帶有個(gè)人情感傾向的文本便具有相對(duì)重要的價(jià)值。

在國內(nèi)觀點(diǎn)挖掘領(lǐng)域中，有如下研究。劉群等人提出了基于WordNet詞匯語義相似度計(jì)算方法，成為目前中文詞語情感極性強(qiáng)度計(jì)算得主要根據(jù)；HuM等人研究了評(píng)論對(duì)象特征識(shí)別問題，他們提出利用關(guān)聯(lián)規(guī)則方法挖掘評(píng)論穩(wěn)重隱藏的特征屬性，并提出了根據(jù)句子語義傾向?qū)ι唐愤M(jìn)行總體評(píng)價(jià)。本文創(chuàng)新點(diǎn)在于利用前人的研究成果，結(jié)合TF-IDF算法對(duì)評(píng)論特征的重要程度量化標(biāo)注，分別計(jì)算出產(chǎn)品特征的總值作為模型建立的基礎(chǔ)。依據(jù)經(jīng)濟(jì)學(xué)意義進(jìn)行數(shù)據(jù)篩選并建立模型，將影響銷量的各個(gè)因素的顯著性定量表示，并且進(jìn)一步探究各個(gè)影響因素與銷量之間的彈性關(guān)系。把彈性作為企業(yè)調(diào)提高銷量的依據(jù)，最后按照經(jīng)濟(jì)學(xué)理論對(duì)企業(yè)提出可行性建議。

本文以天貓旗艦店中價(jià)格在100元-200元區(qū)間內(nèi)，且數(shù)據(jù)采集時(shí)評(píng)價(jià)總量在300條以上的品牌男士短袖T恤作為研究對(duì)象。主要工作有：一是構(gòu)建了常用于衣服評(píng)價(jià)的網(wǎng)絡(luò)用語詞典，二是構(gòu)建了識(shí)別特定格式用于服裝評(píng)論挖掘結(jié)果分類的正則表達(dá)式，三是根據(jù)處理過的數(shù)據(jù)進(jìn)行經(jīng)濟(jì)計(jì)量模型構(gòu)建，探究影響銷量因素的顯著性及彈性，四是依據(jù)經(jīng)濟(jì)學(xué)原理為銷售該類服裝的電商提出合理建議。

二、研究框架

本文研究過程大致可以分為四個(gè)部分，用戶評(píng)論信息采集、數(shù)據(jù)預(yù)處理（數(shù)據(jù)清洗、分詞、詞性標(biāo)注、刪除停用詞）、評(píng)論挖掘（產(chǎn)品特征提取、評(píng)論觀點(diǎn)極性判斷，評(píng)論的強(qiáng)度計(jì)算）、回歸分析數(shù)據(jù)預(yù)處理、多元回歸模型建立、模型擬合優(yōu)度檢驗(yàn)、誤差原因分析及經(jīng)濟(jì)學(xué)意義分析。研究路線如圖1所示。

三、主要步驟及及關(guān)鍵點(diǎn)分析

1.數(shù)據(jù)爬取。通過WEB自動(dòng)化工具，編寫爬蟲軟件，將電商平臺(tái)上的相應(yīng)物品評(píng)價(jià)爬取

（1）數(shù)據(jù)清洗。網(wǎng)絡(luò)評(píng)論中有大量網(wǎng)絡(luò)化、口頭化的詞語等。所以需要先對(duì)數(shù)據(jù)集合進(jìn)行清洗，主要工作有刪除無用信息、重復(fù)信息等。

（2）分詞。中文分詞（Chinese Word Segmentation）指的是將一個(gè)漢字序列切分成一個(gè)一個(gè)單獨(dú)的詞。中文分詞是文本挖掘的基礎(chǔ)，對(duì)于輸入的一段中文，成功的進(jìn)行中文分詞，可以達(dá)到電腦自動(dòng)識(shí)別語句含義的效果。分詞的好壞直接決定了語義分析的準(zhǔn)確性。

（3）詞性標(biāo)注。詞性標(biāo)注（Part-of-Speech tagging或POS tagging），又稱詞類標(biāo)注或者簡(jiǎn)稱標(biāo)注，是指為分詞結(jié)果中的每個(gè)單詞標(biāo)注一個(gè)正確的詞性的程序，也即確定每個(gè)詞是名詞、動(dòng)詞、形容詞或其他詞性的過程。有效提取出產(chǎn)品特點(diǎn)，并對(duì)用戶觀點(diǎn)進(jìn)行極性判斷。

（4）刪除停用詞。在信息檢索中，為節(jié)省存儲(chǔ)空間和提高搜索效率，在處理自然語言數(shù)據(jù)（或文本）之前或之后會(huì)自動(dòng)過濾掉某些字或詞。評(píng)論集合中存在大量頻率高，但無實(shí)際意義的詞語，例如“了”、“呢”等，將其刪除可以提高分析程序的運(yùn)行效率。

2.評(píng)論挖掘過程。用戶評(píng)論信息挖掘用戶評(píng)論信息挖掘包含產(chǎn)品特征提取、評(píng)論觀點(diǎn)極性判斷、特征強(qiáng)度計(jì)算三個(gè)部分。

（1）產(chǎn)品特征提取。產(chǎn)品特征提取的目的是基于分詞和詞性標(biāo)注后將產(chǎn)品的特征提取出來，其產(chǎn)品特征包括質(zhì)量、性價(jià)比、外觀等等。

（2）評(píng)論觀點(diǎn)極性判斷。評(píng)論觀點(diǎn)極性判斷是指確定用戶對(duì)該商品評(píng)論的極性，分為褒義和貶義。

判斷評(píng)論觀點(diǎn)的極性，有兩種方法，即基于詞典的方法和基于語料的方法?；谠~典的方法需要建立一個(gè)情感極性詞典，以獲得一個(gè)詞的極性?；谡Z料的方法是在大量語料基礎(chǔ)上，分析詞之間的語法形式或共現(xiàn)形式來判斷詞的極性。本文采用基于詞典的方法，需要根據(jù)所有評(píng)論數(shù)據(jù)建立兩個(gè)詞典，分別為褒義詞和貶義詞詞典，然后用詞典再對(duì)評(píng)論進(jìn)行一次詞性的標(biāo)注。

（3）特征強(qiáng)度計(jì)算。TF-IDF（term frequency-inverse document frequency）是一種用于信息檢索與數(shù)據(jù)挖掘的常用加權(quán)技術(shù)。它能將文本表示為文中出現(xiàn)的n個(gè)加權(quán)詞項(xiàng)組成的向量。因此，我們用它來評(píng)估一字詞對(duì)于一個(gè)文件集或一個(gè)語料庫中的其中一份文件的重要程度。

詞頻頻率（TF）是某一詞在某一文檔中出現(xiàn)的頻率，因此，tf是關(guān)于文檔的統(tǒng)計(jì)數(shù)據(jù)，它因文檔的不同而異，其作用是試圖度量該詞在文檔中的重要性。

以上式子中分子nij是詞匯ti在評(píng)論dj中的出現(xiàn)次數(shù)，而分母則是在評(píng)論dj中所有詞匯出現(xiàn)次數(shù)之和。

逆向文檔頻率（IDF）是指，一個(gè)詞匯的普遍重要性度量。某一特定詞匯ti的逆向文檔頻率idfi，可以由總文檔數(shù)目N除以包含該詞匯的文檔數(shù)目{j：ti∈dj}，再將得到的商取對(duì)數(shù)，得到：

3.挖掘結(jié)果匯總

挖掘結(jié)果匯總是指利用統(tǒng)計(jì)學(xué)、圖表等形式對(duì)結(jié)果進(jìn)行展示和分析。

逐條評(píng)論計(jì)算強(qiáng)度之后通過正則表達(dá)式匹配。將每一個(gè)特征詞所包含極性詞的短句提取出來。例如將“快遞沒得說，那是一個(gè)快啊”處理成“{@快遞@WL@0.262@}沒得說/PRO#，那是一個(gè)快啊?！保?PRO表示褒義詞）這樣的格式，通過正則表達(dá)式提取出“{@快遞@WL@0.262@}沒得說/PRO#”，將其算作物流正向評(píng)價(jià)一個(gè)單位，計(jì)算出所有特征正面、負(fù)面的強(qiáng)度，使得分相加，就是購買該商品用戶對(duì)其特征的情感強(qiáng)度，將此結(jié)果利用圖表形式顯示，并綜合起來進(jìn)行多元回歸分析。

4.回歸分析方法概述

（1）多元線性回歸。在最初建立模型時(shí)使用最小二乘多元線形回歸的方法探究銷量與各變量之間的關(guān)系。假設(shè)某一因變量y受k個(gè)自變量X1，X2，...，Xk的影響，其n組觀測(cè)值為（ya，x1a，x2a，……，xka）那么多元線性回歸模型的結(jié)構(gòu)形式為：

式中：β0，β1，...，βk為待定參數(shù)；εa為隨機(jī)變量。為消除隨機(jī)變量不確定性，我們采用最小二乘法將回歸模型優(yōu)化。最小二乘（OLS）法使殘差（誤差項(xiàng)的估計(jì)值）平方和達(dá)到最小值來估測(cè)代訂參數(shù)的擬合值。

本研究借助柯布-道格拉斯生產(chǎn)函數(shù)分析效用的特性對(duì)于基礎(chǔ)模型加以改進(jìn)，將原模型中的產(chǎn)量換為產(chǎn)品的銷量，技術(shù)、資本、勞動(dòng)轉(zhuǎn)換并擴(kuò)充為與服裝銷量相關(guān)的質(zhì)量、價(jià)格、物流等因素，使其能夠適用于本研究。

四、實(shí)驗(yàn)與結(jié)果分析

1.網(wǎng)絡(luò)評(píng)論的采集。我們?cè)谔熵堎徫锲脚_(tái)上采集25件價(jià)格為100元-200元男士t恤的全部評(píng)論，采集時(shí)間截止到2016年7月9日22點(diǎn)12分，累計(jì)采集到43553條服裝評(píng)論信息。根據(jù)收集到的信息建立產(chǎn)品評(píng)論語料庫。

2.數(shù)據(jù)預(yù)處理。經(jīng)過數(shù)據(jù)清洗后，利用哈工大LTP語言云平臺(tái)以及武漢大學(xué)ROSTCM6進(jìn)行分詞、詞性標(biāo)注以及刪除停用詞的工作。

3.評(píng)論挖掘。本文根據(jù)分詞結(jié)果，統(tǒng)計(jì)名詞出現(xiàn)頻率并按降序排列，得到了形容衣服特性以及電商服務(wù)方面的多個(gè)名詞，將其歸入特征詞匯的名詞集合，共有8個(gè)不同的特征詞集合，見表1。

4.挖掘結(jié)果顯示與分析。本文根據(jù)上文的正則表達(dá)式匹配方式，可將“質(zhì)量”等八個(gè)產(chǎn)品特征進(jìn)行同類詞語識(shí)別，這樣就可以得到盡可能多的且準(zhǔn)確的產(chǎn)品特征。

以“產(chǎn)品特征詞+褒義/貶義詞”的方法，采用“質(zhì)量”這一特征為例，結(jié)果如表2所示。

按照上表的方式，提取出評(píng)論中的版型、包裝、價(jià)格、客服、面料、圖案、物流、質(zhì)量這8個(gè)因素作為關(guān)鍵的影響銷量的因素從評(píng)論中分離出來，并且分別將每個(gè)因素的正負(fù)影響通過強(qiáng)度系數(shù)表示出來，作為回歸分析的基礎(chǔ)數(shù)據(jù)（由于數(shù)據(jù)量較多，取小數(shù)點(diǎn)后一位）。

5.多元回歸結(jié)果展示與分析。由于質(zhì)量這一因素本身包含“性價(jià)比”的含義，所以我們將質(zhì)量和價(jià)格兩個(gè)因素綜合作為性價(jià)比處理。在處理過程中，為了保證性價(jià)比這一因素?cái)?shù)據(jù)的準(zhǔn)確性，將性價(jià)比低的情況分為質(zhì)量好價(jià)格不合理，質(zhì)量不好價(jià)格不合理和質(zhì)量不好價(jià)格合理，將性價(jià)比高的情況描述為質(zhì)量好價(jià)格合理，并將數(shù)據(jù)進(jìn)行加權(quán)求和。

6.模型的建立及擬合度檢驗(yàn)。第一個(gè)模型為線性回歸模型，將銷量作為因變量Y，面料好，面料差，物流快，物流慢，性價(jià)比高，性價(jià)比低6個(gè)變量分別作為自變量X1至X6。利用最小二乘法對(duì)于數(shù)據(jù)進(jìn)行多元回歸，得到圖2的模型：

模型表達(dá)式為：

Y=59X1-246X2+194X3-350X4-197X5+156X6-1698

R2值為0.76，擬合度較好，調(diào)整過的R2值為0.67出現(xiàn)了一些下降，說明存在一定的相對(duì)無關(guān)參數(shù)，F(xiàn)值為9.46，其相伴的概率為0.000092擬合度較好。

由于多元線性模型只能反映各個(gè)關(guān)鍵因素對(duì)于銷量影響的顯著性，是相對(duì)靜態(tài)的模型，如果企業(yè)想要對(duì)于某種因素進(jìn)行調(diào)整，需要得出各個(gè)因素的彈性及投資的效用，以保證收益的最大化。

為實(shí)現(xiàn)這一目的，我們引入柯布-道格拉斯效用函數(shù)，并且將其自變量分別定義為為面料好，面料差，物流快，物流慢，性價(jià)比高，性價(jià)比低，將經(jīng)對(duì)數(shù)處理后的數(shù)據(jù)通過最小二乘法進(jìn)行回歸，得到圖3所示結(jié)果：

模型方程為：

Y=0.66X1+0.04X2+0.98X3-0.04X4-1.92X5+1.43X6+4.2

R2值為0.74，擬合度較好，調(diào)整過的R2值為0.65出現(xiàn)了一些下降，說明存在一定的相對(duì)無關(guān)參數(shù)，F(xiàn)值為8.75，其相伴的概率為0.000150擬合度較好。

7.數(shù)據(jù)處理結(jié)果簡(jiǎn)述。（1）最小二乘法多元回歸分析結(jié)果。模型表達(dá)式為：Y=59X1-246X2+194X3-350X4-197X5+156X6-1698，因變量Y是銷量，自變量X1至X6分別是面料好，面料差，物流快，物流慢，性價(jià)比高，性價(jià)比低這六個(gè)變量。

對(duì)銷量的正面影響最顯著的是物流快，其次是性價(jià)比低，面料好。對(duì)銷量有顯著負(fù)面影響的首先是物流慢，其次是面料差，性價(jià)比高。

（2）柯布-道格拉斯效用函數(shù)結(jié)果。模型表達(dá)式為Y=0.66X1+0.04X2+0.98X3-0.04X4-1.92X5+1.43X6+4.2，因變量Y是銷量，自變量分別定義為為面料好，面料差，物流快，物流慢，性價(jià)比高，性價(jià)比低。

銷售正彈性最大的是性價(jià)比低，其次是面料好，第三是物流快。銷售負(fù)彈性最顯著的是性價(jià)比高，其次是物流慢。

8.模型的經(jīng)濟(jì)學(xué)意義。本研究運(yùn)用兩個(gè)模型進(jìn)行綜合分析，第一個(gè)模型運(yùn)用OLS對(duì)現(xiàn)有數(shù)據(jù)進(jìn)行回歸分析得出各個(gè)因素在此時(shí)間節(jié)點(diǎn)對(duì)于銷量影響的顯著性；第二個(gè)模型運(yùn)用道格拉斯效用函數(shù)的變形結(jié)合最小二乘回歸分析得到各個(gè)因素影響銷量的彈性大小，從而得到各個(gè)因素變化多少對(duì)于銷量改變的影響程度。兩個(gè)模型結(jié)合分析即能夠就現(xiàn)狀進(jìn)行有效把握，又能夠探究因素的變動(dòng)對(duì)銷量的影響。

以下將結(jié)合數(shù)據(jù)處理結(jié)果，針對(duì)在天貓旗艦店中出售價(jià)格在100元-200元區(qū)間內(nèi)，且數(shù)據(jù)采集時(shí)評(píng)價(jià)總量在300條以上的品牌男士短袖T恤的商家，從經(jīng)濟(jì)學(xué)角度提出在正常營業(yè)情況下，即非降價(jià)促銷情況下提高銷量的合理性建議。

（1）合理提高質(zhì)量——基于性價(jià)比考慮。性價(jià)比顯示了性能和價(jià)格的比例關(guān)系，在衣服這種產(chǎn)品中性能表現(xiàn)為質(zhì)量，因此可以用質(zhì)量/價(jià)格作為性價(jià)比的量化公式。

面對(duì)性價(jià)比降低的兩種情況需要進(jìn)一步考慮消費(fèi)者偏好，即由原T恤價(jià)格質(zhì)量同時(shí)上升或同時(shí)下降產(chǎn)生的兩種新T恤中更傾向于哪一個(gè)。面對(duì)性價(jià)比消費(fèi)者往往先考慮質(zhì)量再考慮價(jià)格，即消費(fèi)者更偏向于質(zhì)量好的產(chǎn)品，若該產(chǎn)品的價(jià)格在價(jià)格區(qū)間內(nèi)，消費(fèi)者將優(yōu)先購買。

綜上所述商家在保證利潤的情況下要提高銷量可以選擇同時(shí)提高質(zhì)量和價(jià)格，且在消費(fèi)者承受能力范圍內(nèi)價(jià)格提升幅度大于質(zhì)量。

（2）優(yōu)化面料選擇。優(yōu)化面料的選擇可以從三個(gè)方面進(jìn)行：面料厚度，紡織工藝，成分含量。

就面料厚度來講，要針對(duì)該服裝的穿著季節(jié)，穿著人群，服裝風(fēng)格等因素進(jìn)行綜合考慮。面料過薄會(huì)影響著裝的得體性。

就紡織工藝而言，為了使服裝不至于因?yàn)橄礈熳冃位蛎摼€，應(yīng)保證其紡織線密度不低于一定標(biāo)準(zhǔn)，并且根據(jù)利潤空間進(jìn)行設(shè)置，控制生產(chǎn)成本。

就成分含量來看，主要依據(jù)現(xiàn)有消費(fèi)者的消費(fèi)偏好，如果消費(fèi)者傾向于穿著舒適而不過多在意服裝穿著后是否變形，則可以提高服裝棉含量。

（3）提升物流服務(wù)。在數(shù)據(jù)處理結(jié)果中除去產(chǎn)品本身質(zhì)量外，服務(wù)質(zhì)量中的物流質(zhì)量對(duì)銷量也有顯著影響。消費(fèi)者認(rèn)可商品后會(huì)對(duì)服務(wù)產(chǎn)生要求，較快的物流速度會(huì)使產(chǎn)品對(duì)消費(fèi)者更有吸引力。

通過改進(jìn)補(bǔ)貨模式可以維持一定水平庫存，縮短因缺貨導(dǎo)致的客戶等待時(shí)間，提高客戶滿意度，同時(shí)選擇適當(dāng)?shù)难a(bǔ)貨模式可以降低庫存成本、訂貨成本和短缺成本。選擇補(bǔ)貨模式主要考慮庫存檢查周期，訂貨量，以及訂貨點(diǎn)，根據(jù)商家自身庫存規(guī)模，銷售預(yù)測(cè)和缺貨訂貨成本來制定具體模式。采用計(jì)算機(jī)系統(tǒng)來管理庫存也是提升物流效率的有效方法。

建立多地點(diǎn)倉庫需要投入較多成本。商家對(duì)消費(fèi)者收貨地點(diǎn)進(jìn)行統(tǒng)計(jì)，在購買密集的地區(qū)建立分倉庫，通過分散庫存來提高物流速度。如果已有多個(gè)倉庫，應(yīng)提高各個(gè)倉庫之間的信息共享程度。

五、總結(jié)與不足

本文挖掘了產(chǎn)品的用戶評(píng)論并應(yīng)用在電商服裝的分析中，結(jié)合多元回歸分析，并以100元-200元價(jià)格區(qū)間的男士t恤為例，進(jìn)行了系統(tǒng)的分析實(shí)踐。根據(jù)實(shí)驗(yàn)結(jié)果，本文采用的方法可用有效挖掘出產(chǎn)品的各類特征并提取其優(yōu)劣，經(jīng)過分析后對(duì)該類服裝的改進(jìn)提出了建議，對(duì)產(chǎn)品情報(bào)分析以及改進(jìn)策略具有現(xiàn)實(shí)意義。

本研究通過回歸分析最終得出的結(jié)論是可以通過合理提高質(zhì)量、優(yōu)化面料選擇及提升物流服務(wù)三種方式提升服裝銷量。商家需要在保證利潤的情況下要提高銷量可以選擇同時(shí)提高質(zhì)量和價(jià)格，且在消費(fèi)者承受能力范圍內(nèi)價(jià)格提升幅度大于質(zhì)量。而提高質(zhì)量是一個(gè)比較模糊的建議通過對(duì)數(shù)據(jù)的處理發(fā)現(xiàn)在質(zhì)量中面料對(duì)于銷量的影響最為顯著，所以在質(zhì)量提升時(shí)應(yīng)優(yōu)先選擇面料的優(yōu)化。物流方面的影響也十分顯著，提升物流速度的渠道根據(jù)成本投入由少到多可以分別從選擇合作物流商，改進(jìn)庫存補(bǔ)貨機(jī)制，建立多地點(diǎn)倉庫三個(gè)方面來進(jìn)行。具體的措施還需根據(jù)成本、收益、未來經(jīng)營規(guī)劃等進(jìn)行綜合考慮。

本文的研究存在一些不足之處，首先采集數(shù)據(jù)時(shí)樣本量稍小，而且樣本內(nèi)容也偏簡(jiǎn)單，在今后研究中可以加入更多的變量信息，如銷售時(shí)間，月銷量等；其次由于網(wǎng)絡(luò)評(píng)論句式過于自由化，本文利用正則表達(dá)式提取的句式比較簡(jiǎn)單、單一，可能會(huì)影響數(shù)據(jù)的準(zhǔn)確度，針對(duì)這一方面，建立的正則表達(dá)式還有待于進(jìn)一步改進(jìn)。

參考文獻(xiàn)：

[1]劉群，李素建.基于《知網(wǎng)》的詞匯語義相似度計(jì)算[A].臺(tái)北第三屆漢語詞匯語義學(xué)研討會(huì)論文集，2002：59-76.

[2]Hu M，Liu B.Mining and summarizing Customer Reviews[C].In：Proc of KDD-2004，2004：168-177.

[3]趙會(huì)芬.電商營銷過程中的商品評(píng)價(jià)體系研究[D].吉林大學(xué)，2015.

[4]唐先富.電子商務(wù)網(wǎng)站的評(píng)價(jià)研究[D].安徽大學(xué)，2014.

[5]孫鐵利，楊鳳芹.根據(jù)用戶隱式反饋建立和更新用戶興趣模型[J].東北師大學(xué)報(bào)自然科學(xué)版，2003，35（3）：101.

[6]Greengrass E. Information retrieval： a survey[EB/OL].http：//dewey.yonsei.ac.kr/ir/data/Greengrass-IR.report.120600.book.pdf，2000- 18-14.

[7]翟東升，徐穎，黃魯成等.基于產(chǎn)品評(píng)論挖掘的競(jìng)爭(zhēng)產(chǎn)品優(yōu)勢(shì)分析[J].情報(bào)雜志，2013，32（2）：45-52.

[8]孫建旺，呂學(xué)強(qiáng)，張雷瀚.基于詞典與機(jī)器學(xué)習(xí)的中文微博情感分析研究[J].計(jì)算機(jī)應(yīng)用與軟件，2014，31（7）：177-181.

[9]吳金源，冀俊忠，趙學(xué)武.基于特征選擇技術(shù)的情感詞權(quán)重計(jì)算[J].北京工業(yè)大學(xué)學(xué)報(bào)，2016，42（1）：142-151.