基于主成分分析的在線購物評論研究

◆劉昕玥 劉建 姜鶴棟 張煒 刁文柱

行業(yè)與應(yīng)用安全

基于主成分分析的在線購物評論研究

◆劉昕玥1劉建1姜鶴棟2張煒3刁文柱4

（1.西安工程大學(xué)理學(xué)院 陜西 710600；2.西安工程大學(xué)材料工程學(xué)院 陜西 710600 3.西安科技大學(xué)通信與信息工程學(xué)院 陜西 710600；4.西安工程大學(xué)電子通信學(xué)院 陜西 710600）

近年來，隨著科學(xué)技術(shù)的迅猛發(fā)展，網(wǎng)絡(luò)也得到了很好地普及，電商很快崛起，在網(wǎng)上購物變得越來越普遍，但是在網(wǎng)上購物只能看見物品的外觀，不能實際感受其真實的狀態(tài)，所以顧客經(jīng)常會陷入困境之中。世界上知名的網(wǎng)上購物平臺——亞馬遜，在其網(wǎng)上商城上給客戶提供了產(chǎn)品的評論功能，幫助顧客更好的選擇商品。但是這其中有許多的評論是沒有用處的，因此本論文對其中的數(shù)據(jù)進(jìn)行了刪選與研究，得出評價分析的結(jié)果，并給出一定的建議。

網(wǎng)上商城；主成分分析；灰色關(guān)聯(lián)分析

1 引言

在亞馬遜的網(wǎng)上商城中，亞馬遜為客戶提供了對購買產(chǎn)品進(jìn)行評級和評價的機會[1]。其中評級分為1-5級，客戶還可以進(jìn)行文本評論以表達(dá)有關(guān)產(chǎn)品的更多意見和信息。其他客戶可以對這些評價進(jìn)行點評，認(rèn)定其是有幫助或無幫助（稱為“幫助評分”），以協(xié)助產(chǎn)品購買決策[2]。生產(chǎn)廠商使用這些數(shù)據(jù)來深入了解其參與的市場，參與的時間以及潛在成功的產(chǎn)品設(shè)計選擇[3]。

2 模型的建立與求解

2.1 第一個問題的求解

2.1.1數(shù)據(jù)處理

（1）對于數(shù)據(jù)文件中review_headline，review_body兩列樣本進(jìn)行文本情感分析賦值，賦值區(qū)間為（-1，1），其中1代表好評，0代表中評，-1代表差評。

（2）剔除冗余數(shù)據(jù)，其中包括無實際意義數(shù)據(jù)，star_rating與review_body情感沖突數(shù)據(jù)以及大面積缺失數(shù)據(jù)。

（3）將三個產(chǎn)品的數(shù)據(jù)綜合為一個總體數(shù)據(jù)集，對于product_title列樣本，用每類產(chǎn)品與所有產(chǎn)品總數(shù)的比值表示對應(yīng)的product_title文本。

2.1.2模型建立

運用Excel在經(jīng)過數(shù)據(jù)處理后的總體數(shù)據(jù)集中，隨機抽取5000條數(shù)據(jù)樣本，生成數(shù)據(jù)矩陣。利用MATLAB進(jìn)行主成分分析得到主要指標(biāo)后再進(jìn)行灰色關(guān)聯(lián)分析，計算相關(guān)系數(shù)。具體步驟如下：

步驟1：首先得到原始數(shù)據(jù)的相關(guān)系數(shù)矩陣T，得：

步驟2：隨后計算T的正交變換矩陣pc，得：

步驟3：然后再計算各個因子的貢獻(xiàn)率，得：

1=26.4429%，2=20.4230%，3=15.5151%，4=12.1565%，

5=11.1943%，6=8.3516%，7=5.8293%，8=0.0873%

步驟4：取累計貢獻(xiàn)率大于85%的各因子為主成分，如下：

1+2+3+4+5=85.7318%

則取前5個因子為主成分，分別如下：第1主成分：total_votes；第2主成分：star_rating；第3主成分：vine；第4主成分：product_title；第5主成分：review_headline

步驟5：利用灰色關(guān)聯(lián)分析各個主成分之間的相互關(guān)系，計算相對關(guān)聯(lián)度r。

2.2 第二個問求解

根據(jù)問題1處理后的數(shù)據(jù)，將統(tǒng)計指標(biāo)按數(shù)值從小到大編秩，根據(jù)編秩結(jié)果建立各指標(biāo)的秩次數(shù)據(jù)矩陣X，如下：

依據(jù)下式計算RSR：

hair_dryer:g=0.030669492934955304Probit-0.01758097698943845

Microwave:g=0.0364371126222807Probit-0.01420617000246870

Pacifier:g=0.04128547544798335Probit-0.06347322699308389

用t檢驗法對回歸系數(shù)B進(jìn)行有效性檢驗，并得到結(jié)果。

由圖可得t檢驗結(jié)果統(tǒng)計量較大，表明模型的回歸系數(shù)具有統(tǒng)計學(xué)意義，擬合效果較好，通過回歸性檢驗。其中擬合效果：

則最好產(chǎn)品為嬰兒奶嘴，最壞產(chǎn)品為吹風(fēng)機。

在問題1處理后三個數(shù)據(jù)集中，分別選取三個產(chǎn)品一年時間序列下的評級數(shù)據(jù)，然后按月份將評級取平均值，求該產(chǎn)品這一年12個月的環(huán)比增長率，如圖1、2、3。

再利用MATLAB對三種產(chǎn)品的環(huán)比增長率求方差，三個產(chǎn)品環(huán)比增長率的方差分別為：0.006，0.0162，0.0003?！胺讲睢痹叫≌f明某個特定時間節(jié)點前的評級對后面的評級影響越大，則表明客戶在選擇嬰兒奶嘴時受之前其他客戶評級影響最大。

圖1 吹風(fēng)機

圖2 微波爐

圖3 奶嘴

3 結(jié)論

通過對數(shù)據(jù)進(jìn)行主成分分析，發(fā)現(xiàn)最能影響客戶購買產(chǎn)品的因素是其他客戶對產(chǎn)品的評價中的“五個指標(biāo)”，所以建議在新產(chǎn)品上市之前多注意觀察一下這幾個指標(biāo)。另外，通過RSR秩和綜合評價模型預(yù)測出新產(chǎn)品上市之后銷量最好和最壞的產(chǎn)品分別是嬰兒奶嘴和吹風(fēng)機，所以建議可以適當(dāng)?shù)叵蚴袌龆嗤斗乓恍雰耗套?，少投放一些吹風(fēng)機，這樣將可能獲得更大的收益。

[1]杜姝. 淘寶評論挖掘及其應(yīng)用研究[D]. 電子科技大學(xué)，2017.

[2]徐勇，張慧，陳亮. 一種基于情感分析的UGC模糊綜合評價方法——以淘寶商品文本評論UGC為例[J]. 情報理論與實踐，2016，39（06）：64-69.

[3]王倩倩. 基于內(nèi)容分析法的評論挖掘及其在網(wǎng)絡(luò)營銷中的應(yīng)用研究[D]. 合肥工業(yè)大學(xué)，2012.