呂心怡

摘要：文章通過建立評論有用性指標(biāo)體系，評級指標(biāo)體系模型，以及回歸模型對數(shù)據(jù)進(jìn)行分析，建立一種在大數(shù)據(jù)分析下評價(jià)客戶對產(chǎn)品評論質(zhì)量的評級體系。商家通過建立的評價(jià)體系，能從客戶的評論中得到有幫助的信息，以便更好的在網(wǎng)絡(luò)市場上銷售產(chǎn)品。

Abstract： The article analyzes the data by establishing a review usefulness index system， a rating index system model， and a regression model， and establishes a rating system that evaluates the quality of customer reviews of products under big data analysis. Through the established evaluation system， merchants can get helpful information from customer reviews in order to better sell products in the online market.

關(guān)鍵詞：在線評論;有用性;指標(biāo)體系

Key words： online reviews;usefulness;index system

中圖分類號：F724.6? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2020）21-0215-02

0? 引言

在創(chuàng)建在線市場以來，網(wǎng)上購物越來越普遍。網(wǎng)絡(luò)口碑平臺為客戶提供了對產(chǎn)品進(jìn)行評分和評價(jià)的機(jī)會。因此，商家可以根據(jù)客戶對產(chǎn)品評價(jià)所得到的數(shù)據(jù)，深入了解其參與的市場，參與的時(shí)間以及產(chǎn)品設(shè)計(jì)功能選擇的潛在成功，制定產(chǎn)品的銷售策略，以便能更好的把握網(wǎng)絡(luò)市場的需求。

本文通過建立評級指標(biāo)體系模型和評論指標(biāo)體系模型，可以在產(chǎn)品出售后得知產(chǎn)品的優(yōu)缺點(diǎn)。對于評論與星級之間的關(guān)系和評論特定質(zhì)量描述符與評論水平之間的關(guān)系，建立回歸模型，從中了解它們之間的聯(lián)系。

1? 理論模型

對于評價(jià)的度量，本文主要通過星級來評判。通過對星級的分析，可以利用滿意星級指標(biāo)來度量評價(jià)標(biāo)準(zhǔn)。通過客戶對產(chǎn)品的評定的星級數(shù)據(jù)，可以知道客戶對產(chǎn)品的滿意程度，其中，星級越高，說明產(chǎn)品越受客戶歡迎。

對于評論的度量，根據(jù)Liu等所作的工作，發(fā)現(xiàn)產(chǎn)品設(shè)計(jì)師更青睞包含更多有用信息的評論[1]。因此，提取影響評論的特征指標(biāo)，建立評論有用性指標(biāo)體系。

1.1 評論的語言特征

對于評論的語言特征，本文通過對評論文本的分析了解到：產(chǎn)品的優(yōu)缺點(diǎn)包含在評論的字?jǐn)?shù)N，句子數(shù)L，平均句子長度L′中。同時(shí)客戶會將自己對產(chǎn)品的喜愛程度用形容詞數(shù)ADJ.和副詞數(shù)ADV.來描述。

1.2 評論的元數(shù)據(jù)特征

在線評論中，元數(shù)據(jù)包括有用的投票數(shù)和評論有用度？茁。

1.3 評論人的特征

根據(jù)相關(guān)文獻(xiàn)[2]，評論人的等級對評論有用性有正向的影響。對于評論人的特征，本文使用評論人等級描述評論人的特征。評論人的等級是基于客戶是否為Amazon Vine Voices，即Amazon邀請那些在Amazon社區(qū)中撰寫準(zhǔn)確而有見地的評論的客戶。一般來說，能夠成為Amazon Vine Voices意味著客戶對產(chǎn)品的評論是比較準(zhǔn)確、有見地。

2? 數(shù)據(jù)處理

2.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)來源于陽光公司的三種產(chǎn)品在亞馬遜平臺上的顧客評論信息。在建立模型前，需要數(shù)據(jù)預(yù)處理。在數(shù)據(jù)集中發(fā)現(xiàn)沒有購買產(chǎn)品的客戶也對產(chǎn)品做出了評論，這些評論顯然不能作為研究的數(shù)據(jù)。因此，將沒有購買產(chǎn)品卻對產(chǎn)品做出評論的客戶信息進(jìn)行剔除，剩下的評論都是購買了產(chǎn)品的客戶。

2.2 評論的度量參數(shù)

2.2.1 評論有用度

由于有用的投票數(shù)據(jù)和總共的投票數(shù)據(jù)不一致，得出初步結(jié)論：對于一條評論，并不是對所有客戶有用。通過查閱文獻(xiàn)，可以得到有用的投票數(shù)或有用的投票數(shù)占總投票數(shù)的比例作為衡量指標(biāo)[3][4]。因此，建立評論有用度？茁，即有用的投票數(shù)H與總共的投票數(shù)V的比值。

根據(jù)張鎮(zhèn)平等人所作的工作[5]，得知：評論的質(zhì)量與評論的字?jǐn)?shù)、句子數(shù)、平均句子數(shù)、形容詞和副詞數(shù)，以及評論的主觀和客觀的句子數(shù)、產(chǎn)品數(shù)等有關(guān)。因此，可以根據(jù)這些變量將評論的文本量化處理，得到評論質(zhì)量的度量指標(biāo)。

2.2.2 評論的字?jǐn)?shù)和句子數(shù)

利用EXCEL篩選功能篩選出每條評論的字?jǐn)?shù)和句子數(shù)，通過計(jì)算得到客戶對三種產(chǎn)品評論的總字?jǐn)?shù)和平均字?jǐn)?shù)，總句子數(shù)和平均句子數(shù)。

2.2.3 評論的平均句子長度

根據(jù)相關(guān)文獻(xiàn)[6]，句子平均長度可以作為衡量評論可讀性的指標(biāo)，評論的平均句子越長，可讀性越低。因此，為了更加客觀的描述，本文將評論的字?jǐn)?shù)和句子數(shù)進(jìn)行綜合，定義了一個(gè)新的變量：平均句子長度L′，即評論的字?jǐn)?shù)N與評論的句子數(shù)L的比值。

2.2.4 評論的形容詞數(shù)和副詞數(shù)

根據(jù)相關(guān)文獻(xiàn)可從情感詞、程度詞、否定詞、標(biāo)點(diǎn)符號、修辭等方面來分析句子的情感和特征[7]。因此，本文使用形容詞和副詞表達(dá)評論中句子的特有情感。

2.2.5 滿意星級

因?yàn)榭蛻粼谫徺I產(chǎn)品后，會根據(jù)自己的看法來評定產(chǎn)品的星級，以此來表現(xiàn)自己對產(chǎn)品的滿意度。星級越高說明客戶對產(chǎn)品越滿意，相應(yīng)的評論也就將會出現(xiàn)滿意的詞。因此，從星級評定的角度來分析客戶的評論質(zhì)量。

3? 數(shù)據(jù)分析與結(jié)果

3.1 描述性統(tǒng)計(jì)

利用MATLAB編程軟件求解數(shù)據(jù)，得到吹風(fēng)機(jī)有用性指標(biāo)的描述性統(tǒng)計(jì)結(jié)果如表1。微波爐和奶嘴的有用性指標(biāo)的描述性統(tǒng)計(jì)結(jié)果可按同理進(jìn)行計(jì)算。

3.2 參數(shù)估計(jì)與分析

為了確定參數(shù)的可靠性，可以把參數(shù)數(shù)據(jù)帶入模型中，對吹風(fēng)機(jī)進(jìn)行參數(shù)估計(jì)，結(jié)果如表2。微波爐和奶嘴的參數(shù)估計(jì)分析可按同理進(jìn)行分析。

根據(jù)吹風(fēng)機(jī)參數(shù)估計(jì)的結(jié)果，得到：吹風(fēng)機(jī)各參數(shù)的樣本均值近似等于總體均值，樣本標(biāo)準(zhǔn)差近似等于總體標(biāo)準(zhǔn)差。這個(gè)結(jié)果說明樣本均值和標(biāo)準(zhǔn)差是總體均值、標(biāo)準(zhǔn)差的一致無偏估計(jì)。

4? 總結(jié)

本文建立評級指標(biāo)體系模型和評論指標(biāo)體系模型。對于評級指標(biāo)體系模型，得到星級評分和評論的正能量性作為評級度量標(biāo)準(zhǔn)。對于評論有用性指標(biāo)體系模型，得到了評論有用性指標(biāo)體系和體系的模式圖，以此作為評論的評價(jià)度量標(biāo)準(zhǔn)。

為了確定最能表明潛在成功的基于文本的度量和基于評級的度量的組合，建立回歸模型表示它們之間的在組合關(guān)系。

參考文獻(xiàn)：

[1]Liu， Y.， et al. Identifying helpful online reviews： A product designe's perspective[J]. Computer-Aided Design， 2013， 45（2）： 180-194.

[2]廖成林，蔡春江，李憶.電子商務(wù)中在線評論有用性影響因素實(shí)證研究[J].軟科學(xué)，2013，27（05）：46-50.

[3]Kim， S. M.， et al. （2006）. Automatically assessing review helpfulness. Proceedings of the 2006 Conference on Empirical Methods in Natural Language Processing.

[4]Korfiatis， N.， et al. （2008）. The Impact of Readability on the Helpfulness of Online Product Reviews： A Case Study on an Online Bookstore， Springer Berlin Heidelberg.

[5]張鎮(zhèn)平.基于商家維度的在線評論研究[D].北京郵電大學(xué)，2016.

[6]殷國鵬.消費(fèi)者認(rèn)為怎樣的在線評論更有用？——社會性因素的影響效應(yīng)[J].管理世界，2012（12）：115-124.

[7]史偉，王洪偉，何紹義.基于語義的中文在線評論情感分析[J].情報(bào)學(xué)報(bào)，2013，32（08）：860-867.