基于机器学习和复杂性分析的食品领域时序网络评论分析和应用.pdfVIP

Foodindustrytimeseriesonlinereview

analysisandapplicationbasedonmachine

learningandcomplexityanalysis

摘要

电子与通信工程专业

研究生韩东伯指导教师贾国柱

摘要通信技术的发展促进了信息交流，因此产生了海量的评论数据，网络评论蕴

含了人类表达出的情感。高效地挖掘、分析和应用网络评论中所蕴含的情绪数据，对于

为人类带来幸福感的食品行业的发展具有重大意义。网络评论是非结构化数据，而自然

语言处理技术无法刻画评论情感在时间维度上的变化特征，因此从时序的角度结合机器

学习和统计学的方法对网络评论进行分析，可以更好的理解情绪变化规律以及影响机制

为企业提供更科学的决策支持。将网络评论转化为时序数据后，本文进行了如下分析与

应用。

首先，分析了时序情绪数据的内部规律与相关性。使用Bert自然语言处理算法对时

序网络评论进行情绪极性的提取，对得到的情绪时间序列使用Lyapunov指数、Hurst指

数和分形维数三项指标进行复杂性分析，通过DTW方法对评论情绪极性之间的相关性

进行了研究。发现情绪时间序列具有非线性、波动剧烈的特征，短期预测难度较大；并

且具有反持续的自相关性的特点，这符合人类情绪的自衰过程。相似性计算的结果表明

用户情绪会受到外部因素的影响而产生变化，数据源越接近的评论其情绪反馈越一致。

其次，研究了网络评论与火锅店市场定位之间的相关性。利用内容分析、词频分析、

Bert自然语言处理算法构建火锅店评论分析框架，用于不同市场定位的蜀大侠和海底捞

火锅店评论研究。研究结果发现火锅店不同的市场定位会引导顾客的关注力的转变，而

在媒体上的声量会促进顾客对于火锅店市场定位的认知程度，火锅店在侧重的定位表现

越优秀，就越可能获得较高的评价。该研究揭示了火锅店获得更多积极评价的有效途径，

为管理者检验和改进经营策略提供了参考。

最后，应用时序网络评论和多源数据针对猪肉价格和网红食品螺蛳粉构建情绪指数。

构建了基于搜索数据的猪肉价格情绪指数，使用PCA方法计算与猪肉价格相关的不同

关键词搜索数据的主要特征分量并合成为猪肉价格情绪指数。运用MF-DCCA方法和基

于时延的DCCA方法，研究猪肉价格与价格情绪指数之间的交叉相关性与相关性传导方

向。MF-DCCA与DCCA的分析结果显示，基于搜索数据的价格情绪指数与猪肉价格具

I

有正的长程交叉相关性，并且交叉相关性的方向是双向的。价格情绪指数与猪肉价格具

有相互的因果关系，基于多源数据构建食品情绪指数具有可行性。融合多源时序数据构

建了网红食品螺蛳粉的情绪指数。情绪指数与螺蛳粉销量数据的Pearson相关性分析结

0.92

果显示为，具有强相关性。通过修改食品情绪指数的数据源，实现实时对特定现象

的跟踪，该指数可以作为一个先验指标为食品行业提供决策支持。

关键词：Bert时序网络评论食品行业市场定位情绪指数PCA

II

Abstract

Foodindustrytimeseriesonlinereviewanalysisandapplicationbased

onmachinelearningandcomplexityanalysis

Major:ElectronicandCommunicationEngineering

GraduateStudent:HanDongboSupervisor:JiaGuozhu

AbstractThedevelopmentofinformationandcommunicationtechnologyhasfacilitatedthe

exchangeofinformation,thusge