基于文本挖掘与ISM的用户评论分析研究.pdfVIP

第22卷第5期深圳信息职业技术学院学报Vol.22No.5

2024年10月JournalofShenzhenInstituteofInformationTechnology0ct.2024

基于文本挖掘与ISM的用户评论分析研究

刘宇韬

（成都东软学院高等职业技术学院，四川成都611844）

摘要：市场环境瞬息万变，生产厂商和电商平台了解用户行为和偏好对优化产品设计和营销策略具有十分重要

的意义。运用融合文本挖掘与系统分析的方法，从用户评论数据中抽取有效关键词构建主题词，探究要素影响关系，

通过融合TF-IDF、Word2vec两种不同的文本挖掘方法探究语义关系，借助Neo4j绘制知识图谱将用户评论的相关性可

视化，最后运用ISM进行综合评价。通过苏宁易购网站数据集验证方法的有效性，结果显示，该方法有助于用户从庞

大评论信息中快速、精准定位产品。

关键词：用户评论；TF-IDF；Word2vec；知识图谱；ISM

中图分类号：TP391.1文献标志码：A文章编号：1672-6332（2024）05-053-09

用户评论作为用户表达对产品意见与诉求的重权向量和余弦相似度，Word2vec加权向量与共词分

要形式，对其进行分析是电商平台提升服务水准和析能较好地将相关文献匹配至对应主题(4]。

为生产厂商解决用户痛点的客观依据。如何从海量目前，文本挖掘对用户评论的信息提取仍然面

的用户评论中把握“猜你喜欢”，将用户需求可临诸多挑战，如忽视文本上下文信息、关键词选择

视化并挖掘评论中的隐藏信息，不仅是企业呕需不精、单一方法的使用导致提取精度低等问题。因

开发和完善的重要技术，也是当前学者关注的热此，本文综合考虑评论数据的文本特征和语义相似

点问题。性，通过获取用户评论文本的关键词，并对获取到

的关键词进行相关性分析，以Neo4j绘制知识图谱

1文献综述

展示所有词语关系并构建主题，最后将各个主题视

关于文本挖掘的研究成果众多，例如，通过作要素，分析各要素之间的影响情况和层级关系，

K-means（K-MeansClusteringAlgorithm）聚类分从而更全面地挖掘用户评论中的信息。

析缩小用户集，并利用TF-IDF（TermFrequency-

2研究方法与实证分析

InverseDocumentFrequency，词频-逆文本频率）

改进相似度计算公式具有更高的用户推荐性；本文对苏宁易购网站的牛奶产品用户评论进行爬

TF-IDF和多头注意力Transformer模型能解决当前取，并进行分词操作，具体研究思路如图1所示。

算法对处理复杂度较高文本精度较低的问题[2]；2.1研究方法

结合SVM（SupportVectorMachine，支持向量机）本文将按照“词频与相关性分析一关系可视化

算法将传统0-1矩阵、频次降维、信息增益方法与一要素关系分析”的逻辑思路进行实证分析。

Word2vec词向量能提高海关平台的工作效率13；加1）词频与相关性分析。通过TF-IDF对用户评

[收稿日期]2024-07-01

[基金项目]2023年四川省电子商务与现代物流研究中心项目（项目编号：DSWL23-12）

【作者简介】刘宇韬（1996-），男（汉），四川人，硕土，助教，主要研究方向：电子商务、大数据分析与文本挖掘

54