基于情感分析和机器学习的用户评论信息挖掘

用户评论文本中的主观情感色彩表达了评价者对产品信息的反馈,对其进行有效挖掘意义重大。针对当前用户评论文本信息未能被充分利用的现状,以Vivo手机用户评论数据为研究对象,构建较完备的手机领域情感词典,对用户评论进行情感倾向分析,得到27 223条评论的手机好评度为91.56%,高于HowNet(情感词典)和NTUSD(情感极性词典)85.96%的好评度。基于情感分析的结果,采用K-means算法发现对产品具有相似兴趣特征的用户群体,并采用TextRank算法挖掘用户群体的兴趣特征。最后利用SVM(支持向量机)、决策树、随机森林、K-近邻算法4种机器学习方法建立用户分类预测模型。随机森林模型预测准确率可达99.83%。基于情感分析的结果定位用户群体的方法,为企业有针对性地进行不同客户群体的营销和服务工作提供了新的方向。

The Data Mining of Online Comments Based on Sentiment Analysis and Machine Learning