[发明专利]一种基于产品评论观点挖掘的销量预测方法

说明书

本发明公开了一种基于产品评论观点挖掘的销量预测方法，本发明对产品的初次评论和追加评论进行方面级观点挖掘，提取出产品的属性及对应的评价信息，通过情感分类模型分析出消费者对产品各个属性的情感极性，进而对评论文本进行情感分类和量化，将量化值结合前期的历史销量融入到销量预测模型中预测产品销量，提高预测能力和准确性。本发明在初次评论的基础上引入了追加评论，通过对初次评论和追加评论进行方面级观点挖掘，多维度分析产品并对不同属性进行情感分析，进而将评论文本量化得到产品不同属性的评分，将评分值结合历史销量预测产品未来销量，提高销量预测的准确性。

技术领域

本发明属于自然语言处理技术领域，具体涉及一种基于产品评论观点挖掘的销量预测方法。

背景技术

随着电子商务的迅猛发展，消费者的行为模式发生了巨大变化，网络购物成为热潮。与传统购物相比，网络购物具有多样性、购物成本低、不受时间和空间限制等特点，给人们带来极大的便利，网络购物已逐渐成为人们的一种消费习惯，越来越多的消费者喜欢在电商网站(如京东、淘宝、亚马逊等)购买产品，再以在线评论的方式作出购物评价，这些在线评论代表了他们对产品的情感极性，主要包含对产品不同属性的观点、满意度和意见等有价值的信息。商家通过在线评论了解消费者的真正需求、完善产品、改进服务、调整销售策略，提高产品的销量；而消费者通过评论获取产品的口碑，做出购买决策。

据统计大多数消费者在购买产品时，除了关注产品自身属性外，还会浏览产品在线评论。产品评论同商家发布的产品信息相比而言，具有更明显的可信性和说服力，是消费者网络购物的主要参考信息源，直接影响其购物意愿和决策，进而影响产品的销量。因此针对不同的产品属性挖掘产品评论的情感因素，才能更加接近消费者真实的情感表达，分析产品的哪些属性会对产品销量产生影响，从而提高销量预测能力和准确性，为商家决策提供应用借鉴。

1、观点挖掘现状

观点挖掘又称情感分析，是对文本信息的主题、主观性、情绪态度等情感信息的挖掘和分析，进而识别出主观性文本的情感趋向。研究对象主要是Web上的文本，尤其是用户发布的评论文本。按照分析文本的粒度大小，可以将观点挖掘分为篇章级、句子级和方面级三类。按照分析文本的类别，主要分为基于产品评论和基于新闻评论的观点挖掘。观点挖掘的方法主要涉及三种：

(1)基于情感词典：基于情感知识构建情感词典并将其作为工具是判断主观性文本情感极性的传统方法。根据经验将广泛使用的情感词进行归纳整理，将需要处理的文本和情感词典中的词进行匹配，统计正面和负面情感词出现的次数，以此进行文本情感极性判断。该方法主要依赖于情感词典的构建，具有一定的局限性，无法涵盖出现的新词，使得文本情感判断准确率较低。

(2)基于机器学习：人工提取文本特征后由计算机根据某种机器学习算法对文本进行处理输出情感分类。常用的机器学习方法有朴素贝叶斯NB、支持向量机SVM和最大熵模型。机器学习方法主要是解决好文本的表示、特征的选择和分类器，需要人工标记文本特征，工作量较大，此外该方法无法学习到深层的语义，通常是浅层学习。

(3)基于深度学习：深度学习可以通过构建神经网络模型对文本进行分析、自动提取特征且自动学习优化模型输出，减少了人工提取特征的工作，并且神经网络可以学习到上下文的语义信息，提高了情感分类的准确性。常用的网络模型有卷积神经网络CNN、长短期记忆网络LSTM、门控制单元GRU，及其变体。

2、销量预测现状