一种产品评论信息的意见挖掘技术研究
电子商务平台的虚假评论检测研究
电子商务平台的虚假评论检测研究随着电子商务的迅猛发展，平台上的虚假评论越来越多。
虚假评论不仅会误导消费者做出错误的购买决策，还会影响商家的声誉和销售额。
因此，如何检测和防止虚假评论的出现成为一个重要的问题。
本文将探讨电子商务平台的虚假评论检测研究。
一、虚假评论的类型虚假评论可以分为两类。
一类是由商家自发攒评，以此来提高自家产品的信誉度；另一类是消费者接受商家的诱导，发布好评或差评，以获得商家的优惠或奖励。
无论哪种类型的虚假评论，都有可能误导消费者，影响购买决策，因此需要进行有效的检测和防范。
二、检测虚假评论的方法目前，常见的虚假评论检测方法包括文本分析、用户信誉评估和机器学习等。
1. 文本分析方法文本分析方法主要是利用文本挖掘技术对评论文本进行分析，寻找虚假评论的特征，例如：重复的文字、大量使用感叹号和超级赞等。
这些特征表明评论很可能是虚假的，因此可以进行筛选。
2. 用户信誉评估方法用户信誉评估方法主要是对用户进行信誉评估，根据用户历史购买记录、评论行为和社交网络行为等信息，判断用户是否存在发布虚假评论的可能性。
3. 机器学习方法机器学习方法主要是利用大量虚假评论和真实评论的样本数据来进行模型训练，从而识别虚假评论。
这种方法需要使用大量的有标注的数据进行训练，具有很高的准确率和可靠性。
三、应对虚假评论的措施为了有效地应对虚假评论，电商平台可以采取以下措施：1. 建立监管机制电商平台应建立有效的监管机制，密切关注评论的发布情况，并及时发现和处理虚假评论，维护消费者的权益。
2. 提高用户信任度电商平台应加强用户的信任度，通过信誉评估等方式，减少虚假评论的出现，提高用户对平台的信任感。
3. 提高信息真实性电商平台应提高信息的真实性，对商家发布的信息进行审核，防止商家发布虚假信息；同时平台也应该加强与商品生产企业的沟通，对商品进行真实性检测，从源头上减少虚假信息的出现。
结语虚假评论是电子商务平台上的一个重要问题，对消费者的购买决策和商家的信誉度都有很大的影响。
《面向电商评论的多模态聚类方法研究》
《面向电商评论的多模态聚类方法研究》一、引言随着电子商务的快速发展，电商评论作为消费者购物决策的重要参考，其信息量和复杂性日益增长。
如何有效地从海量的电商评论中提取有价值的信息，成为了一个亟待解决的问题。
多模态聚类方法作为一种有效的数据处理手段，能够同时处理文本、图像、音频等多种模态的数据，因此在电商评论的分析中具有广泛的应用前景。
本文旨在研究面向电商评论的多模态聚类方法，以提高电商评论的信息处理效率和准确性。
二、电商评论的特点及挑战电商评论具有信息丰富、多模态、噪声大等特点。
评论中不仅包含文本信息，还可能包含图像、视频等多种模态的信息。
此外，由于评论来自不同用户，其表达方式、用语习惯等存在较大差异，导致信息处理难度较大。
同时，电商评论中还存在大量的噪声和无关信息，如何有效地提取有价值的信息成为了一个挑战。
三、多模态聚类方法研究针对电商评论的特点和挑战，本文提出了一种面向电商评论的多模态聚类方法。
该方法主要包括以下几个步骤：1. 数据预处理：对电商评论进行清洗、去噪、分词等预处理操作，提取出文本、图像等多种模态的特征。
2. 特征表示：采用深度学习等方法，将多种模态的特征转换为向量表示，以便进行后续的聚类操作。
3. 跨模态融合：将不同模态的特征进行融合，以充分利用多种模态的信息。
本文采用基于注意力机制的方法，对不同模态的特征进行加权融合。
4. 聚类算法：采用基于密度的聚类算法，如DBSCAN等，对融合后的多模态特征进行聚类。
同时，为了进一步提高聚类效果，本文还采用了迭代聚类的方法，对初始聚类结果进行优化。
5. 结果评估：采用多种评估指标，如聚类纯度、F1值等，对聚类结果进行评估。
四、实验与分析本文在真实的电商评论数据集上进行了实验，验证了所提出的多模态聚类方法的有效性。
实验结果表明，该方法能够有效地提取电商评论中的多模态信息，提高聚类的准确性和效率。
与传统的单模态聚类方法相比，该方法在处理噪声和无关信息方面具有更好的效果。
基于数据挖掘技术的电商数据分析研究
基于数据挖掘技术的电商数据分析研究随着电子商务的不断发展和普及，企业在电商平台上的销售数据也日渐丰富。
这些数据在规模化和复杂化的同时，常常难以被企业直接化解和分析。
因此，如何利用数据挖掘技术帮助企业更好地解析电商数据，成为了当前企业智能决策的重要方向之一。
一、电商数据的现状电商数据的数量及其质量是决定数据分析和挖掘结果的关键因素。
如今，大型电商平台的数据往往呈现出数量庞大、更新频繁、交互性强、多维化等特点。
具体来说，这些数据可以包括商品销售数据、用户行为数据、物流配送数据、支付结算数据等多种类型的数据。
在现实中，电商平台数据的采集常常存在诸多挑战。
例如，平台内部可能涉及到多种业务部门与系统，数据格式也不统一而且容易出现错误；平台外部因数据格式和种类的不同，需要渠道合作才能获得更多的数据；同时，质量问题和数据误差也是数据挖掘的重要问题。
二、数据挖掘与电商数据分析数据挖掘是一种从大量数据中发现规律、模式和信息的过程，它在当前的信息时代中得到了广泛的应用和推广。
在电商领域中，数据挖掘技术可以有效地帮助企业更好地理解和处理电商数据。
数据挖掘技术基本上包含数据预处理、数据分析和数据可视化这三个步骤。
数据预处理包括数据清洗、数据集成、数据变换和数据规约等一系列处理操作。
数据分析将数据挖掘工具应用于已准备好的数据集中，通过选择合适的挖掘算法来寻找数据集中的规律、模式和知识等。
数据可视化则是将挖掘出的模式和知识表达出来，让普通人能够直观地理解。
在电商领域中，数据挖掘技术可以应用到诸多方面。
例如，通过对用户行为数据进行分析，可以发现用户喜好、品味和兴趣，从而精准地推荐商品。
通过对产品销售数据和用户评论进行分析，可以优化产品设计、改进服务品质，并持续提高用户满意度。
通过对物流配送数据和支付结算数据进行分析，可以实现更优秀的配送方案和更精细的管理流程，从而更好地控制运营成本。
三、主要的电商数据分析方法1. 关联规则挖掘关联规则挖掘是一种发掘数据集中事务之间频繁关系的方法。
基于BTM主题挖掘和Kano模型的运动文胸用户需求研究
研究与技术丝绸ＪＯＵＲＮＡＬＯＦＳＩＬＫ基于ＢＴＭ主题挖掘和Ｋａｎｏ模型的运动文胸用户需求研究ＲｅｓｅａｒｃｈｏｎｕｓｅｒｄｅｍａｎｄｆｏｒｓｐｏｒｔｓｂｒａｓｂａｓｅｄｏｎＢＴＭｔｏｐｉｃｍｉｎｉｎｇａｎｄｔｈｅＫａｎｏｍｏｄｅｌ方蕾蕾１ꎬ吴巧英２ꎬ项钰慧１ꎬ章杨欣１(１.浙江科技大学艺术设计与服装学院ꎬ杭州３１００１２ꎻ２.浙江理工大学国际教育学院㊁国际时装技术学院ꎬ杭州３１００１８)摘要:为了深入挖掘运动文胸的用户需求ꎬ文章采用ＢＴＭ模型对１０个运动文胸品牌的１６２４８条在线评论进行主题挖掘ꎬ构成运动文胸用户需求要素ꎬ并通过Ｋａｎｏ模型分析用户满意度和需求度ꎬ确定各项要素的属性归类和优先级排序ꎮ研究结果得到ꎬ运动文胸用户需求维度包括功能质量㊁款式设计㊁面料材质㊁颜色外观㊁服务品质㊁品牌营销６个方面ꎻ在２３项需求要素中ꎬ舒适度和防震功能是用户满意度建立的首要因素ꎬ下围㊁罩杯㊁面料手感㊁胸垫材质是产品优化中的关键因素ꎬ客服态度㊁退换货服务㊁声誉口碑㊁商品信息是服务和营销中的重要因素ꎻ进而提出优化建议供相关企业参考ꎮ关键词:运动文胸ꎻ用户需求ꎻＢＴＭ模型ꎻ主题挖掘ꎻＫａｎｏ模型ꎻ在线评论ꎻ用户满意度中图分类号:ＴＳ９４１.１㊀㊀㊀㊀文献标志码:Ａ㊀㊀㊀㊀文章编号:１００１７００３(２０２４)０３０１０６０９ＤＯＩ:１０.３９６９∕ｊ.ｉｓｓｎ.１００１￣７００３.２０２４.０３.０１２收稿日期:２０２３０８２１ꎻ修回日期:２０２４０１０４基金项目:浙江省科技厅项目(２０２１Ｃ３５１１０)ꎻ浙江科技学院大学生创新创业训练计划项目(２０２３ｃｘｃｙ０９１)ꎻ浙江科技学院大学生创新创业训练计划项目(２０２３ｃｘｃｙ０８２)作者简介:方蕾蕾(１９９１)ꎬ女ꎬ实验师ꎬ主要从事功能性服装设计㊁服装技术与理论的研究ꎮ㊀㊀运动文胸是一种功能性文胸ꎬ贴身㊁短小且弹性好ꎬ具有支撑力强㊁稳定性好㊁吸湿排汗等功能ꎬ可以在女性运动时有效保护乳房ꎬ提供良好的运动舒适性ꎮ随着运动热潮的兴起ꎬ女性消费者对运动文胸的需求与日俱增ꎬ运动文胸产品备受运动行业和内衣行业关注[１]ꎬＮＩＫＥ㊁ＵｎｄｅｒＡｒｍｏｕｒ㊁黛安芬㊁爱慕等传统运动品牌和内衣品牌纷纷推出运动文胸产品线ꎬＬｏｒｎａＪａｎｅ㊁薏凡特等独立运动内衣品牌迅速成长ꎬ市场竞争日益激烈ꎮ然而随着人们生活水平的提高ꎬ同质化的运动文胸产品已无法满足消费者多样化㊁个性化的需求ꎮ研究显示ꎬ识别用户需求能帮助企业发现消费者的个性化需求[２]ꎬ是企业提升商品和服务品质的核心基础ꎬ也是实现企业持续发展的重要手段[３]ꎮ因此ꎬ面对市场竞争激烈㊁商品同质化等问题ꎬ深入研究消费者对运动文胸的外在和潜在需求是很有必要的ꎮ此前ꎬ运动文胸用户需求的相关研究主要集中在功能需求分析[４￣５]㊁设计偏好研究[６]㊁消费行为调查[７]等方面ꎬ从不同维度探究了用户对运动文胸的需求情况和影响因素ꎬ但各项需求要素的作用差异性和重要程度还有待进一步分析ꎬ需求满足与用户满意度的关联性和影响机制有待深入探讨ꎮ并且现有研究多采用传统的访谈法㊁问卷调查法ꎬ调查覆盖面较窄㊁样本规模较小㊁数据采集效率低ꎬ较难及时捕捉用户需求的变化ꎬ对于运动文胸的用户需求挖掘存在一定的局限性ꎮ对此ꎬ有学者指出大数据分析下的用户需求洞察方式客观㊁高效㊁可预测[８]ꎬ对各个专业领域的设计模式㊁流程运作㊁商业形态等产生了深刻影响[９]ꎮ在线评论是用户需求信息的重要载体之一ꎬ反映了用户关于产品和服务的真实感受与评价ꎮ刘哲文等[１０]基于在线评论数据获得防晒类功能性服装的用户消费需求ꎻ王蓓蓓[１１]从在线评论中分析得到消费者退货的主要原因ꎻ仇惠玲等[１２]为提升虚拟试衣的服务质量ꎬ采用ＬＤＡ模型和情感分析技术识别虚拟试衣软件用户的在线评论ꎬ构建服务质量评价指标ꎮ可见通过对在线评论数据的有效分析ꎬ能挖掘出用户的显性和隐性需求ꎬ帮助企业评估产品和服务的差异性ꎬ从而了解用户需求和产品痛点ꎮ综上所述ꎬ本文将基于运动文胸在线评论ꎬ采用文本挖掘技术提取用户需求ꎬ通过Ｋａｎｏ模型分析需求满足对用户满意度提升的影响力ꎬ确定各项需求要素的分类属性和需求度ꎬ为运动文胸产品的优化设计㊁精准营销提供决策参考ꎮ１㊀研究方案设计１.１㊀研究对象根据前期运动文胸产品的市场调研ꎬ本文选取了国内外１０个具有代表性的运动文胸品牌(表１)ꎬ以其运动文胸产品的在线评论为研究对象ꎬ挖掘用户对运动文胸的需求ꎮ６０１第６１卷㊀第３期基于ＢＴＭ主题挖掘和Ｋａｎｏ模型的运动文胸用户需求研究表１㊀１０个代表性运动文胸品牌Ｔａｂ.１㊀１０ｒｅｐｒｅｓｅｎｔａｔｉｖｅｓｐｏｒｔｓｂｒａｂｒａｎｄｓ１.２㊀研究模型１.２.１㊀ＢＴＭ主题模型ＢＴＭ主题模型(Ｂｉ￣ｔｅｒｍＴｏｐｉｃＭｏｄｅｌ)是由Ｙａｎ等[１３]提出的一种短文本主题提取模型ꎮ据研究显示ꎬＢＴＭ模型相较于传统主题模型(如ＬＤＡ㊁ＰＬＳＡ等)对于短小㊁分散的短文本的语义挖掘效果更优[１４]ꎮＢＴＭ模型可对运动文胸在线评论语料库中出现的共现词对进行统计ꎬ扩展训练的词语数量ꎬ以词对集合来建模学习(图１)ꎬ增强词对之间的深层语义联系的挖掘ꎬ较好地解决在线评论数据稀疏的问题ꎬ能有效进行运动文胸用户需求的主题挖掘ꎮ图１㊀ＢＴＭ模型图解及建模过程Ｆｉｇ.１㊀ＢＴＭｍｏｄｅｌｄｉａｇｒａｍａｎｄｍｏｄｅｌｉｎｇｐｒｏｃｅｓｓ图１中:α和β为狄利克雷先验分布ꎬθ为整个语料库中的所有潜在主题的概率分布ꎬｋ表示语料库中所含的主题数ꎬφ为某一主题下词对的分布ꎬＺ为语料库中的某一主题ꎬｗｉ㊁ｗｊ为构成某一词对的两个不同的词ꎬ｜Ｂ｜为语料库中所含的词对数ꎮ１.２.２㊀Ｋａｎｏ模型Ｋａｎｏ模型是日本东京理工大学狩野纪昭(ＮｏｒｉａｋｉＫａｎｏ)等[１５]提出的用户需求分类和优先级排序的工具ꎬ以分析用户需求对用户满意度的影响为基础ꎬ根据不同类型的质量特性与用户满意度之间的关系ꎬ将产品∕服务质量特征分为五类(图２):１)必备属性(Ｍｕｓｔ￣ｂｅＱｕａｌｉｔｙ)是指用户对运动文胸产品或服务的基本要求ꎬ当运动文胸具备该属性时对用户满意度没有影响ꎬ而不具备时会使满意度降低ꎻ２)期望属性(Ｏｎｅ￣ｄｉｍｅｎｓｉｏｎａｌＱｕａｌｉｔｙ)是指具备程度与用户满意度成正比的需求ꎬ具备时可以提升满意度ꎬ反之则降低ꎻ３)魅力属性(ＡｔｔｒａｃｔｉｖｅＱｕａｌｉｔｙ)是指不被用户过分期望的运动文胸需求ꎬ即具备时可以提升满意度ꎬ不具备时没有影响ꎻ４)无差异属性(ＩｎｄｉｆｆｅｒｅｎｔＱｕａｌｉｔｙ)是指该要素具备与否对满意度几乎不构成影响ꎻ５)反向属性(ＲｅｖｅｒｓｅＱｕａｌｉｔｙ)是指引起用户强烈不满的需求ꎬ具备时会降低用户对运动文胸的满意度ꎬ反之则会提升ꎮ图２㊀运动文胸用户需求Ｋａｎｏ模型Ｆｉｇ.２㊀Ｋａｎｏｍｏｄｅｌｏｆｓｐｏｒｔｓｂｒａｕｓｅｒｄｅｍａｎｄ１.３㊀研究路径本文提出了一种基于ＢＴＭ模型与Ｋａｎｏ模型的研究框架ꎬ有效结合数据挖掘技术和问卷调查两种方法ꎬ从用户需求挖掘㊁用户需求分析㊁建议与对策３个部分展开研究ꎬ以期在运动文胸产品的设计㊁研发㊁营销中有效提高用户满意度ꎬ提升运动文胸设计与产品质量创新ꎮ研究路径如图３所示ꎮ图３㊀运动文胸用户需求研究路径Ｆｉｇ.３㊀Ｒｅｓｅａｒｃｈｐａｔｈｏｆｓｐｏｒｔｓｂｒａｕｓｅｒｄｅｍａｎｄ７０１Ｖｏｌ.６１㊀Ｎｏ.３ＲｅｓｅａｒｃｈｏｎｕｓｅｒｄｅｍａｎｄｆｏｒｓｐｏｒｔｓｂｒａｓｂａｓｅｄｏｎＢＴＭｔｏｐｉｃｍｉｎｉｎｇａｎｄｔｈｅＫａｎｏｍｏｄｅｌ２㊀数据获取处理及分析２.１㊀基于ＢＴＭ模型的在线评论用户需求挖掘２.１.１㊀数据获取与处理本文以淘宝和京东为采集平台ꎬ其品牌覆盖全㊁用户在线评论基数大ꎬ可获取全面的运动文胸产品的相关评论信息ꎮ为确保评论数据的充分性和代表性ꎬ在每个代表性品牌中筛选出总销量Ｔｏｐ５的运动文胸产品作为采集对象ꎬ利用Ｐｙｔｈｏｎ语言编写爬虫程序ꎬ读取商品ＵＲＬ并使用Ｓｅｌｅｎｉｕｍ库模拟真实用户浏览网站方法ꎮ爬取至２０２２年１０月２８日的所有用户评论信息ꎬ并使用Ｏｐｅｎｐｙｘｌ库将数据保存至Ｅｘｃｅｌ文档中ꎬ得到初始在线评论信息１６５５７条ꎬ采集评论数据示例如表２所示ꎮ表２㊀运动文胸在线评论数据采集示例Ｔａｂ.２㊀Ｅｘａｍｐｌｅｏｆｏｎｌｉｎｅｒｅｖｉｅｗｄａｔａｃｏｌｌｅｃｔｉｏｎｆｏｒｓｐｏｒｔｓｂｒａｓ始数据集进行数据清洗ꎬ通过人工识别删除无意义㊁不相关的文本ꎬ最终得到１６２４８条文本数据ꎻ其次ꎬ采用Ｐｙｔｈｏｎ中ｒｅ.ｓｕｂ()函数去除非中文字符ꎬ再通过Ｊｉｅｂａ库进行分词㊁去除停用词等处理ꎬ最终得到文本处理结果ꎮ２.１.２㊀主题识别与提取１)最优主题数确定ꎮＢＴＭ模型的最优主题数Ｐ由困惑度来确定ꎬ困惑度是反映模型泛化能力的重要指标ꎬ困惑度越小ꎬ表示主题建模效果越好ꎮＰ＝ｅｘｐ－ðＭｄ＝１ｌｂｐ(ｗｄ)ðＭｄ＝１Ｎｄæèççöø÷÷(１)式中:Ｐ为困惑度ꎬＷ为需要建模的短文集ꎬｐ(ｗｄ)为第ｄ篇短文本中的词出现的概率ꎬＮｄ为第ｄ篇短文本中包含的词数ꎮ通过ＢＴＭ模型函数ꎬ以Ｇｉｂｂｓ采样为基础对１~１０的各主题数困惑度进行循环ꎬ迭代次数为１０次ꎬ比较不同主题个数的结果ꎮ计算结果显示ꎬ当Ｐ＝６时困惑度最小ꎬ因此最优主题数确定为６个ꎮ２)特征词提取及主题归纳ꎮ主题数可以表示运动文胸用户需求的主题维度ꎬ特征词则可以表征每个主题的内涵ꎮ为了进一步挖掘在线评论中的用户需求信息ꎬ本文针对每个主题ꎬ利用ＢＴＭ模型提取前１０个概率最高的词语作为反映主题内容的特征词ꎬ并邀请３位同行专家根据各特征词属性及文本内容ꎬ分别对每个主题进行归纳总结ꎬ得到６个不同维度的运动文胸用户需求主题(表３)ꎬ涵盖了产品㊁服务㊁营销３方面需求ꎮ２.１.３㊀用户需求要素构成在上述主题识别结果的基础上ꎬ将功能质量㊁款式设计㊁面料材质㊁颜色外观㊁服务品质㊁品牌营销作为一级需求指标ꎻ再依据相关主题特征词ꎬ参考前人的相关研究ꎬ进一步细化分类ꎬ构成本文研究的运动文胸产品的总体用户需求要素ꎬ如表４所示ꎮ表３㊀主题特征词Ｔａｂ.３㊀Ｔｈｅｍａｔｉｃｆｅａｔｕｒｅｗｏｒｄｓ８０１第６１卷㊀第３期基于ＢＴＭ主题挖掘和Ｋａｎｏ模型的运动文胸用户需求研究表４㊀运动文胸用户需求要素构成Ｔａｂ.４㊀Ｓｐｏｒｔｓｂｒａｕｓｅｒｄｅｍａｎｄｅｌｅｍｅｎｔｓ２.２㊀基于Ｋａｎｏ模型的运动文胸用户需求分类２.２.１㊀问卷设计用户需求Ｋａｎｏ模型问卷分为两个部分:第一部分为被调研者基本信息ꎬ调查内容包括年龄㊁学历㊁运动频率㊁运动时长㊁运动强度等ꎻ第二部分为Ｋａｎｏ问卷ꎬ对前文构建的２３项二级用户需求要素进行调查ꎬ根据双维度认知思想ꎬ设置正反向两个问题ꎬ答案设置为 满意㊁理所当然㊁无所谓㊁勉强接受㊁不满意 ５个选项ꎮ为了确保被调研者有运动文胸的购买和使用经历ꎬ能给予真实的需求反馈ꎬ本调查在第一部分的问卷中设置了 您是否购买和使用过运动文胸? 一题进行筛选ꎬ若被调研者未曾有过此项经历ꎬ则将结束问卷填写ꎬ该问卷将视为无效问卷ꎬ不计入回收数量ꎮ２.２.２㊀数据收集及信效度分析笔者通过问卷星平台制作电子问卷ꎬ采用线上社交平台㊁线下运动服饰门店㊁健身房等多种途径发放问卷ꎬ共回收３０８份问卷ꎬ剔除２３份无效问卷ꎬ有效问卷为２８５份ꎬ有效率９２ ５％ꎮ借助ＳＰＳＳ软件ꎬ对问卷的信效度进行分析检验ꎬ计算得到经过标准化后的问卷整体Ｃｒｏｎｂａｃｈα系数为０.９８１ꎬ大于０.９５０ꎻＫＭＯ检验的系数为０.９６６ꎬＢａｒｔｌｅｔｔ检验卡方值为１５０１４.９３４(Ｓｉｇ.＝０.０００<０.０１０)ꎮ上述结果表明ꎬ该问卷调查具有较高的可靠性和有效性ꎮ２.２.３㊀结果分析基于上述调查结果ꎬ本文采用Ｋａｎｏ模型对运动文胸的各项用户需求进行归类和排序ꎮ１)用户需求属性归类ꎮ本文参考文献[１１]的需求归属分类方法ꎬ采用Ｍａｔｚｌｅｒｋ等[２０]提出的修正Ｋａｎｏ模型评价标准(表５)ꎬ对运动文胸各项需求的调查结果进行统计ꎮ由表５可得到ꎬ反向属性Ｒｉ㊁魅力属性Ａｊ㊁必备属性Ｍｋ㊁无差异属性Ｉｍ㊁期望属性Ｏ和可疑属性Ｑ的频数ꎻ并引入需求度及需求系数ꎬ按照式(２)计算各类属性的需求度ꎬ分值最高的为该属性的需求归类ꎮ表５㊀Ｋａｎｏ模型评价标准Ｔａｂ.５㊀Ｋａｎｏｍｏｄｅｌｅｖａｌｕａｔｉｏｎｃｒｉｔｅｒｉａ９０１Ｖｏｌ.６１㊀Ｎｏ.３ＲｅｓｅａｒｃｈｏｎｕｓｅｒｄｅｍａｎｄｆｏｒｓｐｏｒｔｓｂｒａｓｂａｓｅｄｏｎＢＴＭｔｏｐｉｃｍｉｎｉｎｇａｎｄｔｈｅＫａｎｏｍｏｄｅｌＳＲ＝１－ð７ｉ＝１Ｒｉ∕ＮＳＡ＝ð３ｊ＝１ＡｊＫ(Ａｊ)ＳＭ＝ð３ｋ＝１ＭｋＫ(Ｍｋ)ＳＩ＝ð９ｍ＝１ＩｍＫ(Ｉｍ)ＳＯ＝ＯＫ(Ｏ)ＳＱ＝０ìîíïïïïïïïïïïïï(２)式中:ＳＲ㊁ＳＡ㊁ＳＭ㊁ＳＩ㊁ＳＯ㊁ＳＱ分别为Ｒ㊁Ａ㊁Ｍ㊁Ｉ㊁Ｏ㊁Ｑ的需求度得分ꎻＫ为需求系数ꎬＫ(Ａ１)＝２∕３ꎬＫ(Ａ２)＝１ꎬＫ(Ａ３)＝４∕３ꎬＫ(Ｍ１)＝４∕３ꎬＫ(Ｍ２)＝１ꎬＫ(Ｍ３)＝２∕３ꎬＫ(Ｉ１)＝８∕９ꎬＫ(Ｉ２)＝４∕３ꎬＫ(Ｉ３)＝１６∕９ꎬＫ(Ｉ４)＝２∕３ꎬＫ(Ｉ５)＝１ꎬＫ(Ｉ６)＝４∕３ꎬＫ(Ｉ７)＝４∕９ꎬＫ(Ｉ８)＝２∕３ꎬＫ(Ｉ９)＝８∕９ꎬＫ(Ｏ)＝１ꎮ为进一步分析需求满足与用户满意度的关系ꎬ本文根据式(３)计算各需求要素的满意度指标ＳＳＩ和不满意指标ＤＤＳＩꎬ并绘制以满意度ＳＳＩ为纵坐标㊁不满意度ＤＤＳＩ为横坐标的散点分布图ꎬ来判别各需求要素对提升运动文胸用户满意度的贡献力ꎮＳＳＩ＝(ＳＡ＋ＳＯ)(ＳＡ＋ＳＯ＋ＳＭ＋ＳＩ)ＤＤＳＩ＝(ＳＯ＋ＳＭ)(ＳＡ＋ＳＯ＋ＳＭ＋ＳＩ)ìîíïïïï(３)各需求要素的分析量化及归类结果如表６所示ꎬ必备属性(Ｍ)４项㊁期望属性(Ｏ)１０项㊁魅力属性(Ａ)３项㊁无差异属性(Ｉ)６项ꎬ无反向属性和可疑属性ꎮ表６㊀各需求属性的分析量化结果Ｔａｂ.６㊀Ａｎａｌｙｓｉｓａｎｄｑｕａｎｔｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｓｏｆｅａｃｈｒｅｑｕｉｒｅｍｅｎｔａｔｔｒｉｂｕｔｅ㊀㊀以ＳＳＩ的均值０.５１和ＤＤＳＩ的均值０.４５为临界线将散点图分为四个象限ꎬ如图４所示ꎮ根据散点图的分布发现ꎬ第一象限呈现高ＳＳＩ值和高ＤＤＳＩ值ꎬ这些要素是否满足或具备对用户满意度的影响非常显著ꎮ该象限要素有ａ６㊁ｂ１㊁ｂ４㊁ｃ１㊁ｃ２㊁ｃ３㊁ｅ１㊁ｅ３㊁ｆ１㊁ｆ４ꎬ集中于期望属性ꎬ企业应优先选择这些要素作为需求优化的工作重点ꎮ其中ꎬ要素ｂ４的ＳＳＩ值最大ꎬ要素ｃ１具有最大的ＤＤＳＩ值ꎬ即提升下围的设计可以明显促进用户满意度的提高ꎬ改善面料手感可以最有效地降低用户的不满ꎮ下围是运动文胸重要的组成结构之一ꎬ过松会出现严重的位移㊁跑偏现象ꎬ过紧会造成不适的压迫感ꎬ优化下围设计可以有效提升运动文胸在不同运动强度下的稳定性和舒适性ꎮ作为贴身服装ꎬ运动文胸的面料手感会给用户带来最直接的触感体验ꎬ提升面料手感可以有效改善用户的穿着感受ꎮ第二象限呈现高ＳＳＩ值和低ＤＤＳＩ值ꎬ表示满足或具备时这些要素可以提高用户满意度ꎬ但不具备或不提供时ꎬ用户满意度也不会降低ꎮ该象限要素有ｆ２㊁ｆ３㊁ｆ５ꎬ集中于魅力属性ꎮ品０１１第６１卷㊀第３期基于ＢＴＭ主题挖掘和Ｋａｎｏ模型的运动文胸用户需求研究牌专业性㊁产品性价比㊁促销活动是用户间接表达的一种潜在需求ꎬ当这类需求满足时会使用户感到惊喜ꎬ可以吸引用户㊁提升用户满意度ꎬ企业可以根据实际情况进行选择性提升优化ꎮ第三象限呈现低ＳＳＩ值和低ＤＤＳＩ值ꎬ表示这些要素对用户满意度没有显著影响ꎮ该象限要素有ａ４㊁ｂ２㊁ｂ３㊁ｄ１㊁ｅ２ꎬ集中于无差异属性ꎮ现阶段这些要素对于提升用户满意度和降低不满意度都没有明显影响ꎬ但用户对该类需求的感知可能会随着时间或情景的变化而发生转变ꎬ企业可持续跟踪其动态变化ꎬ根据观察和预测决定是否改进ꎮ第四象限呈现低ＳＳＩ值和高ＤＤＳＩ值ꎬ表示当不具备这些要素时ꎬ用户不满意度会显著增加ꎬ但具备时对用户满意度提升效果不明显ꎮ该象限要素有ａ１㊁ａ２㊁ａ３㊁ａ５ꎬ集中于必备属性ꎬ且这些要素均属于运动文胸的功能质量类需求ꎮ作为功能性服装ꎬ防震功能㊁速干功能㊁舒适度㊁尺码是运动文胸的基础需求ꎬ企业需首先考虑保证和维持这些需求的满足ꎮ其中ꎬ舒适度的满意度指标和不满意度指标均最高ꎬ即运动文胸在穿着和运动中无束缚感㊁压迫感ꎬ可以最有效地提升用户满意度㊁降低不满意度ꎮ图４㊀需求满意度四分象限散点图Ｆｉｇ.４㊀Ｆｏｕｒ￣ｑｕａｄｒａｎｔｓｃａｔｔｅｒｃｈａｒｔｏｆｄｅｍａｎｄｓａｔｉｓｆａｃｔｉｏｎ２)用户需求优先级排序ꎮ根据Ｋａｎｏ模型理论ꎬ各类需求属性的满足顺序依次为Ｍ>Ｏ>Ａ>Ｉꎮ为了进一步细分同类属性中各需求要素的重要程度ꎬ利用下式计算需求度指标ωꎬ需求度ω越接近１ꎬ说明该项需求的重要程度越高ꎬ应在同一类需求属性中优先考虑ꎮω＝ＳＲˑＳ２ＳＩ＋Ｄ２ＤＳＩ(４)从表７排序结果得出:１)功能质量需求层面ꎬ舒适度ａ２和防震功能ａ５的需求度较高且为必备属性ꎬ是用户满意度建立的首要因素ꎻ产品质量ａ６需求度较高且属于期望属性ꎬ是需重点改进的要素ꎻ塑形功能ａ４的需求度较低且为无差异属性ꎬ说明用户对塑形功能关注度较低ꎬ并非主要考虑的功能需求ꎮ２)款式设计需求层面ꎬ下围ｂ４和罩杯ｂ１的需求度位于前列ꎬ是用户最为关注的两个结构部位ꎬ是款式设计优化中关键因素ꎮ３)面料材质需求层面ꎬ３项需求要素的需求度均较高且为期望属性ꎬ说明运动文胸的用料是消费者关注的重点ꎻ其中面料手感ｃ１位列第１ꎬ表明用户非常关注运动文胸面料的亲肤感与舒适度ꎻ其次是胸垫材质ｃ３ꎬ从评论内容可知ꎬ品质不佳的胸垫会引起凸点㊁变形等问题ꎬ从而影响运动文胸的穿着效果ꎮ４)颜色外观需求层面ꎬ颜色ｄ１的需求度较低ꎬ表明用户对运动文胸颜色的关注度不高ꎬ对颜色外观没有明显的偏好ꎮ５)服务品质需求层面ꎬ客服态度ｅ３的需求度位于首位ꎬ表明用户注重客服服务带来的消费体验ꎻ其次是退换货服务ｅ１ꎬ表明用户希望商家可以提供退换货的售后保障服务ꎬ尤其是对于网购ꎬ用户的需求度较高ꎮ６)品牌营销需求层面ꎬ声誉口碑ｆ１的需求度最高且为期望属性ꎬ说明用户更倾向选择声誉口碑良好的品牌ꎻ用户对品牌专业性ｆ２有一定需求度ꎬ属于魅力需求加分项ꎻ产品包装ｆ６的需求度最低ꎬ运动文胸消费大多数情况下为自选自用ꎬ包装形式精美与否用户不太看重ꎮ表７㊀运动文胸各类需求要素优先排序Ｔａｂ.７㊀Ｐｒｉｏｒｉｔｉｚａｔｉｏｎｏｆｖａｒｉｏｕｓｄｅｍａｎｄｅｌｅｍｅｎｔｓｆｏｒｓｐｏｒｔｓｂｒａｓ３㊀建议与对策基于上述分析结果ꎬ本文从产品研发㊁用户服务㊁品牌营销３个方面提出针对性的建议与对策ꎬ旨在帮助企业在１１１Ｖｏｌ.６１㊀Ｎｏ.３ＲｅｓｅａｒｃｈｏｎｕｓｅｒｄｅｍａｎｄｆｏｒｓｐｏｒｔｓｂｒａｓｂａｓｅｄｏｎＢＴＭｔｏｐｉｃｍｉｎｉｎｇａｎｄｔｈｅＫａｎｏｍｏｄｅｌ有限的人力物力资源下ꎬ合理安排改进措施ꎬ有效提升用户满意度ꎮ１)产品研发方面ꎮ企业应持续投入一定资金和人力维持运动文胸的功用性ꎬ如防震功能㊁速干功能ꎬ以及良好的舒适性㊁尺码的合体性ꎮ在款式设计上ꎬ需持续优化罩杯的面积㊁深度㊁弧度等结构参数ꎬ加强文胸对乳房的作用力ꎬ合理设计下围的围度和宽度以达到下围压力的舒适阈值ꎮ选用面料材质时ꎬ应优先考虑面料手感ꎬ确保运动文胸穿着的亲肤性和舒适度ꎻ再者ꎬ需选用品质优良的胸垫来提高罩杯承托性能和塑形效果ꎮ在颜色上ꎬ可根据实际情况ꎬ适当增加运动文胸颜色外观设计以满足更多用户的个性化需求ꎮ此外ꎬ企业需着重提升产品质量ꎬ严格把控质量检测环节ꎬ避免出现变形㊁起球㊁瑕疵等质量问题ꎮ２)用户服务方面ꎮ企业服务人员需训练有素㊁不断提升服务水平ꎬ面向用户有积极友好的服务态度ꎬ及时沟通㊁快速响应ꎬ为用户提供良好的消费体验ꎻ运动文胸网购的退换货概率较高ꎬ企业可提供如 七天无理由退换货 赠送运费险 等售后服务ꎬ有效消除用户的消费顾虑ꎻ与此同时ꎬ企业需持续观测用户对物流的态度ꎬ以便在用户需求转移时可以及时作出应变策略ꎮ３)品牌营销方面ꎮ企业需重点维护㊁提升品牌的声誉口碑ꎬ可利用新媒体等手段加强品牌及产品的宣传和推广ꎬ提高用户黏性ꎬ增强品牌的社交属性ꎬ来实现用户满意度的有效提升ꎻ同时ꎬ在产品营销过程中ꎬ需注重产品信息的有效展示与传递ꎬ可结合文字㊁图片㊁视频㊁直播等形式多方位呈现产品特色ꎻ此外ꎬ企业可通过赞助运动赛事㊁参与运动新材料研发等方式来强化品牌的专业形象和专业实力ꎬ以此获取持续竞争优势ꎻ还可根据情况策划适宜的产品定价和促销优惠活动ꎬ突出产品价格优势ꎬ让消费者觉得物有所值ꎬ提高用户满意度ꎮ４㊀结㊀论在互联网和大数据时代下ꎬ本文有效利用在线评论信息ꎬ采用ＢＴＭ文本挖掘技术深入探究运动文胸的用户需求要素ꎬ综合Ｋａｎｏ模型的用户满意度和需求度指标实现需求要素的属性分类与优先级排序ꎬ为运动文胸用户需求的研究提供了新视角和新方法ꎮ研究结果表明ꎬ运动文胸用户需求可分为功能质量㊁款式设计㊁面料材质㊁颜色外观㊁服务品质㊁品牌营销６个主题ꎬ共包含２３项需求要素ꎬ且各需求要素对用户满意度的作用不一ꎮ功能质量类需求是运动文胸建立用户满意度的必备要素ꎬ其中舒适度和防震功能的需求度位于前列ꎬ需首要满足ꎻ下围㊁罩杯㊁面料手感㊁胸垫材质为高需求度的期望属性ꎬ是产品设计中影响用户满意度的关键要素ꎻ客服态度㊁退换货服务㊁声誉口碑㊁商品信息对用户满意度影响显著且需求度较高ꎬ是服务和营销中提升用户满意度的重要途径ꎮ本文的研究主要集中在对需求要素本体的挖掘ꎬ而在线评论中还蕴藏着用户对某个需求的偏好或感受ꎬ只关注用户对需求的表达而忽略用户在其上的情感倾向会丢失部分重要信息ꎬ未来可综合考虑用户在不同需求上的情感倾向ꎬ采用情感分析技术对其进行识别ꎬ以便更准确㊁全面地定位用户需求ꎮ另外ꎬ用户对运动文胸的需求会受年龄㊁运动频率㊁运动时长㊁运动强度等因素的影响ꎬ后续可进一步分析各因素水平下用户对运动文胸需求的差异ꎬ以及各因素与用户需求的相关程度ꎬ为运动文胸的差别化设计㊁精准营销㊁分类细化等提供理论参考和依据ꎮ«丝绸»官网下载㊀中国知网下载参考文献:[１]陈慧娴ꎬ鲁虹ꎬ李书洋ꎬ等.不同运动强度下运动文胸结构设计要素研究[Ｊ].针织工业ꎬ２０２１(２):７４￣７７.ＣＨＥＮＨＸꎬＬＵＨꎬＬＩＳＹꎬｅｔａｌ.Ｂｒａｓｔｒｕｃｔｕｒｅｅｌｅｍｅｎｔｓｓｅｌｅｃｔｉｏｎａｎａｌｙｓｉｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔｓｐｏｒｔｓｉｎｔｅｎｓｉｔｉｅｓ[Ｊ].ＫｎｉｔｔｉｎｇＩｎｄｕｓｔｒｉｅｓꎬ２０２１(２):７４￣７７.[２]张经阳ꎬ郑琳琳ꎬ许晓云.大数据背景下精准化营销对品牌共创价值的影响[Ｊ].商业经济研究ꎬ２０２２(９):６０￣６３.ＺＨＡＮＧＪＹꎬＺＨＥＮＧＬＬꎬＸＵＸＹ.Ｔｈｅｉｍｐａｃｔｏｆｐｒｅｃｉｓｉｏｎｍａｒｋｅｔｉｎｇｏｎｂｒａｎｄｃｏ￣ｃｒｅａｔｉｏｎｖａｌｕｅｕｎｄｅｒｔｈｅｂａｃｋｇｒｏｕｎｄｏｆｂｉｇｄａｔａ[Ｊ].ＪｏｕｒｎａｌｏｆＣｏｍｍｅｒｃｉａｌＥｃｏｎｏｍｉｃｓꎬ２０２２(９):６０￣６３. [３]王雪ꎬ董庆兴ꎬ张斌.面向在线评论的用户需求分析框架与实证研究:基于ＫＡＮＯ模型[Ｊ].情报理论与实践ꎬ２０２２ꎬ４５(２):１６０￣１６７.ＷＡＮＧＸꎬＤＯＮＧＱＸꎬＺＨＡＮＧＢ.ＡｎａｌｙｔｉｃａｌｆｒａｍｅｗｏｒｋａｎｄｅｍｐｉｒｉｃａｌｓｔｕｄｙｏｆｕｓｅｒｎｅｅｄｓｆｏｒｏｎｌｉｎｅｒｅｖｉｅｗｓｂａｓｅｄｏｎＫＡＮＯｍｏｄｅｌ[Ｊ].ＩｎｆｏｒｍａｔｉｏｎＳｔｕｄｉｅｓ:Ｔｈｅｏｒｙ＆Ａｐｐｌｉｃａｔｉｏｎꎬ２０２２ꎬ４５(２):１６０￣１６７.[４]刘雪燕.较大罩杯女性运动文胸的功能需求分析及优化建议[Ｄ].上海:东华大学ꎬ２０２２.ＬＩＵＸＹ.ＡｎａｌｙｓｉｓｏｆＦｕｎｃｔｉｏｎａｌＲｅｑｕｉｒｅｍｅｎｔｓａｎｄＯｐｔｉｍｉｚａｔｉｏｎＳｕｇｇｅｓｔｉｏｎｓｆｏｒＷｏｍｅｎ ｓＳｐｏｒｔｓＢｒａｓｗｉｔｈＬａｒｇｅｒＣｕｐｓ[Ｄ].Ｓｈａｎｇｈａｉ:ＤｏｎｇｈｕａＵｎｉｖｅｒｓｉｔｙꎬ２０２２.[５]ＭＯＲＲＩＳＫꎬＰＡＲＫＪꎬＳＡＲＫＡＲＡ.Ｄｅｖｅｌｏｐｍｅｎｔｏｆａｎｕｒｓｉｎｇｓｐｏｒｔｓｂｒａｆｏｒｐｈｙｓｉｃａｌｌｙａｃｔｉｖｅｂｒｅａｓｔｆｅｅｄｉｎｇｗｏｍｅｎｔｈｒｏｕｇｈｕｓｅｒ￣ｃｅｎｔｅｒｅｄｄｅｓｉｇｎ[Ｊ].ＣｌｏｔｈｉｎｇａｎｄＴｅｘｔｉｌｅｓＲｅｓｅａｒｃｈＪｏｕｒｎａｌꎬ２０１７ꎬ３５(４):２９０￣３０６.２１１第６１卷㊀第３期基于ＢＴＭ主题挖掘和Ｋａｎｏ模型的运动文胸用户需求研究[６]王明月ꎬ周捷ꎬ左菊香ꎬ等.消费者情感偏好对运动文胸设计要素的影响[Ｊ].纺织高校基础科学学报ꎬ２０２０ꎬ３３(１):３８￣４４.ＷＡＮＧＭＹꎬＺＨＯＵＪꎬＺＵＯＪＸꎬｅｔａｌ.Ｔｈｅｉｎｆｌｕｅｎｃｅｏｆｃｏｎｓｕｍｅｒｓ ｅｍｏｔｉｏｎａｌｐｒｅｆｅｒｅｎｃｅｏｎｔｈｅｄｅｓｉｇｎｅｌｅｍｅｎｔｓｏｆｓｐｏｒｔｓｂｒａ[Ｊ].ＢａｓｉｃＳｃｉｅｎｃｅｓＪｏｕｒｎａｌｏｆＴｅｘｔｉｌｅＵｎｉｖｅｒｓｉｔｉｅｓꎬ２０２０ꎬ３３(１):３８￣４４.[７]陈晓玲ꎬ曾琬仪ꎬ曹爱华.湖南青年女性运动文胸消费行为研究[Ｊ].湖南工程学院学报(自然科学版)ꎬ２０２１ꎬ３１(４):７４￣７９.ＣＨＥＮＸＬꎬＺＥＮＧＷＹꎬＣＡＯＡＨ.ＲｅｓｅａｒｃｈｏｎｓｐｏｒｔｓｂｒａｃｏｎｓｕｍｐｔｉｏｎｂｅｈａｖｉｏｒｏｆｙｏｕｎｇｗｏｍｅｎｉｎＨｕｎａｎ[Ｊ].ＪｏｕｒｎａｌｏｆＨｕｎａｎＩｎｓｔｉｔｕｔｅｏｆＥｎｇｉｎｅｅｒｉｎｇ(ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ)ꎬ２０２１ꎬ３１(４):７４￣７９.[８]杨焕.数据与设计的融合:大数据分析导出用户需求洞察的创新路径研究[Ｊ].装饰ꎬ２０１９(５):１００￣１０３.ＹＡＮＧＨ.Ｔｈｅｉｎｔｅｇｒａｔｉｏｎｏｆｄａｔａａｎｄｄｅｓｉｇｎ:Ｔｈｅｉｎｎｏｖａｔｉｏｎｐａｔｈｒｅｓｅａｒｃｈｏｆｕｓｅｒｒｅｑｕｉｒｅｍｅｎｔｉｎｓｉｇｈｔｔｈｒｏｕｇｈｂｉｇｄａｔａａｎａｌｙｓｉｓ[Ｊ].ＺＨＵＡＮＧＳＨＩꎬ２０１９(５):１００￣１０３.[９]朱伟明ꎬ张净雪.基于用户大数据的服装设计交互研究[Ｊ].浙江理工大学学报(社会科学版)ꎬ２０２２ꎬ４８(２):２２２￣２２９.ＺＨＵＷＭꎬＺＨＡＮＧＪＸ.Ｒｅｓｅａｒｃｈｏｎｉｎｔｅｒａｃｔｉｏｎｏｆｃｌｏｔｈｉｎｇｄｅｓｉｇｎｂａｓｅｄｏｎｕｓｅｒｓ ｂｉｇｄａｔａ[Ｊ].ＪｏｕｒｎａｌｏｆＺｈｅｊｉａｎｇＳｃｉ￣ＴｅｃｈＵｎｉｖｅｒｓｉｔｙ(ＳｏｃｉａｌＳｃｉｅｎｃｅｓ)ꎬ２０２２ꎬ４８(２):２２２￣２２９.[１０]刘哲文ꎬ张立杰.基于在线评论的防晒类功能性服装消费需求研究[Ｊ].丝绸ꎬ２０２１ꎬ５８(１１):４７￣５２.ＬＩＵＺＷꎬＺＨＡＮＧＬＪ.Ｒｅｓｅａｒｃｈｏｎｃｏｎｓｕｍｅｒｄｅｍａｎｄｏｆｆｕｎｃｔｉｏｎａｌｓｕｎ￣ｐｒｏｔｅｃｔｉｖｅｃｌｏｔｈｉｎｇｂａｓｅｄｏｎｏｎｌｉｎｅｒｅｖｉｅｗｓ[Ｊ].ＪｏｕｒｎａｌｏｆＳｉｌｋꎬ２０２１ꎬ５８(１１):４７￣５２.[１１]王蓓蓓.基于在线评论的服装电商退货意愿挖掘及对策[Ｊ].物流工程与管理ꎬ２０２２ꎬ４４(６):８１￣８５.ＷＡＮＧＢＢ.ＲｅｓｅａｒｃｈｏｎｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓｏｆｃｌｏｔｈｉｎｇＥ￣ｃｏｍｍｅｒｃｅｒｅｔｕｒｎｂａｓｅｄｏｎｏｎｌｉｎｅｒｅｖｉｅｗ[Ｊ].ＬｏｇｉｓｔｉｃｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＭａｎａｇｅｍｅｎｔꎬ２０２２ꎬ４４(６):８１￣８５.[１２]仇惠玲ꎬ刘雅玲.线上虚拟试衣平台服务质量主题挖掘及指标构建[Ｊ].现代纺织技术ꎬ２０２２ꎬ３０(４):２２２￣２２９.ＱＩＵＨＬꎬＬＩＵＹＬ.Ｔｈｅｍｅｍｉｎｉｎｇａｎｄｉｎｄｅｘｓｙｓｔｅｍｃｏｎｓｔｒｕｃｔｉｏｎｆｏｒｏｎｌｉｎｅｖｉｒｔｕａｌｆｉｔｔｉｎｇｐｌａｔｆｏｒｍｓｅｒｖｉｃｅｑｕａｌｉｔｙ[Ｊ].ＡｄｖａｎｃｅｄＴｅｘｔｉｌｅＴｅｃｈｎｏｌｏｇｙꎬ２０２２ꎬ３０(４):２２２￣２２９.[１３]ＹＡＮＸＨꎬＧＵＯＪＦꎬＬＡＮＹＹꎬｅｔａｌ.Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ２２ｎｄＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＷｏｒｌｄＷｉｄｅＷｅｂ[Ｃ].ＮｅｗＹｏｒｋ:ＡｓｓｏｃｉａｔｉｏｎｆｏｒＣｏｍｐｕｔｉｎｇＭａｃｈｉｎｅｒｙꎬ２０１３.[１４]张文伟ꎬ赵辉.ＬＤＡ与ＢＴＭ概率主题模型抽取科学主题效果比较研究[Ｊ].情报工程ꎬ２０２０ꎬ６(２):６６￣７７.ＺＨＡＮＧＷＷꎬＺＨＡＯＨ.ＣｏｍｐａｒａｔｉｖｅｓｔｕｄｙｏｎｔｈｅｅｆｆｅｃｔｏｆＬＤＡａｎｄＢＴＭｐｒｏｂａｂｉｌｉｓｔｉｃｓｕｂｊｅｃｔｍｏｄｅｌｉｎｅｘｔｒａｃｔｉｎｇｓｃｉｅｎｔｉｆｉｃｓｕｂｊｅｃｔ[Ｊ].ＴｅｃｈｎｏｌｏｇｙＩｎｔｅｌｌｉｇｅｎｃｅＥｎｇｉｎｅｅｒｉｎｇꎬ２０２０ꎬ６(２):６６￣７７. [１５]ＫＡＮＯＮꎬＳＥＲＡＫＵＮꎬＴＡＫＡＨＡＳＨＩＦꎬｅｔａｌ.Ａｔｔｒａｃｔｉｖｅｑｕａｌｉｔｙａｎｄｍｕｓｔ￣ｂｅｑｕａｌｉｔｙ[Ｊ].ＪｏｕｒｎａｌｏｆＪａｐａｎｅｓｅＳｏｃｉｅｔｙｆｏｒＱｕａｌｉｔｙＣｏｎｔｒｏｌꎬ１９８４ꎬ１４(２):１４７￣１５６.[１６]张泠西ꎬ王建萍.运动文胸评价因素调研分析[Ｊ].服装学报ꎬ２０１６ꎬ１(２):１５７￣１６０.ＺＨＡＮＧＬＸꎬＷＡＮＧＪＰ.Ｉｎｖｅｓｔｉｇａｔｉｏｎａｎａｌｙｓｉｓｏｆｓｐｏｒｔｓｂｒａｅｖａｌｕａｔｉｏｎｆａｃｔｏｒｓ[Ｊ].ＪｏｕｒｎａｌｏｆＣｌｏｔｈｉｎｇＲｅｓｅａｒｃｈꎬ２０１６ꎬ１(２):１５７￣１６０.[１７]高婕ꎬ阎玉秀.杭州女大学生运动内衣消费行为研究[Ｊ].浙江理工大学学报ꎬ２０１４ꎬ３２(４):１１９￣１２４.ＧＡＯＪꎬＹＡＮＹＸ.ＳｔｕｄｙｏｎｓｐｏｒｔｓｕｎｄｅｒｗｅａｒｃｏｎｓｕｍｉｎｇｂｅｈａｖｉｏｒｏｆｆｅｍａｌｅｃｏｌｌｅｇｅｓｔｕｄｅｎｔｓｉｎＨａｎｇｚｈｏｕ[Ｊ].ＪｏｕｒｎａｌｏｆＺｈｅｊｉａｎｇＳｃｉ￣ＴｅｃｈＵｎｉｖｅｒｓｉｔｙꎬ２０１４ꎬ３２(４):１１９￣１２４.[１８]杨楠.服装网络消费行为的影响因素研究[Ｊ].中央财经大学学报ꎬ２０１６(６):１０４￣１１２.ＹＡＮＧＮ.Ｒｅｓｅａｒｃｈｏｎｔｈｅｉｎｆｌｕｅｎｃｅｆａｃｔｏｒｓｏｆｔｈｅｃｌｏｔｈｉｎｇｎｅｔｗｏｒｋｃｏｎｓｕｍｐｔｉｏｎｂｅｈａｖｉｏｒ[Ｊ].ＪｏｕｒｎａｌｏｆＣｅｎｔｒａｌＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅ＆Ｅｃｏｎｏｍｉｃｓꎬ２０１６(６):１０４￣１１２.[１９]黄倩倩ꎬ曲洪建ꎬ胡红艳.服装网络团购消费决策影响机制实证研究[Ｊ].丝绸ꎬ２０２２ꎬ５９(４):８４￣９３.ＨＵＡＮＧＱＱꎬＱＵＨＪꎬＨＵＨＹ.Ｅｍｐｉｒｉｃａｌｓｔｕｄｙｏｎｔｈｅｉｎｆｌｕｅｎｃｅｍｅｃｈａｎｉｓｍｏｆｃｌｏｔｈｉｎｇｏｎｌｉｎｅｇｒｏｕｐｐｕｒｃｈａｓｅｃｏｎｓｕｍｐｔｉｏｎｄｅｃｉｓｉｏｎｓ[Ｊ].ＪｏｕｒｎａｌｏｆＳｉｌｋꎬ２０２２ꎬ５９(４):８４￣９３.[２０]ＭＡＴＺＬＥＲＫꎬＫＩＮＴＥＲＨＵＢＥＲＨＨ.ＨｏｗｔｏｍａｋｅｐｒｏｄｕｃｔｄｅｖｅｌｏｐｍｅｎｔｐｒｏｊｅｃｔｓｍｏｒｅｓｕｃｃｅｓｓｆｕｌｂｙｉｎｔｅｇｒａｔｉｎｇＫａｎｏ ｓｍｏｄｅｌｏｆｃｕｓｔｏｍｅｒｓａｔｉｓｆａｃｔｉｏｎｉｎｔｏｑｕａｌｉｔｙｆｕｎｃｔｉｏｎｄｅｐｌｏｙｍｅｎｔ[Ｊ].Ｔｅｃｈｎｏｖａｔｉｏｎꎬ１９９８ꎬ１８(１):２５￣３８.３１１Ｖｏｌ.６１㊀Ｎｏ.３ＲｅｓｅａｒｃｈｏｎｕｓｅｒｄｅｍａｎｄｆｏｒｓｐｏｒｔｓｂｒａｓｂａｓｅｄｏｎＢＴＭｔｏｐｉｃｍｉｎｉｎｇａｎｄｔｈｅＫａｎｏｍｏｄｅｌＲｅｓｅａｒｃｈｏｎｕｓｅｒｄｅｍａｎｄｆｏｒｓｐｏｒｔｓｂｒａｓｂａｓｅｄｏｎＢＴＭｔｏｐｉｃｍｉｎｉｎｇａｎｄｔｈｅＫａｎｏｍｏｄｅｌＦＡＮＧＬｅｉｌｅｉ１ＷＵＱｉａｏｙｉｎｇ２ＸＩＡＮＧＹｕｈｕｉ１ＺＨＡＮＧＹａｎｇｘｉｎ１１.ＳｃｈｏｏｌｏｆＤｅｓｉｇｎａｎｄＦａｓｈｉｏｎ ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ Ｈａｎｇｚｈｏｕ３１００１２Ｃｈｉｎａ ２.ＳｃｈｏｏｌｏｆＩｎｔｅｒｎａｔｉｏｎａｌＥｄｕｃａｔｉｏｎ＆ＩｎｔｅｒｎａｔｉｏｎａｌＩｎｓｔｉｔｕｔｅｏｆＦａｓｈｉｏｎＴｅｃｈｎｏｌｏｇｙ ＺｈｅｊｉａｎｇＳｃｉ￣ＴｅｃｈＵｎｉｖｅｒｓｉｔｙ Ｈａｎｇｚｈｏｕ３１００１８Ｃｈｉｎａ㊀㊀Ａｂｓｔｒａｃｔ Ｗｉｔｈｔｈｅｒｉｓｅｏｆｔｈｅｓｐｏｒｔｓｂｏｏｍａｎｄｔｈｅｐｒｏｍｏｔｉｏｎｏｆｈｅａｌｔｈａｗａｒｅｎｅｓｓ ｆｅｍａｌｅｃｏｎｓｕｍｅｒｓ ｄｅｍａｎｄｆｏｒｓｐｏｒｔｓｂｒａｓｉｓｉｎｃｒｅａｓｉｎｇ ａｎｄｓｐｏｒｔｓｂｒａｐｒｏｄｕｃｔｓｈａｖｅａｔｔｒａｃｔｅｄｔｈｅａｔｔｅｎｔｉｏｎｏｆｔｈｅｓｐｏｒｔｓｉｎｄｕｓｔｒｙａｎｄｔｈｅｕｎｄｅｒｗｅａｒｉｎｄｕｓｔｒｙ.ＴｒａｄｉｔｉｏｎａｌｓｐｏｒｔｓｂｒａｎｄｓａｎｄｌｉｎｇｅｒｉｅｂｒａｎｄｓｓｕｃｈａｓＮＩＫＥ ＵｎｄｅｒＡｒｍｏｕｒ Ｔｒｉｕｍｐｈ ａｎｄＡＩＭＥＲｈａｖｅｌａｕｎｃｈｅｄｓｐｏｒｔｓｂｒａｐｒｏｄｕｃｔｌｉｎｅｓ ａｎｄｉｎｄｅｐｅｎｄｅｎｔｓｐｏｒｔｓｕｎｄｅｒｗｅａｒｂｒａｎｄｓｓｕｃｈａｓＬｏｒｎａＪａｎｅａｎｄＹＶＥＴＴＥｈａｖｅｇｒｏｗｎｒａｐｉｄｌｙ ｓｏｔｈｅｍａｒｋｅｔｃｏｍｐｅｔｉｔｉｏｎｉｓｉｎｃｒｅａｓｉｎｇｌｙｆｉｅｒｃｅ.Ｈｏｗｅｖｅｒ ｗｉｔｈｔｈｅｉｍｐｒｏｖｅｍｅｎｔｏｆｐｅｏｐｌｅ ｓｌｉｖｉｎｇｓｔａｎｄａｒｄｓ ｃｏｎｓｕｍｅｒｄｅｍａｎｄｆｏｒｓｐｏｒｔｓｂｒａｓｈａｓｂｅｃｏｍｅｍｏｒｅｄｉｖｅｒｓｅａｎｄｖａｒｉａｂｌｅ.Ａｓａｒｅｓｕｌｔ ｈｏｍｏｇｅｎｅｏｕｓｓｐｏｒｔｓｂｒａｐｒｏｄｕｃｔｓｃａｎｎｏｌｏｎｇｅｒｓａｔｉｓｆｙｃｏｎｓｕｍｅｒｓ.Ｔｈｅｒｅｆｏｒｅ ｈｏｗｔｏｄｉｇｔｈｅｅｘｐｌｉｃｉｔａｎｄｉｍｐｌｉｃｉｔｄｅｍａｎｄ ｓｏａｓｔｏｈｅｌｐｅｎｔｅｒｐｒｉｓｅｓｔｏｉｍｐｒｏｖｅｔｈｅｑｕａｌｉｔｙｏｆｇｏｏｄｓａｎｄｓｅｒｖｉｃｅｓｉｓａｎｕｒｇｅｎｔｐｒｏｂｌｅｍｔｏｂｅｓｏｌｖｅｄ.Ｉｎｔｈｅｅｒａｏｆｂｉｇｄａｔａ ｔｈｅａｎａｌｙｓｉｓａｎｄｍｉｎｉｎｇｏｆｕｓｅｒｉｎｆｏｒｍａｔｉｏｎｄａｔａｈａｓｂｅｃｏｍｅａｎｉｍｐｏｒｔａｎｔｗａｙｔｏｏｂｔａｉｎｕｓｅｒｎｅｅｄｓａｎｄｔｒａｃｋｍａｒｋｅｔｃｏｎｄｉｔｉｏｎｓｉｎｖａｒｉｏｕｓｉｎｄｕｓｔｒｉｅｓ.Ａｍｏｎｇｔｈｅｍ ｏｎｌｉｎｅｒｅｖｉｅｗｓａｒｅｏｎｅｏｆｔｈｅｉｍｐｏｒｔａｎｔｃａｒｒｉｅｒｓｏｆｕｓｅｒｄｅｍａｎｄｉｎｆｏｒｍａｔｉｏｎ ａｎｄｔｈｒｏｕｇｈｅｆｆｅｃｔｉｖｅａｎａｌｙｓｉｓｏｆｏｎｌｉｎｅｒｅｖｉｅｗｄａｔａａｎｄｅｘｔｒａｃｔｉｏｎｏｆｃｏｒｅｃｏｍｍｅｎｔｗｏｒｄｓ ｗｅｃａｎｕｎｄｅｒｓｔａｎｄｔｈｅｐａｉｎｐｏｉｎｔｓｏｆｐｒｏｄｕｃｔｓｏｒｓｅｒｖｉｃｅｓａｎｄｈｅｌｐｅｎｔｅｒｐｒｉｓｅｓｅｖａｌｕａｔｅｔｈｅｄｉｆｆｅｒｅｎｃｅｓｏｆｐｒｏｄｕｃｔｓａｎｄｓｅｒｖｉｃｅｓａｎｄｇｕｉｄｅｔｈｅｉｍｐｒｏｖｅｍｅｎｔｏｆｐｒｏｄｕｃｔｄｅｓｉｇｎａｎｄｓｅｒｖｉｃｅｑｕａｌｉｔｙ.Ｔｏｄｅｅｐｌｙｅｘｐｌｏｒｅｔｈｅｕｓｅｒｄｅｍａｎｄｓｏｆｓｐｏｒｔｓｂｒａｓ ｔｈｉｓｐａｐｅｒｔｏｏｋｏｎｌｉｎｅｒｅｖｉｅｗｓｏｆｓｐｏｒｔｓｂｒａｐｒｏｄｕｃｔｓａｓｔｈｅｒｅｓｅａｒｃｈｏｂｊｅｃｔ ｐｒｏｐｏｓｅｄａｒｅｓｅａｒｃｈｆｒａｍｅｗｏｒｋｂａｓｅｄｏｎｔｈｅＢＴＭｍｏｄｅｌａｎｄＫａｎｏｍｏｄｅｌ ｅｆｆｅｃｔｉｖｅｌｙｃｏｍｂｉｎｅｄｔｗｏｍｅｔｈｏｄｓｏｆｄａｔａｍｉｎｉｎｇｔｅｃｈｎｏｌｏｇｙａｎｄｑｕｅｓｔｉｏｎｎａｉｒｅｓｕｒｖｅｙ ａｎｄｃａｒｒｉｅｄｏｕｔｒｅｓｅａｒｃｈｆｒｏｍｔｈｅｔｈｒｅｅｐａｒｔｓｏｆｕｓｅｒｄｅｍａｎｄｓｍｉｎｉｎｇｕｓｅｒｄｅｍａｎｄｓａｎａｌｙｓｉｓ ａｎｄｓｕｇｇｅｓｔｉｏｎｓａｎｄｃｏｕｎｔｅｒｍｅａｓｕｒｅｓ.ＴｈｉｓｓｔｕｄｙｔｏｏｋＴａｏｂａｏａｎｄＪＤａｓｔｈｅｃｏｌｌｅｃｔｉｏｎｐｌａｔｆｏｒｍｓｓｅｌｅｃｔｅｄ１０ｒｅｐｒｅｓｅｎｔａｔｉｖｅｓｐｏｒｔｓｂｒａｂｒａｎｄｓ ａｎｄｃｒａｗｌｅｄ１６２４８ｏｎｌｉｎｅｒｅｖｉｅｗｓｕｓｉｎｇＰｙｔｈｏｎｌａｎｇｕａｇｅ.ＴｈｅＢＴＭｍｏｄｅｌｗａｓｕｓｅｄｔｏｉｄｅｎｔｉｆｙｔｈｅｔｏｐｉｃ ａｎｄｔｈｅｎｕｍｂｅｒｏｆｔｏｐｉｃｓａｎｄｒｅｌａｔｅｄｔｏｐｉｃｆｅａｔｕｒｅｗｏｒｄｓｏｂｔａｉｎｅｄｗｅｒｅｕｓｅｄｔｏｆｏｒｍｔｈｅｕｓｅｒｄｅｍａｎｄｅｌｅｍｅｎｔｓｏｆｓｐｏｒｔｓｂｒａｗｈｉｃｈｃｏｎｔａｉｎｅｄ６ｆｉｒｓｔ￣ｌｅｖｅｌｉｎｄｉｃａｔｏｒｓａｎｄ２３ｓｅｃｏｎｄ￣ｌｅｖｅｌｉｎｄｉｃａｔｏｒｓ.Ｔｈｅｎ ｔｈｒｏｕｇｈＫａｎｏｑｕｅｓｔｉｏｎｎａｉｒｅｓｕｒｖｅｙａｎｄｍｏｄｅｌａｎａｌｙｓｉｓ ｔｈｅｓａｔｉｓｆａｃｔｉｏｎｉｎｄｅｘＳＳＩａｎｄｄｉｓｓａｔｉｓｆａｃｔｉｏｎｉｎｄｅｘＤＤＳＩｗｅｒｅｅｓｔａｂｌｉｓｈｅｄ ａｎｄｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｄｅｍａｎｄｓａｔｉｓｆａｃｔｉｏｎａｎｄｕｓｅｒｓａｔｉｓｆａｃｔｉｏｎｗａｓａｎａｌｙｚｅｄｔｏｄｅｔｅｒｍｉｎｅｔｈｅａｔｔｒｉｂｕｔｅｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｕｓｅｒｄｅｍａｎｄｓ.Ｆｕｒｔｈｅｒｍｏｒｅ ｔｈｅｒｅｑｕｉｒｅｍｅｎｔｄｅｇｒｅｅωｗａｓｉｎｔｒｏｄｕｃｅｄｔｏｆｕｒｔｈｅｒｓｕｂｄｉｖｉｄｅｔｈｅｉｍｐｏｒｔａｎｃｅｄｅｇｒｅｅｏｆｅａｃｈｒｅｑｕｉｒｅｍｅｎｔｅｌｅｍｅｎｔｉｎｔｈｅｓａｍｅｃｌａｓｓａｔｔｒｉｂｕｔｅ ａｎｄｔｈｅｐｒｉｏｒｉｔｙｏｒｄｅｒｏｆｕｓｅｒｒｅｑｕｉｒｅｍｅｎｔｓｗａｓｏｂｔａｉｎｅｄ.Ｔｈｅｒｅｓｅａｒｃｈｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｕｓｅｒｄｅｍａｎｄｄｉｍｅｎｓｉｏｎｏｆｓｐｏｒｔｓｂｒａｓｉｎｃｌｕｄｅｓｓｉｘａｓｐｅｃｔｓ ｆｕｎｃｔｉｏｎａｌｑｕａｌｉｔｙ ｓｔｙｌｅｄｅｓｉｇｎ ｆａｂｒｉｃｍａｔｅｒｉａｌ ｃｏｌｏｒａｐｐｅａｒａｎｃｅ ｓｅｒｖｉｃｅｑｕａｌｉｔｙ ａｎｄｂｒａｎｄｍａｒｋｅｔｉｎｇ ａｍｏｎｇｔｈｅ２３ｅｌｅｍｅｎｔｓｏｆｕｓｅｒｄｅｍａｎｄ ｔｈｅｒｅａｒｅ４ｍｕｓｔ￣ｂｅｑｕａｌｉｔｉｅｓＭ １０ｏｎｅ￣ｄｉｍｅｎｓｉｏｎａｌｑｕａｌｉｔｉｅｓＯ ３ａｔｔｒａｃｔｉｖｅｑｕａｌｉｔｉｅｓＡ ａｎｄ６ｉｎｄｉｆｆｅｒｅｎｔｑｕａｌｉｔｉｅｓＩａｃｃｏｒｄｉｎｇｔｏｔｈｅｐｒｉｏｒｉｔｙｏｒｄｅｒ ｃｏｍｆｏｒｔａｎｄｓｈｏｃｋ￣ｐｒｏｏｆｆｕｎｃｔｉｏｎａｒｅｔｈｅｐｒｉｍａｒｙｆａｃｔｏｒｓｔｏｅｓｔａｂｌｉｓｈｕｓｅｒｓａｔｉｓｆａｃｔｉｏｎｂｏｔｔｏｍｃｉｒｃｕｍｆｅｒｅｎｃｅ ｃｕｐｓｉｚｅ ｆａｂｒｉｃｆｅｅｌ ａｎｄｂｒｅａｓｔｃｕｓｈｉｏｎｍａｔｅｒｉａｌａｒｅｔｈｅｋｅｙｆａｃｔｏｒｓｔｏｉｍｐｒｏｖｅｕｓｅｒｓａｔｉｓｆａｃｔｉｏｎｉｎｐｒｏｄｕｃｔｏｐｔｉｍｉｚａｔｉｏｎ ｗｈｉｌｅｃｕｓｔｏｍｅｒｓｅｒｖｉｃｅａｔｔｉｔｕｄｅ ｒｅｔｕｒｎａｎｄｅｘｃｈａｎｇｅｓｅｒｖｉｃｅ ｒｅｐｕｔａｔｉｏｎａｎｄｗｏｒｄｏｆｍｏｕｔｈ ａｎｄｐｒｏｄｕｃｔｉｎｆｏｒｍａｔｉｏｎａｒｅｔｈｅｉｍｐｏｒｔａｎｔｆａｃｔｏｒｓａｆｆｅｃｔｉｎｇｕｓｅｒｓａｔｉｓｆａｃｔｉｏｎｉｎｓｅｒｖｉｃｅａｎｄｍａｒｋｅｔｉｎｇ.Ｔｈｉｓｐａｐｅｒｒｅａｌｉｚｅｓｔｈｅａｔｔｒｉｂｕｔｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｐｒｉｏｒｉｔｙｏｒｄｅｒｉｎｇｏｆｓｐｏｒｔｓｂｒａｕｓｅｒｓ ｎｅｅｄｓｂｙｅｆｆｅｃｔｉｖｅｌｙｕｓｉｎｇｏｎｌｉｎｅｒｅｖｉｅｗｉｎｆｏｒｍａｔｉｏｎａｎｄｃｏｍｂｉｎｉｎｇｗｉｔｈＢＴＭｔｅｘｔｍｉｎｉｎｇｔｅｃｈｎｏｌｏｇｙａｎｄｔｈｅＫａｎｏｍｏｄｅｌ ｐｒｏｖｉｄｉｎｇａｎｅｗｐｅｒｓｐｅｃｔｉｖｅａｎｄａｎｅｗｍｅｔｈｏｄｆｏｒｔｈｅｒｅｓｅａｒｃｈｏｆｓｐｏｒｔｓｂｒａｕｓｅｒｓ ｎｅｅｄｓ.Ａｔｔｈｅｓａｍｅｔｉｍｅ ｂａｓｅｄｏｎｔｈｅｒｅｓｅａｒｃｈｒｅｓｕｌｔｓ ｏｐｔｉｍｉｚａｔｉｏｎｓｕｇｇｅｓｔｉｏｎｓａｒｅｐｕｔｆｏｒｗａｒｄｆｒｏｍｔｈｅｔｈｒｅｅａｓｐｅｃｔｓｏｆｐｒｏｄｕｃｔｄｅｖｅｌｏｐｍｅｎｔ ｕｓｅｒｓｅｒｖｉｃｅａｎｄｂｒａｎｄｍａｒｋｅｔｉｎｇ ｗｈｉｃｈｐｒｏｖｉｄｅｓｔｈｅｏｒｅｔｉｃａｌｒｅｆｅｒｅｎｃｅｆｏｒｒｅｌａｔｅｄｅｎｔｅｒｐｒｉｓｅｓｔｏｉｍｐｒｏｖｅｐｒｏｄｕｃｔｖａｌｕｅａｎｄｍａｒｋｅｔｃｏｍｐｅｔｉｔｉｖｅｎｅｓｓ.Ｉｎｔｈｅｓｕｂｓｅｑｕｅｎｔｒｅｓｅａｒｃｈ ｔｈｅｅｍｏｔｉｏｎａｌｔｅｎｄｅｎｃｉｅｓｏｆｕｓｅｒｓｏｎｄｉｆｆｅｒｅｎｔｄｅｍａｎｄｓｗｉｌｌｂｅｓｔｕｄｉｅｄ ａｎｄｔｈｅｓｅｎｔｉｍｅｎｔａｎａｌｙｓｉｓｔｅｃｈｎｏｌｏｇｙｗｉｌｌｂｅｕｓｅｄｔｏｉｄｅｎｔｉｆｙｏｎｌｉｎｅｒｅｖｉｅｗｓ ｓｏａｓｔｏｌｏｃａｔｅｕｓｅｒｄｅｍａｎｄｍｏｒｅａｃｃｕｒａｔｅｌｙａｎｄｃｏｍｐｒｅｈｅｎｓｉｖｅｌｙ.Ｉｎａｄｄｉｔｉｏｎ ｕｓｅｒｄｅｍａｎｄｆｏｒｓｐｏｒｔｓｂｒａｓｗｉｌｌｂｅａｆｆｅｃｔｅｄｂｙｆａｃｔｏｒｓｓｕｃｈａｓａｇｅ ｅｘｅｒｃｉｓｅｆｒｅｑｕｅｎｃｙ ｅｘｅｒｃｉｓｅｄｕｒａｔｉｏｎａｎｄｅｘｅｒｃｉｓｅｉｎｔｅｎｓｉｔｙ.Ｉｎｔｈｅｆｕｔｕｒｅ ｔｈｅｄｉｆｆｅｒｅｎｃｅｓｉｎｕｓｅｒｄｅｍａｎｄｆｏｒｓｐｏｒｔｓｂｒａｓｕｎｄｅｒｖａｒｉｏｕｓｆａｃｔｏｒｓ ａｓｗｅｌｌａｓｔｈｅｃｏｒｒｅｌａｔｉｏｎｄｅｇｒｅｅｂｅｔｗｅｅｎｅａｃｈｆａｃｔｏｒａｎｄｕｓｅｒｄｅｍａｎｄｗｉｌｌｂｅｆｕｒｔｈｅｒａｎａｌｙｚｅｄ ｓｏａｓｔｏｐｒｏｖｉｄｅｔｈｅｏｒｅｔｉｃａｌｒｅｆｅｒｅｎｃｅａｎｄｂａｓｉｓｆｏｒｔｈｅｄｉｆｆｅｒｅｎｔｉａｌｄｅｓｉｇｎ ｐｒｅｃｉｓｉｏｎｍａｒｋｅｔｉｎｇａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｆｉｎｅｍｅｎｔｏｆｓｐｏｒｔｓｂｒａｓ.㊀㊀Ｋｅｙｗｏｒｄｓ ｓｐｏｒｔｓｂｒａ ｕｓｅｒｄｅｍａｎｄ ＢＴＭｍｏｄｅｌ ｔｏｐｉｃｍｉｎｉｎｇ Ｋａｎｏｍｏｄｅｌ ｏｎｌｉｎｅｒｅｖｉｅｗｓ ｕｓｅｒｓａｔｉｓｆａｃｔｉｏｎ４１１。
《基于大数据的评论文本情感分析方法研究》范文
《基于大数据的评论文本情感分析方法研究》篇一一、引言随着互联网技术的迅猛发展，海量的评论文本在社交媒体、电商平台、新闻资讯等网络平台上产生并传播。
对这些评论文本进行情感分析，可以了解公众对于各种话题、产品、服务等的态度和观点，从而为企业决策提供重要依据。
本文旨在研究基于大数据的评论文本情感分析方法，为相关领域的研究和应用提供参考。
二、评论文本情感分析的重要性评论文本情感分析是一种自然语言处理技术，通过对文本中的情感倾向进行识别和分类，来了解文本所表达的情感。
这种技术在市场营销、舆情监测、品牌管理等领域具有广泛应用。
通过对评论文本进行情感分析，企业可以了解消费者对产品的满意度、对服务的评价等，从而及时调整策略，提高产品和服务的质量。
三、基于大数据的评论文本情感分析方法1. 数据收集与预处理在大数据环境下，首先需要从各种网络平台上收集评论文本数据。
收集到的数据往往包含大量的噪声和无关信息，因此需要进行预处理，包括去除停用词、词干提取等步骤，以提高后续分析的准确性。
2. 文本表示文本表示是将文本数据转化为计算机可以处理的数值形式的过程。
常用的文本表示方法包括词袋模型、TF-IDF等。
这些方法可以将文本转化为向量形式，方便进行后续的机器学习和深度学习操作。
3. 特征提取与选择在文本表示的基础上，需要提取和选择有意义的特征，以供后续的情感分析使用。
常用的特征包括词频、词性、情感词等。
这些特征可以通过各种算法进行提取和选择，如TF-IDF算法、基于规则的方法等。
4. 情感分析模型构建根据提取的特征，可以构建情感分析模型。
常用的模型包括基于规则的方法、机器学习方法、深度学习方法等。
其中，机器学习和深度学习方法是近年来研究的热点。
这些方法可以通过训练大量数据来自动学习和提取文本中的情感特征，从而实现高精度的情感分析。
四、常见情感分析方法及优缺点1. 基于规则的方法：该方法通过制定一系列规则来识别文本中的情感词和短语，从而判断文本的情感倾向。
电子商务平台中的虚假评论检测技术研究
电子商务平台中的虚假评论检测技术研究引言：在电子商务的蓬勃发展中，用户越来越多地依赖于在线评论来做出购买决策。
然而，虚假评论的存在破坏了消费者对商品和服务的信任，给商家和消费者带来了许多负面影响。
因此，针对电子商务平台中的虚假评论问题进行有效检测，并保护消费者的利益和信誉，变得至关重要。
本文将探讨电子商务平台中的虚假评论检测技术研究的相关内容。
一、虚假评论的定义和分类虚假评论是指在电子商务平台上，由无实际消费经历或经济利益驱动的用户撰写的误导性评论。
虚假评论可以分为两大类：第一类是商家自身伪造的评论，旨在提高产品或服务的评价并吸引更多的买家；第二类是竞争对手或第三方机构故意发布的虚假评论，旨在贬低某家商家的产品或服务。
二、虚假评论的危害虚假评论对电子商务平台和用户产生了重大危害。
首先，虚假评论破坏了市场公平性，扰乱了商家之间的竞争秩序。
其次，它误导了消费者的购买决策，导致消费者购买到低质量的产品或服务。
最后，虚假评论还降低了用户对电子商务平台的信任，并可能导致平台的声誉受损。
三、虚假评论检测的现有方法目前，虚假评论检测主要采用的方法包括：1. 文本特征分析：利用自然语言处理和文本挖掘技术，通过分析评论文本中的语法、词汇、句法等特征来识别虚假评论。
例如，虚假评论通常使用夸大表述、重复关键词等模式，可以通过文本特征提取来检测。
2. 用户行为分析：通过分析用户在电子商务平台上的行为数据，如购买历史、浏览记录、评论频率等，来识别可能存在虚假评论的用户。
例如，多次发布类似内容的评论或者与商家有明显关联的用户，可能是虚假评论的发布者。
3. 机器学习和数据挖掘：利用机器学习和数据挖掘算法，构建虚假评论检测模型。
通过训练模型，将虚假评论和真实评论进行分类。
例如，可以使用支持向量机（SVM）、决策树（Decision Tree）和随机森林（Random Forest）等算法来训练虚假评论检测模型。
四、虚假评论检测技术的挑战和解决方案虚假评论检测技术仍然面临许多挑战：1. 数据稀缺性：真实虚假评论的比例通常极其不平衡，虚假评论的数量往往相对较少。
电子商务中的消费者在线评论分析研究
电子商务中的消费者在线评论分析研究1. 引言随着互联网的快速发展和普及，电子商务在全球范围内迅速崛起。
消费者通过在线购物平台的方式，不仅可以获取更丰富的商品信息，还可以享受到便捷的购物体验。
然而，随之而来的是大量消费者在线评论的产生。
这些评论通过电子商务平台被广泛建议，极大地影响着消费者的购买决策。
因此，研究消费者在线评论的分析成为了电子商务领域中备受关注的一个课题。
2. 消费者在线评论的重要性消费者在线评论是消费者对商品或服务的真实评价。
它们包含了丰富的信息，如产品的质量、性能、价格等方面的评价，以及服务的质量和效率等方面的评价。
这些信息能够帮助其他消费者做出更明智的购买决策，同时也对商家提供了宝贵的改进意见和市场反馈。
因此，消费者在线评论不仅能够增加消费者的购买信心，还能够促进电子商务市场的良性竞争。
3. 消费者在线评论的特点消费者在线评论的特点主要体现在以下几个方面：（1）大数据量：随着电子商务平台的普及和使用人数的增加，消费者在线评论的数量呈爆发式增长。
商家和研究人员需要处理大量的评论数据，从中提取有用的信息。
（2）情感分析：消费者在线评论不仅包含了对商品或服务的客观评价，还包含了消费者的主观情感体验。
研究人员可以通过情感分析技术，对评论中的情感进行判断和归类，进一步分析消费者对商品或服务的满意度。
（3）即时性：消费者在线评论几乎可以实时发布和获取。
商家和研究人员需要及时地对评论进行监测和分析，以便及时作出相应的反馈和改进。
4. 消费者在线评论的分析方法为了更好地利用消费者在线评论的信息，研究人员采用了多种方法进行评论的分析和挖掘。
其中，主要包括以下几种方法：（1）内容分析：通过对评论文本进行语义分析和词频统计，研究人员可以了解消费者对商品或服务的关注点和偏好，从而为商家提供有针对性的改进建议。
（2）情感分析：利用自然语言处理和机器学习等技术，可以对评论文本中的情感进行判断和分类。
通过分析评论的情感倾向，可以评估消费者的满意度，并为商家提供改进方向。
Web挖掘技术研究
数据 ， 值得 注意的是有 时信息 资源不仅 限于在 线 ｗｅ 文档 ， 包括 电子邮件、 ｂ 还 电子文档 、 新闻组 ， 或 者 网站 的 日志 数据 甚 至 是通 过 Ｗｅ 形 成 的交 易 数 ｂ 据库 中的数据。 （） ２信息选择和预处理 ： 任务是从取得 的 Ｗｅ ｂ 资源中剔除无用信息和将信息进行必要的整理 。例 如从 Ｗｅ 文档中自动去除广告连接、 ｂ 去除多余格式 标记、 自动识别段落或者字段并将数据组织成规整 的逻辑形 式甚 至是关 系表 。 （） ３模式发现 ： 自动进行模式发现。可以在 同一 个站点内部或在多个站点之间进行 。 （） ４模式分析 ： 验证、 解释上一步骤产生的模式。 可以是机器 自动完成 ， 也可以是与分析人员进行交 互来 完成 。 Ｗｅ 挖掘作为一个完整的技术体系， ｂ 在进行挖 掘之前 的信息获得 （ｎｏｍａ ｏ ｅｒ ｖ１和信息 Ｉｆ ｔ ｎＲ ｔｅａ） ｒ ｉ ｉ 抽取 （ ｆｒ ａｉ ｘｒｃ ｏ ） Ｉ ｏｍ ｔ ｎＥ ｔ ｔ ｎ相当重要。信息获得 ｎ ｏ ａｉ 的 目的在 于找到 相关 ｗｅ ｂ文档 ， 只是把 文 档 中的 它 数据看成未经排序的词组的集合 ， 而信息抽取 的目 的在于从文档中找到需要的数据项 目， 它对文档 的 结构合表达的含义感兴趣 ， 它得一个重要 任务就是 对数据进行组织整理并适当建立索引。 由于 Ｗ ｅ ｂ数据 量 非 常 大 ， 而且 可 能动 态 变 化 ， 用原来手工方式进行信息收集早已经力不 从心 ， 目 前 的研究方向是用 自动化、 自动化 的方法在 Ｗｅ 半 ｂ 上进行 １ Ｒ和 ． 。在 Ｗ ｅ 境 下 既 要 处 理 非 结 构 １ Ｅ ｂ环 化文档 ， 要处理 半结构 化 的数 据 ， 近几 年在这 两 又 最 方面都有相应的研究成果和具体应用 ， 特别是在大 型搜 索引擎 中得 到 了很 好 的应 用 。
社交平台中用户评论与情感分析技术研究
社交平台中用户评论与情感分析技术研究随着社交媒体的兴起，用户评论已经成为用户交流和互动的重要形式之一。
对于企业来说，通过用户评论可以了解用户对产品或服务的反馈，从而改进产品和提升服务质量。
而对于用户来说，可以通过评论表达自己的想法、分享自己的经验、参与话题讨论等。
然而，由于评论数量庞大、多样性和情感表达复杂性，往往难以处理和消化。
因此，情感分析技术应运而生，可以自动化地对这些评论进行分类和情感分析，为人类决策提供有力的支持。
一、社交平台中的用户评论社交平台中的用户评论可以分为两类。
一类是对于具体事件或话题的评论，比如公共事件和社会热点话题。
这些评论通常表达了用户对事件的看法、态度及情感，反映了人们的价值观和思考方式。
另一类是对于商品或服务的评论，用户会在购买后对其进行评价。
这些评论反映了用户对产品或服务的满意度、体验等信息，直接影响其他用户的购买决策。
社交平台中的用户评论数量非常庞大，有些热点事件的评论数量甚至达到了几百万条。
评论中包含了大量的信息，只有充分了解用户评论的内容和用户背后的需求才能显示其潜在的商业价值。
因此，如何应对如此庞大、多样性的评论内容文本，需要专门的自然语言处理技术和算法，以便挖掘出文章所要表达的内容，为后续的数据分析和建模提供数据基础。
二、情感分析技术的发展情感分析技术（Sentiment Analysis，简称SA）是一种自然语言处理技术，也称为意见挖掘、情感态度分析等，可以自动识别文本中所包含的情感，如积极、中性、消极等，是自然语言处理领域的一个重要分支。
情感分析技术的发展经历了以下几个阶段。
1.基于情感词典的情感分析方法最早的情感分析方法主要是基于情感词典的方法。
情感词典是指一系列情感词，包括积极情感词和消极情感词。
通过计算文本中积极情感词和消极情感词的出现频率，可以计算文本的情感极性。
虽然这种方法简单易懂、容易实现，但是由于存在情感词与否和数量的不确定性，以及文本中多种情感混杂的问题，其结果存在较大误差，无法较准确地识别出较复杂的情感。
基于本体的信息挖掘技术研究
基 于本 体 的信 息 挖 掘 技 术研 究 ①
喻成 成 马玉龙 （ 空军 第一航 空学 院计算机 教研 室 河分析 了目前搜 索 引擎研 究的现状 ， 利用语 义ｗｅ 和本体论 的相 关技 术 ， ｂ 实现 了一个基 于本体论 的智能搜 索引擎模 型。 主要研 究 了 本 体 论 的 建 立 ， 页 本体 标 注 ， 户 查 询 本 体 表 达 以及 本 体 匹 配 等 几 个 方 面 。 过 对 模 型 的 原 型 设 计运 行 和 分 析 ， 果 表 明 通 过 本体 论 技 网 用 通 结 术 的 支 持 该 模 型 可 以较 好 的理 解 采 集 到 网 页 信 息 以 及 用 户 查 询 请 求 ， 而提 高 了搜 索 引擎 的 自动 化 和 智 能化 程 度 。 从 关键 词 ： 本体 信息挖掘 Ｏ ＷＬ 中 图分 类号 ： １ Ｇ７ 文 献标 识 码 ： Ａ 文章 编号 ： ６ ２ ７ １ ２ ０ ） ８ ｃ－０ ２ －０ １ ７ －３ ９ （ ０ ９ ０ （） ０ ４ ｌ 随 着 Ｉ ｅ ｎｅ 技 术 的 发 展 ， 基 于 ｎｔ ｔ ｒ 对 Ｉ ｔｒ ｅ 和ＷＥＢ 息系 统的研 究 变得 日益重 ｎ ｅｎ ｔ 信 要 ，ｎ ｅ ｎ ｔ Ｉ Ｂ Ｉ ｔ ｒ ｅ； ＷＥ 上信 息资 源 的 复杂性 使 ￣ ｌ 得 信息 查询 和 利 用变 得越 来越 困难 一 面 １ 。 对这种现象 ， 搜索 引 擎 应运 而 生 。 目前 搜 索 引 擎 经 历 了 三 代 的 发 展 。 第 代 是 目录 索 引 ： 靠 用 户提 交 注 册 信 息 依 并 依 赖 搜 索 引 擎 的管 理 人 员来 增加 索 引 的 数 目。 第二 代 是 使 用 蜘蛛 （ ｐ ｄ ｒ Ｓ ｉ ｅ 或Ｒｏ ｏ ） ｂｔ 对 网站 进 行 索 引ｌ 。 第 三 代 搜 索 引 擎 的 ３ 而 ＿ 发 展 趋 势 是 智 能 化 搜 索 引 擎 。 照 是 否 基 按 于 本 体 论 又 分 为 以 下 两 类 ： １ 基于 普 通 知 （） 识 库 的 智 能 搜 索 引擎 ；２ 基 于 本 体 论 的 智 （） 能搜索 引擎。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ａｂ ｔａ ｔ ｓ ｒ ｃ
Ａｓ ｈ ｎ ｔ ｅ ｕｍ ｂ ｐｒ ｕｃｓ ｅ ｉｗｓ ｎ ｅａ ｅ ｔ ｆ ｔ ａ ｅｔ ｅ ｉｌ ｏｆ ｈ ｏｐｎｏ ｍ ｉｉｇ ｅｃ ｍ ｅ ｎ ｗ ｈ ｔ ｐｏ ． ｅｒｏｆ ｏｄ ｔ ｒ ｖｅ ｉｃｒ ｓ ａ ａ ａｓ ｒｔ ，ｈ ｆ ｄ ｔ ｅ ｅ ｉｉｎ ｎｎ ｂ ｏ ａ ｅ ｏ ｓ ｔＢｅ—
峥 在其 实 验 中 验 证 了 Ｓ Ｍ 分类 法 在 褒 贬 都 含 有 的 评 论 集 上 ， Ｖ 很 难 找 到 正 确 的 褒 贬 分类 评 价 标 准 ， 测试 数 据 集 中去 掉 了褒 、 在 贬
极 性 词 都 含 有 的 单 句 的 基 础 上 才 得 到较 为 理想 的结 果 ＿。 ４ ］ ２ 研 究 内 容 及 算 法 设 计 ２１研 究 内 容介 绍 ．
《 工业控制计算机》 ０ １年第 ２ ２１ ４卷第 ６期
一
种产品评论信息的意见挖掘技术研究
Ａ ｔ ｄ ｆＯｐｉｉｎ Ｓ ｕ ｙ ｏ ｎｏ Ｍｉｉｇ Ａｂ ｕ ｒ ｄ ｃ ｓ Ｒｅ ｉｗｓ ｎ ｎ ｏ ｔ Ｐ ｏ ｕ ｔ ｖｅ
黄 瑾娉 苏庭 波
（ 安徽工业大学计算机学院， 安徽 马鞍 山 ２ ３ ３ ） ４ ０ ２
法 ， 一 次 提 出 了将 主 观 性 意 见 语 句分 为 以下 三 类 ： 极 性 主 观 性 意 见 语 句 ， 赖 上 下 文 语 境 的 弱 极 性 主 观 性 意 见 语 句 ， 第 强 依 第
三 类 主观 性 意 见语 句 。 这种 方 法使 得 用 户每 条 发 表 的评 论 都 被 更 准确 的 划 分 为褒 义 、 义 两 类 。 贬
ｓ ａｒ ｅ ｉｌ ｔ ｒ ｓ ｒ ｈ．ｈｉ ｐ ｅｒ ｏｐ ｅ ａ ｅｗ ｒ ｅａｒｈ ｅｐ ａｔ ｆｅｄ ｏ ｅ ｅａ ｃ Ｔ ｓ ａｐ ｐｒ ｏｓ ｓ ｎ ｅｓ ｃ ｍｅｔｏｄ ｆ ｏｄｕ ｔ ｅ ｅ ｍｉｉｇ ｈ ｏ ｐｒ ｃ ｒｖｉｗｓ ｎｎ ａｎ ｍ ａ ｅ ａ ｕ ｅ ｄ ｋ ｅ ｃｈ ｓ ｒ
在 短 时 间 内对 产 品 的优 良性 能 的 了 解 ，或 者 商 家 对 产 品 的 调查 分 析 产 生 了 巨 大 的 困难 。如 何 自动 归 纳 人 们 对 产 品 的各 种 评 论 信息 ，这便 是 我 们 要 研 究 的 意 见 挖 掘 问 题 。
１ 意 见 挖 掘 技 术 介 绍
境下存 在不同的语 义 ； 灌水帖 的出现等等 。 这些仅仅利用现有的
摘 要
存 在 于 网 上 商城 的 大 量 的产 品评 论 数 量在 以 惊人 的速 度 增 长 ， 成 为 文 本 挖 掘 研 究 的 一 个 新 兴 热 点 。由 于 中 英 文语 言 并
本 身 的 不 同 ， 们 需要 将 汉 语 评 论 意 见 挖 掘 作 为 一 个 单 独 的 领 域 来 研 究 。在 前 人研 究 的 基础 上介 绍 了一种 新 的 情 感 分 类 方 我
ｍｅ ｔ ｎ．
Ｋｅｙ ｗｏｒ ｓｐｒ ｄｕ ｒ ｖｅ ， ｎｉ ｍ ｉ ｎｇ．ｍ ｏ ｉ ａ ｃｌｓｓｆ ａｔ ｎ ｄ ： ｏ ｃｔ ｅ ｉｗｓｏｐｉ ｏｎ ｎｉ ｅ ｔ ｏｎ ｌ ａ ｉｃ ｉ ｉ ｏ
在 电子 商 务 的发 展 应 用 中 ，这 些 对 产 品 的 各 种 评 论 信 息 内 容 也 在 以惊 人 的速 度 增 长 。 此 复 杂 庞 大 的评 论 信 息 ， 得 用 户 如 使
ｃ ｍｍ ｎ ａ ｅ ｂ ｅ ｌ ｓ ｉ ｎｏ ｐ ｓ ｉ ｒｎ ｇ ｔ ｅ ｃ ｔｇ ｒ ｓ ｍｏｅ ａ ｃ ｒ ｅ ． ｉ ｐ ｐ ｒｆｓｙ ｄｖ ｅ ｈ ｕ ｊ ｔ ｅ ｏ ｅ ｔ ｈ ｖ ｅ ｎ ｃ ｓ ｉ ｄ ｉ ｏ ｉ ｅ ｏ ｅ ａｉ ａｅ ｏｉ ｒ ｃ ｕａ ｌ Ｔ ｓ ａ ｅ ｉ ｔ ｉ ｄ ｓ ｔｅ ｓ ｂｅ ｉ ｓ ａ ｆ ｅ ｔ ｔ ｖ ｖ ｅ ｔｙ ｈ ｒｌ ｉ ｃｖ ｓ ｔｍｅ ｔ ｉ ｏ ｔｅ ｆｌｗ ｎ ｈｅ ａｅ ０ｉ ： ｒｎ ｏａ ｃ ｎ ｘ ｗ ａ ｏ ｒ ｏ ｔｘ ａ ｄ ｔｅ ｔ ｉ ｕ ｊ ｔ ｅ ｏ ｉｏ ｔｔ ｔ ｅ ｎ ｔ ｈ ｏｌ ｉ ｔｒｅ ｃ ｔｇ ｒ ｓｓ ｏ ｇ ｐ ｌ ｏ ｔ ｔ ｅ ｋ ｐ ｌ ｎｅ ｔ ｎ ｈ ｈ ｄ ｓ ｂｅ ｉ ｐ ｉ ｓａ — ａ ｓｎ ｏ ｇ ｅ ｌ ｒ ｅ ， ａ ｃ ｒ ｃｖ ｎ ｎ ｅ
根 据 Ｋｍ 和 Ｈ ｖ ｔ意 见 挖 掘 中 的 “ 见 ” ｉ ｏ ｙ” 意 的定 义 ， 见 是 由 意
４个 基 本 元 素 组 成 的 四元 组 ： ＜主题 ， 见 持 有 者 ， 述 ， 感 倾 意 陈 情
向＞。根 据 这 个 定 义 ， 见 挖 掘 可 以 分 成 ４个 子 任 务 ： 主 题 特 意 ①
目前 的研 究 虽 然 取 得 了 十分 积 极 的 实 验 结 果 。但 是 网络 产 品评 论 有 其 自身 的 特 点 ： 论 内容 语 句 简 短 ； 的 网 络 流 行语 的 评 新
出 现 ； 客 书 写 评 论 的随 意 性 ； 达 观 点 的 主观 性 词 语 在 不 同 语 顾 表
ｃ ｕ ｅ ｔｅ Ｃｈｎ ｓ ａ ｇ ａ ｅ ｉ ｅ ｓ ｄｆ ｒ ｎ ｒ ｍ Ｅ ｇｉｈ ｎ ｅ ｏ ｍａ ｅ ｔ ｅ Ｃ ｉｅ ｅ Ｐ ｏ ｕ ｔ Ｒ ｖｅ ｉ ｉｎ ｍｉｉｇ ａ ａ ｓ ｈ ｉｅ ｅ ｌｎ ｕ ｇ ｔ ｌ ｉ ｉｅ ｅ ｔ ｆ ｎ ｌ ，ｅ ｄ ｔ ｋ ｈ ｈ ｎ ｓ ｒ ｄ ｃ ｅ ｉｗｓ Ｏｐｎｏ ｎｎ ｓ ａ ｓｆ ｏ ｓ