面向电商平台的顾客满意度分析系统设计
摘要
网购评论数据是消费者在购物之后对商品满意度的直接体现，既影响其他消费者的购物决策，也对企业具有重要指导意义。通过对网购评论数据进行网络爬虫与文本挖掘，得出消费者对商品满意度的影响因素，对企业理解消费者需求，提升服务质量从而实现销售额增长具有现实意义。
本文以京东商城AppleiPhoneXR(A2108)128GB的评论为研究对象，设计python爬虫程序爬取京东商城AppleiPhoneXR(A2108)128GB的9865条在线评价，通过关键词提取算法对关键词进行概提炼与概括，获得基础语料。以机器学习算法为基础，用朴素贝叶斯情感分类器对基础预料进行训练，将评价好的分类器将评论数据分为积极情感集和消极情感集。通过LDA主题模型结合情感分类器构建满意度模型，再分析消费者网购苹果手机的积极因子与消极因子。
根据分析结果，为京东商城苹果自营店提高消费者满意度提供可靠建议；同时分析结果对买家提升用户体验也有一定的意义。此外，分析结果的拟合性和准确性也能证明满意度模型具有一定的可靠性。
关键词：评论数据情感分类器满意度模型LDA主题模型
目录
TOC\o1-3\h\z\u第一章绪论 1
1.1研究背景与意义 1
1.1.1研究背景 1
1.1.2研究意义 1
1.2研究现状 3
1.2.1文本情感分析研究综述 3
1.3论文内容和框架 4
第二章理论基础及文献综述 5
2.1满意度模型概念 5
2.1.1网络购物满意度影响因素 5
2.2python语言与网络爬虫 5
2.3可视化分析 6
2.3.1pyecharts库 6
2.4中文分词 7
2.4.1jieba自然语言处理 8
2.5情感分析 9
2.5.1贝叶斯情感分类器 9
2.5.2分类器性能评价指标 10
2.5.3LDA主题模型 10
2.6本章小结 10
第三章数据采集和可视化分析 12
3.1评论数据采集 12
3.2文本预处理 13
3.2.1停用词处理 13
3.2.2无效文本与特殊内容清洗 14
3.3评论数据提取 15
3.4评论数据可视化分析 16
3.5本章小结 18
第四章满意度模型分析 19
4.1朴素贝叶斯分类器 19
4.2LDA主题挖掘 19
4.2.1LDA模型结构 20
4.2.2积极情感集的LDA主题模型结果与分析 20
4.2.3消极情感集的LDA主题模型结果与分析 21
4.3.3综合积极情感集与消极情感集的LDA主题模型结果与分析 21
4.4本章小结 22
第五章结论与展望 23
5.1结论 23
5.2本文研究的不足与展望 23
参考文献 25
PAGE2
第一章绪论
1.1研究背景与意义
1.1.1研究背景
随着中华民族的伟大复兴，中国居民的购物体验也随着中国发展腾飞。当前的中国，互联网行业逐渐崛起，其主要行业之一——电商行业已成为国内互联网行业大头。随之崛起的物流行业的蓬勃发展更是为网络购物奠定了不可或缺的物质基础。
目前国内主要的网络购物平台有淘宝、京东、苏宁易购、拼多多等。据国家统计局数据显示，2020年，全国网上零售额117601亿元，比上年增长10.9%。其中，实物商品网上零售额97590亿元，增长14.8%，占社会消费品零售总额的比重为24.9%，比上年提高4.2个百分点。
以上数据表明，网购市场早已消费市场重要的组成部分，发展潜力巨大，规模也在不断扩大，是各家企业极力开拓的市场。而消费者网购后的评论数据是消费者在购物之后对商品满意度的直接体现，既影响其他消费者的购物决策，更对企业之后的发展具有重要的指导意义。
本文通过对京东商城的评论数据进行网络爬虫与文本挖掘，构建满意度模型，得出消费者对商品满意度的影响因素。这对企业理解消费者需求，提升服务质量从而实现销售额增长具有现实意义。同时随着评论数据数量的不断增长，人工提取评论数据中的关键信息的效率较低，有效信息很难从中发掘。与此同时，文本挖掘技术日益成熟。这项技术能针对性地有效提取文本中的信息，如情感信息，这对商家了解影响消费者满意度的相关因素大有裨益。
1.1.2研究意义
人工智能的发展根据其接近于人类的水平,大致可以划分为:计算智能、感知智能、认知智能三个时代。人工智能对于认知和情绪的功能,是从人工智能进步到现代认知和智能化的重要标志。仿真了