基于文本挖掘的电商产品用户评论分析——以小米14为例
Analysis of User Comments on E-Commerce Products Based on Text Mining—Taking Xiaomi 14 as an Example
DOI: 10.12677/ecl.2024.1341807, PDF,   
作者: 尚煜力：贵州大学管理学院，贵州 贵阳
关键词: 用户评论；情感分析；LDA模型；Online Comments； Emotional Analysis； LDA Model
摘要: 用户发表的商品评论繁杂多样，蕴含着用户多方面的体验信息，具有宝贵的价值。本文基于百度AI大模型的情感分析接口和LDA主题模型，对京东平台小米14型号手机的商品评论进行了分析，探讨了手机评论中消费者的满意度及情感分布，了解消费者对手机产品的核心需求，为小米手机的产品优化、市场定位及营销策略提供了有力的数据支持。
Abstract: The product reviews published by users are complicated and diverse, which contain various experience information of users and have valuable value. Based on the emotional analysis interface of Baidu AI big model and LDA theme model, this paper analyzes the product reviews of Xiaomi 14 mobile phone on JD.COM platform, discusses the satisfaction and emotional distribution of consumers in mobile phone reviews, and understands the core demand of consumers for mobile phone products, which provides strong data support for product optimization, market positioning and marketing strategy of Xiaomi mobile phone.
文章引用：尚煜力. 基于文本挖掘的电商产品用户评论分析——以小米14为例[J]. 电子商务评论, 2024, 13(4): 5698-5707. https://doi.org/10.12677/ecl.2024.1341807

参考文献

[1] 中国互联网络信息中心. 第53次中国中国互联网络发展状况统计报告[R]. 北京: 中国互联网络信息中心, 2023.
[2] 朱丽叶, 袁登华, 张静宜. 在线用户评论质量与评论者等级对消费者购买意愿的影响——产品卷入度的调节作用[J]. 管理评论, 2017, 29(2): 87-96.
[3] Hong, D., Chiu, D.K.W., Shen, V.Y., Cheung, S.C. and Kafeza, E. (2007) Ubiquitous Enterprise Service Adaptations Based on Contextual User Behavior. Information Systems Frontiers, 9, 343-358. [Google Scholar] [CrossRef] 
[4] 周欢, 秦天琦. 基于在线评论情感分析与LDA的物流服务质量影响因素研究[J]. 重庆工商大学学报(社会科学版), 2021, 38(6): 27-38.
[5] 张东鑫, 张敏. 图情领域LDA主题模型应用研究进展述评[J]. 图书情报知识, 2022, 39(6): 143-157.
[6] 郭晓姝, 吴孟珊. 基于文本分析的在线评论对产品性能提升作用探析[J]. 中国管理信息化, 2021, 24(7): 193-196.
[7] Blei, D.M., Ng, A.Y. and Jordan, M.I. (2003) Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993-1022.
[8] 杜利. 基于LDA模型的电商用户评价分析[J]. 科技创业月刊, 2023, 36(2): 176-179.
[9] 王克勤, 高智姣, 乔亚楠, 李靖, 同淑荣. 在线评论中的用户需求识别及其演化趋势挖掘[J]. 机械科学与技术, 2023, 42(7): 1070-1080.
[10] 李贺, 谷莹, 刘嘉宇. 数据驱动下基于语义相似性的产品需求识别研究[J]. 情报理论与实践, 2022, 45(5): 99-106.
[11] Han, Y. and Moghaddam, M. (2020) Eliciting Attribute-Level User Needs from Online Reviews with Deep Language Models and Information Extraction. Journal of Mechanical Design, 143, Article ID: 061403. [Google Scholar] [CrossRef] 

为你推荐