基于文本挖掘解析手機商品評論：價格維度下的特征洞察與應用一、引言1.1研究背景與意義在數(shù)字化時代，電子商務的迅猛發(fā)展深刻改變了人們的購物方式。據(jù)中國互聯(lián)網(wǎng)絡信息中心（CNNIC）發(fā)布的第51次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》顯示，截至2022年12月，我國網(wǎng)絡購物用戶規(guī)模達8.45億，占網(wǎng)民比例80.0%。手機作為一種高度普及且更新?lián)Q代迅速的電子產(chǎn)品，在電商平臺上的銷售數(shù)據(jù)和用戶評論數(shù)量呈現(xiàn)出爆發(fā)式增長。例如，在某大型電商平臺上，熱門手機型號的評論量可達數(shù)十萬條甚至更多。消費者在購買手機時，往往希望通過查看其他用戶的評論來了解產(chǎn)品的真實性能、質量、使用體驗等信息，從而做出更明智的購買決策。然而，海量的手機商品評論信息帶來了信息過載的問題。消費者在瀏覽評論時，需要花費大量時間和精力去篩選、分析和理解這些信息，且不同價位的手機產(chǎn)品評論相互交織，使得消費者難以快速準確地判斷出不同價格區(qū)間手機的差異性和特點。商家也面臨著從海量評論中提取有價值信息的挑戰(zhàn)。他們需要了解消費者對不同價格段手機的需求、關注點、滿意度以及不滿之處，以便優(yōu)化產(chǎn)品設計、改進營銷策略、提升產(chǎn)品質量和服務水平，從而在激烈的市場競爭中占據(jù)優(yōu)勢。通過文本挖掘技術對手機商品評論進行基于價格分類的分析，能夠將海量的評論數(shù)據(jù)轉化為有價值的信息。對于消費者而言，可以幫助他們更高效地獲取不同價格手機的關鍵信息，了解各價位手機的優(yōu)缺點，從而更精準地選擇符合自己需求和預算的產(chǎn)品，提高購買決策的準確性和滿意度。對于商家來說，能夠深入了解消費者對不同價格段手機的需求偏好和反饋意見，為產(chǎn)品研發(fā)、定價策略、市場推廣等提供有力的數(shù)據(jù)支持，進而提升企業(yè)的市場競爭力和經(jīng)濟效益。此外，這種研究對于電商平臺優(yōu)化產(chǎn)品推薦系統(tǒng)、提升用戶體驗也具有重要意義，同時還能為手機行業(yè)的市場研究和發(fā)展趨勢分析提供新的視角和方法。1.2研究目標與內容本研究旨在通過文本挖掘技術，對手機商品評論進行基于價格分類的深入分析，以揭示不同價格區(qū)間手機商品評論的特點和規(guī)律，為消費者購買決策和商家營銷策略制定提供有價值的參考。具體目標如下：實現(xiàn)手機商品評論的準確價格分類：構建有效的文本分類模型，將手機商品評論按照價格區(qū)間準確分類，提高分類的準確率和穩(wěn)定性，為后續(xù)分析奠定基礎。分析不同價格區(qū)間手機評論的特點：深入挖掘不同價格區(qū)間手機評論的語言特征、情感傾向、關注焦點等，總結出各價格段手機評論的顯著特點和差異。挖掘手機評論中的關鍵信息：從評論中提取消費者對手機性能、質量、外觀、售后服務等方面的評價和意見，以及消費者的需求和期望，為商家改進產(chǎn)品和服務提供依據(jù)。為消費者和商家提供決策支持：基于分析結果，為消費者提供直觀、準確的手機產(chǎn)品信息，幫助其做出更明智的購買決策；同時，為商家提供市場洞察和營銷策略建議，助力其提升產(chǎn)品競爭力和市場份額。圍繞上述研究目標，本研究將主要開展以下內容的研究：數(shù)據(jù)獲取與預處理：從主流電商平臺（如京東、淘寶、蘇寧易購等）收集大量手機商品評論數(shù)據(jù)，包括不同品牌、型號、價格的手機評論。對收集到的數(shù)據(jù)進行清洗、去噪、分詞、詞性標注等預處理操作，去除無效信息和噪聲數(shù)據(jù)，將文本轉化為適合分析的格式?；趦r格的評論分類模型構建：探索和比較多種機器學習算法（如樸素貝葉斯、支持向量機、決策樹等）以及深度學習模型（如卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡等）在手機商品評論價格分類任務中的性能表現(xiàn)。選擇最優(yōu)的算法模型，并對其進行參數(shù)調優(yōu)和模型評估，以實現(xiàn)對手機評論的準確價格分類。不同價格區(qū)間評論的特征分析：運用文本分析技術，對不同價格區(qū)間的手機評論進行詞頻統(tǒng)計、關鍵詞提取、情感分析、主題建模等。分析不同價格段評論中高頻詞匯的分布差異，確定消費者在不同價格區(qū)間關注的重點內容；通過情感分析，了解消費者對不同價格手機的滿意度和情感傾向；利用主題建模，挖掘評論中隱藏的主題和話題，揭示消費者的需求和關注點。關鍵信息挖掘與應用：從分類后的評論數(shù)據(jù)中，挖掘消費者對手機各方面屬性的評價信息，如拍照效果、電池續(xù)航、系統(tǒng)流暢度等。分析不同價格區(qū)間手機在這些屬性上的優(yōu)勢和不足，以及消費者提出的改進建議和期望。將挖掘到的信息以可視化的方式呈現(xiàn)，為消費者和商家提供直觀、易懂的參考。同時，根據(jù)分析結果，為消費者提供個性化的手機推薦策略，為商家制定針對性的產(chǎn)品改進方案和營銷策略提供建議。1.3研究方法與創(chuàng)新點本研究綜合運用多種研究方法，確保研究的科學性和有效性。具體如下：數(shù)據(jù)收集方法：采用網(wǎng)絡爬蟲技術，從主流電商平臺（如京東、淘寶、蘇寧易購等）收集手機商品評論數(shù)據(jù)。通過編寫Python程序，利用相關爬蟲框架（如Scrapy），按照設定的規(guī)則和條件，自動抓取不同品牌、型號、價格的手機商品評論信息，包括評論內容、發(fā)布時間、用戶評分等，構建起豐富的原始數(shù)據(jù)集。數(shù)據(jù)預處理方法：運用自然語言處理（NLP）技術對收集到的原始評論數(shù)據(jù)進行預處理。使用結巴分詞工具對文本進行分詞處理，將連續(xù)的文本序列分割成單個的詞語；借助詞性標注工具，為每個詞語標注詞性，如名詞、動詞、形容詞等，以便更好地理解詞語在句子中的作用和語義；通過停用詞表去除常見的無實際意義的詞匯（如“的”“了”“是”等），減少數(shù)據(jù)噪聲，提高后續(xù)分析的準確性；同時，對數(shù)據(jù)進行去重、清洗等操作，確保數(shù)據(jù)的質量和可用性。文本分類方法：運用機器學習算法和深度學習模型進行手機商品評論的價格分類。對于機器學習算法，選用樸素貝葉斯、支持向量機、決策樹等經(jīng)典算法，通過對訓練數(shù)據(jù)的學習，構建分類模型，并利用交叉驗證等方法評估模型的性能，選擇最優(yōu)的模型參數(shù)。在深度學習模型方面，采用卷積神經(jīng)網(wǎng)絡（CNN）和循環(huán)神經(jīng)網(wǎng)絡（RNN）及其變體（如長短期記憶網(wǎng)絡LSTM、門控循環(huán)單元GRU等），這些模型能夠自動學習文本的特征表示，對序列數(shù)據(jù)具有較好的處理能力。通過在大規(guī)模數(shù)據(jù)集上的訓練，優(yōu)化模型的結構和參數(shù)，以實現(xiàn)對手機評論價格分類的高精度預測。文本分析方法：利用詞頻統(tǒng)計、關鍵詞提取、情感分析、主題建模等文本分析技術，對分類后的評論數(shù)據(jù)進行深入分析。通過詞頻統(tǒng)計，統(tǒng)計不同價格區(qū)間評論中每個詞語的出現(xiàn)頻率，找出高頻詞匯，了解消費者在不同價格段討論的重點內容；采用TF-IDF（詞頻-逆文檔頻率）算法等進行關鍵詞提取，提取能夠代表評論主題和關鍵信息的詞語；運用情感分析算法（如基于情感詞典的方法、機器學習方法等），判斷評論的情感傾向（正面、負面或中性），分析消費者對不同價格手機的滿意度和情感態(tài)度；使用潛在狄利克雷分配（LDA）等主題模型，挖掘評論中隱藏的主題，揭示消費者的需求和關注點。本研究的創(chuàng)新點主要體現(xiàn)在以下幾個方面：多維度數(shù)據(jù)融合分析：不僅關注手機商品評論的文本內容，還結合評論的發(fā)布時間、用戶評分、購買價格等多維度數(shù)據(jù)進行綜合分析。通過時間維度的分析，可以了解消費者對手機評價的動態(tài)變化趨勢，以及不同時間段消費者需求和關注點的差異；將用戶評分與文本情感分析相結合，能夠更全面地評估消費者對手機的滿意度；結合購買價格信息，可以更準確地分析不同價格區(qū)間手機評論的特點和規(guī)律，為消費者和商家提供更豐富、更有價值的信息。多種算法融合優(yōu)化：在手機商品評論的價格分類和文本分析過程中，嘗試將多種機器學習算法和深度學習模型進行融合，充分發(fā)揮不同算法的優(yōu)勢。例如，在分類任務中，采用集成學習的方法，將多個不同的分類器進行組合，如將樸素貝葉斯、支持向量機和決策樹的分類結果進行融合，以提高分類的準確性和穩(wěn)定性；在文本特征提取和情感分析中，結合傳統(tǒng)的NLP方法和深度學習模型，如先使用詞向量模型（如Word2Vec、GloVe等）將文本轉換為向量表示，再輸入到深度學習模型中進行分析，從而更有效地挖掘文本中的潛在信息，提升分析的精度和深度。深度挖掘消費者需求和市場趨勢：通過對大量手機商品評論的深入分析，不僅能夠發(fā)現(xiàn)消費者對手機現(xiàn)有功能和性能的評價和需求，還能夠挖掘出潛在的市場趨勢和消費者的新需求。例如，通過對評論主題的動態(tài)變化分析，捕捉到手機行業(yè)未來可能的發(fā)展方向，如消費者對折疊屏手機、影像技術創(chuàng)新、電池續(xù)航提升等方面的關注度變化，為手機廠商的產(chǎn)品研發(fā)和市場策略制定提供前瞻性的建議，這在以往的研究中較少涉及。二、相關理論與技術基礎2.1文本挖掘概述文本挖掘，又稱文本數(shù)據(jù)挖掘，是指從大量非結構化文本數(shù)據(jù)中提取有價值信息和知識的過程。它將非結構化文本轉化為結構化格式，以發(fā)現(xiàn)其中隱藏的模式、趨勢、主題、情感以及實體之間的關系。作為數(shù)據(jù)挖掘的一個重要分支，文本挖掘融合了多個學科的技術，包括自然語言處理（NLP）、機器學習、信息檢索、統(tǒng)計學、語言學等，旨在幫助人們從海量的文本信息中獲取有意義的洞察，從而支持決策制定、知識發(fā)現(xiàn)和問題解決。在電商評論分析中，文本挖掘發(fā)揮著舉足輕重的作用。隨著電子商務的蓬勃發(fā)展，電商平臺上積累了海量的用戶評論數(shù)據(jù)。這些評論以非結構化文本的形式存在，蘊含著消費者對商品的豐富評價信息，如產(chǎn)品性能、質量、外觀、使用體驗、售后服務等，同時也反映了消費者的需求、偏好和情感傾向。然而，這些信息如果不經(jīng)過有效的處理和分析，就如同隱藏在數(shù)據(jù)海洋中的寶藏，難以被充分利用。文本挖掘技術能夠對這些非結構化的電商評論進行自動處理和分析，將無序的文本轉化為結構化的數(shù)據(jù)，提取出關鍵信息和知識，為商家、消費者和電商平臺提供有價值的參考。以手機商品評論為例，在電商平臺上，各種品牌、型號、價格的手機評論數(shù)量眾多。通過文本挖掘技術，可以從這些海量的評論中提取出消費者對不同價格區(qū)間手機的關注點和評價。例如，對于高價位手機，消費者可能更關注其拍照性能、處理器性能、屏幕顯示效果等高端配置和前沿技術；而對于中低價位手機，消費者可能更注重性價比、電池續(xù)航、基本功能的穩(wěn)定性等方面。通過對這些關鍵信息的挖掘和分析，商家可以深入了解不同價格段消費者的需求差異，從而優(yōu)化產(chǎn)品設計和營銷策略，滿足消費者的期望。同時，消費者在購買手機時，也可以借助文本挖掘的分析結果，快速了解不同價格區(qū)間手機的優(yōu)缺點，做出更符合自身需求和預算的購買決策。此外，電商平臺也可以利用這些信息，優(yōu)化產(chǎn)品推薦算法，為用戶提供更精準的推薦服務，提升用戶體驗和平臺的競爭力。2.2文本挖掘主要技術2.2.1文本分類文本分類是將文本按照預先定義的類別進行歸類的過程。在手機評論分類中，常用的方法包括樸素貝葉斯、決策樹、支持向量機等。樸素貝葉斯分類器基于貝葉斯定理和特征條件獨立假設，計算評論屬于各個價格類別的概率，從而將評論分配到概率最高的類別中。其優(yōu)點是算法簡單、計算效率高，對小規(guī)模數(shù)據(jù)表現(xiàn)良好。例如，在處理少量手機評論數(shù)據(jù)時，樸素貝葉斯分類器能夠快速完成分類任務，且在特征相對獨立的情況下，分類效果較為理想。決策樹則是通過構建樹形結構來進行分類決策。它根據(jù)評論中的特征屬性，如關鍵詞、情感傾向等，對數(shù)據(jù)進行逐步劃分，直到每個葉子節(jié)點都屬于同一類別。決策樹的優(yōu)點是易于理解和解釋，可直觀地展示分類決策過程。在手機評論分類中，決策樹可以清晰地展示出哪些特征對價格分類起到關鍵作用，例如，若評論中頻繁出現(xiàn)“旗艦”“高端配置”等詞匯，決策樹可能會將其歸類為高價格區(qū)間的手機評論。支持向量機（SVM）通過尋找一個最優(yōu)的超平面，將不同類別的數(shù)據(jù)點分隔開。在處理線性可分的數(shù)據(jù)時，SVM能夠找到一個完美的分類超平面；對于線性不可分的數(shù)據(jù)，SVM則通過核函數(shù)將數(shù)據(jù)映射到高維空間，使其變得線性可分。SVM在小樣本、非線性分類問題上表現(xiàn)出色，在手機評論分類中，能夠有效處理復雜的文本特征，提高分類的準確性。例如，面對包含多種復雜語義和情感表達的手機評論，SVM可以通過合適的核函數(shù)，準確地將評論分類到相應的價格區(qū)間。2.2.2文本聚類文本聚類是將文本集合按照相似性劃分為不同的簇，使得同一簇內的文本相似度較高，而不同簇之間的文本相似度較低。其原理是基于向量空間模型，將文本表示為向量形式，通過計算向量之間的相似度（如余弦相似度、歐幾里得距離等）來衡量文本的相似程度。在手機評論分析中，文本聚類可以用于發(fā)現(xiàn)不同價格區(qū)間手機評論的潛在主題和模式。例如，通過聚類分析，可以將高價格區(qū)間手機評論聚為一類，發(fā)現(xiàn)這類評論中消費者更關注手機的拍照性能、處理器性能、屏幕顯示效果等高端配置和前沿技術；而中低價格區(qū)間的手機評論可能聚為另一類，其中消費者更注重性價比、電池續(xù)航、基本功能的穩(wěn)定性等方面。通過這種方式，能夠深入了解不同價格段消費者的需求差異，為商家和消費者提供有價值的參考。2.2.3關鍵詞提取關鍵詞提取是從文本中提取能夠代表文本核心內容的詞匯或短語的過程。在手機評論分析中，常用的算法有TF-IDF（詞頻-逆文檔頻率）和TextRank等。TF-IDF算法通過計算詞頻（TF）和逆文檔頻率（IDF）來衡量一個詞在文檔中的重要程度。詞頻表示一個詞在文檔中出現(xiàn)的次數(shù)，逆文檔頻率則反映了一個詞在整個文檔集合中的稀有程度。TF-IDF值越高，說明該詞在當前文檔中越重要且在其他文檔中出現(xiàn)的頻率較低，更能代表該文檔的核心內容。例如，在高價格手機評論中，“驍龍8Gen2”“2億像素主攝”等詞匯的TF-IDF值可能較高，因為這些詞匯在高價格手機相關評論中頻繁出現(xiàn)，且在其他價格段手機評論中相對較少出現(xiàn)，能夠準確反映高價格手機的核心配置特點。TextRank算法則基于圖模型，將文本中的詞匯看作圖中的節(jié)點，詞匯之間的共現(xiàn)關系看作邊，通過迭代計算節(jié)點的重要性得分來提取關鍵詞。它不需要預先設定語料庫，能夠根據(jù)文本自身的結構信息提取關鍵詞，對于發(fā)現(xiàn)手機評論中一些新興的、尚未在大規(guī)模語料庫中體現(xiàn)的關鍵概念具有優(yōu)勢。例如，當出現(xiàn)新的手機技術或功能時，TextRank算法可能會率先將相關的詞匯提取為關鍵詞，如“衛(wèi)星通信”在部分新款高端手機發(fā)布后，可能會在相關評論中被TextRank算法準確提取為關鍵詞，即使在傳統(tǒng)語料庫中該詞匯的出現(xiàn)頻率不高。2.2.4情感分析情感分析，又稱意見挖掘，旨在判斷文本所表達的情感傾向，通常分為正面、負面和中性三類。在手機評論分析中，情感分析方法主要包括基于情感詞典和機器學習的方法?；谇楦性~典的方法通過構建情感詞典，將評論中的詞匯與詞典中的情感詞進行匹配，根據(jù)匹配結果和情感詞的極性（正面、負面或中性）來判斷評論的情感傾向。例如，若評論中出現(xiàn)“很棒”“滿意”等正面情感詞，則傾向于認為該評論為正面評價；若出現(xiàn)“糟糕”“失望”等負面情感詞，則判斷為負面評價。這種方法簡單直觀，但對于一些語義模糊、隱喻或新出現(xiàn)的詞匯，可能無法準確判斷其情感極性。機器學習方法則通過構建分類模型來進行情感分析。首先，需要準備大量已標注情感傾向的訓練數(shù)據(jù)，利用這些數(shù)據(jù)訓練分類器（如樸素貝葉斯、支持向量機等）。訓練完成后，將待分析的手機評論輸入到訓練好的模型中，模型根據(jù)學習到的特征和模式預測評論的情感傾向。機器學習方法能夠自動學習文本中的情感特征，對復雜的語義和語境有更好的適應性，但需要大量的訓練數(shù)據(jù)和較高的計算成本。通過情感分析，可以深入了解消費者對不同價格手機的態(tài)度，為商家改進產(chǎn)品和服務提供依據(jù)，也能幫助消費者更全面地了解產(chǎn)品的口碑。2.3機器學習算法基礎機器學習是一門多領域交叉學科，它致力于讓計算機通過數(shù)據(jù)學習模式和規(guī)律，從而實現(xiàn)對未知數(shù)據(jù)的預測和決策。在文本挖掘領域，機器學習算法發(fā)揮著關鍵作用，為手機評論分類和情感分析提供了強大的技術支持。支持向量機（SVM）作為一種經(jīng)典的機器學習算法，在手機評論分類中具有獨特的優(yōu)勢。其原理是通過尋找一個最優(yōu)的超平面，將不同類別的數(shù)據(jù)點分隔開。在處理線性可分的數(shù)據(jù)時，SVM能夠找到一個完美的分類超平面，使得不同類別的數(shù)據(jù)點位于超平面的兩側，且間隔最大化。對于線性不可分的數(shù)據(jù)，SVM則通過核函數(shù)將數(shù)據(jù)映射到高維空間，使其變得線性可分。在手機評論分類中，SVM可以將不同價格區(qū)間的手機評論看作不同的類別，通過對評論中的文本特征進行學習，找到一個能夠準確劃分不同價格區(qū)間評論的超平面。例如，將評論中的關鍵詞、詞匯組合、情感傾向等特征作為輸入，SVM可以學習到這些特征與價格區(qū)間之間的關系，從而實現(xiàn)對新評論的準確分類。SVM的優(yōu)勢在于它對小樣本數(shù)據(jù)具有較好的分類性能，能夠有效處理高維數(shù)據(jù)和非線性分類問題，在面對復雜的手機評論數(shù)據(jù)時，能夠準確地識別出不同價格區(qū)間評論的特征，提高分類的準確性。邏輯回歸是一種廣泛應用于分類問題的線性模型。它基于線性回歸模型，通過引入邏輯函數(shù)（sigmoid函數(shù)），將線性回歸的輸出值映射到(0,1)區(qū)間，從而實現(xiàn)對樣本的分類。在手機評論情感分析中，邏輯回歸可以將評論的情感傾向分為正面、負面和中性三類。其原理是通過對大量已標注情感傾向的手機評論進行學習，建立評論特征與情感類別之間的邏輯關系模型。例如，將評論中的詞匯、詞性、情感詞等特征作為輸入，邏輯回歸模型可以學習到這些特征與情感傾向之間的權重關系，通過計算邏輯函數(shù)的值，判斷新評論的情感傾向。邏輯回歸算法簡單、易于理解和實現(xiàn)，計算效率高，對數(shù)據(jù)的要求相對較低，在手機評論情感分析中能夠快速準確地判斷評論的情感傾向，為后續(xù)的分析和決策提供基礎。神經(jīng)網(wǎng)絡是一種模擬人類大腦神經(jīng)元結構和功能的計算模型，它由大量的神經(jīng)元節(jié)點和連接這些節(jié)點的邊組成。在文本挖掘中，神經(jīng)網(wǎng)絡可以自動學習文本的特征表示，對序列數(shù)據(jù)具有強大的處理能力。以循環(huán)神經(jīng)網(wǎng)絡（RNN）為例，它特別適合處理具有序列性質的文本數(shù)據(jù)，如手機評論。RNN通過引入隱藏層狀態(tài)，可以保存和傳遞之前時間步的信息，從而對文本中的上下文信息進行建模。在處理手機評論時，RNN可以依次讀取評論中的每個單詞，根據(jù)之前的單詞信息和當前單詞，更新隱藏層狀態(tài)，最終根據(jù)隱藏層狀態(tài)判斷評論的情感傾向或所屬的價格區(qū)間。長短期記憶網(wǎng)絡（LSTM）和門控循環(huán)單元（GRU）是RNN的變體，它們通過引入門控機制，有效地解決了RNN在處理長序列數(shù)據(jù)時的梯度消失和梯度爆炸問題，能夠更好地捕捉文本中的長期依賴關系。例如，在分析手機評論中關于電池續(xù)航的評價時，LSTM和GRU可以通過門控機制，記住之前提到的關于電池使用時間、充電速度等信息，從而更準確地判斷評論對電池續(xù)航的情感態(tài)度。神經(jīng)網(wǎng)絡在處理大規(guī)模、復雜的手機評論數(shù)據(jù)時，能夠自動學習到深層的語義特征，具有較高的準確率和泛化能力，但它也存在訓練時間長、計算資源需求大等缺點。三、基于價格分類的手機商品評論數(shù)據(jù)獲取與預處理3.1數(shù)據(jù)獲取為了深入研究基于價格分類的手機商品評論，本研究從多個主流電商平臺獲取數(shù)據(jù)，其中京東和淘寶作為國內電商行業(yè)的領軍平臺，擁有龐大的用戶群體和豐富的商品資源，其手機商品評論數(shù)據(jù)具有廣泛的代表性和較高的研究價值。在確定爬蟲目標時，綜合考慮了手機市場的多樣性和消費者的關注度。首先，全面梳理了京東和淘寶平臺上的手機品牌和型號，選取了涵蓋高、中、低不同價格區(qū)間的熱門手機產(chǎn)品。這些產(chǎn)品不僅包括蘋果、華為、三星等國際知名品牌的旗艦機型和中低端機型，還涵蓋了小米、OPPO、vivo等國內品牌的熱門產(chǎn)品，確保數(shù)據(jù)能夠反映不同品牌、不同價格段手機的市場表現(xiàn)和用戶反饋。例如，在高端市場，選取了蘋果iPhone系列的最新款以及華為Mate系列的高端機型；在中端市場，納入了小米數(shù)字系列、OPPOReno系列等備受消費者青睞的產(chǎn)品；在低端市場，選擇了紅米、榮耀暢玩系列等性價比突出的機型。通過這種方式，構建了一個全面且具有代表性的手機產(chǎn)品樣本集，為后續(xù)的數(shù)據(jù)分析提供了豐富的數(shù)據(jù)基礎。設計爬蟲策略時，主要使用Python語言編寫網(wǎng)絡爬蟲程序，并借助Scrapy框架來提高爬蟲的效率和穩(wěn)定性。Scrapy框架具有強大的功能，能夠方便地處理網(wǎng)頁請求、解析HTML/XML頁面以及管理爬取過程中的數(shù)據(jù)。在爬取過程中，首先模擬瀏覽器發(fā)送HTTP請求，獲取手機商品詳情頁面的HTML源代碼。通過分析網(wǎng)頁結構，利用XPath或CSS選擇器等工具定位到評論區(qū)域，提取出評論內容、用戶評分、評論時間、用戶昵稱等關鍵信息。例如，在京東平臺上，通過分析商品評論頁面的HTML結構，發(fā)現(xiàn)評論內容位于特定的<div>標簽內，使用XPath表達式//div[@class='comment-content']/text()即可準確提取評論內容；用戶評分則存儲在<span>標簽中，通過XPath表達式//span[@class='score']/text()能夠獲取相應的評分信息。為了確保獲取的數(shù)據(jù)全面且準確，還對爬取過程進行了優(yōu)化。設置了合理的爬取頻率，避免對電商平臺服務器造成過大壓力，防止因頻繁請求而被平臺封禁IP。同時，針對可能出現(xiàn)的網(wǎng)絡波動、頁面加載異常等情況，添加了異常處理機制。當請求失敗或解析過程出現(xiàn)錯誤時，程序會自動進行重試，并記錄相關錯誤信息，以便后續(xù)排查問題。此外，考慮到電商平臺的反爬蟲機制，采取了多種反反爬蟲措施，如隨機更換User-Agent（模擬不同瀏覽器的標識）、使用代理IP（通過代理服務器轉發(fā)請求，隱藏真實IP地址）等，以確保爬蟲能夠穩(wěn)定運行，順利獲取所需的評論數(shù)據(jù)。通過以上精心設計的爬蟲策略，成功從京東和淘寶平臺收集到了大量豐富且高質量的手機商品評論數(shù)據(jù)，為后續(xù)的研究工作奠定了堅實的數(shù)據(jù)基礎。3.2數(shù)據(jù)預處理在獲取到原始的手機商品評論數(shù)據(jù)后，由于這些數(shù)據(jù)可能存在重復、噪聲、格式不一致等問題，直接用于分析會影響結果的準確性和可靠性。因此，需要對數(shù)據(jù)進行預處理，以提高數(shù)據(jù)質量，為后續(xù)的文本挖掘和分析奠定良好的基礎。本研究主要從數(shù)據(jù)清洗、文本去噪和中文分詞三個方面進行數(shù)據(jù)預處理。3.2.1數(shù)據(jù)清洗數(shù)據(jù)清洗是數(shù)據(jù)預處理的關鍵步驟，旨在去除數(shù)據(jù)中的重復評論、處理缺失值和異常值，以提高數(shù)據(jù)的準確性和完整性。在本研究中，通過仔細檢查和分析收集到的手機商品評論數(shù)據(jù)，發(fā)現(xiàn)存在部分重復評論，這些重復數(shù)據(jù)可能是由于用戶誤操作、系統(tǒng)記錄錯誤或爬蟲過程中的某些問題導致的。為了去除這些重復評論，采用了基于哈希值的去重方法。具體而言，對于每一條評論，計算其哈希值，將哈希值相同的評論視為重復評論，只保留其中一條。這種方法能夠快速準確地識別和去除重復評論，有效減少數(shù)據(jù)量，提高后續(xù)處理的效率。例如，在某品牌手機的評論數(shù)據(jù)中，經(jīng)過去重處理后，重復評論的數(shù)量從幾百條減少到了幾十條，大大提高了數(shù)據(jù)的質量。在數(shù)據(jù)清洗過程中，還發(fā)現(xiàn)存在一定數(shù)量的缺失值和異常值。缺失值主要表現(xiàn)為評論內容為空、用戶評分缺失等情況。對于評論內容為空的記錄，由于其不包含任何有效信息，直接將其刪除；對于用戶評分缺失的情況，考慮到評分在后續(xù)的情感分析和評價指標計算中具有重要作用，采用了均值填充的方法。即計算該價格區(qū)間內所有有效評分的平均值，用該平均值填充缺失的評分。例如，在某價格區(qū)間的手機評論中，有部分評論的評分缺失，通過計算該價格區(qū)間內其他有效評論的平均評分，將缺失的評分填充為該平均值，從而保證了數(shù)據(jù)的完整性和可用性。異常值則主要表現(xiàn)為用戶評分過高或過低，與該價格區(qū)間內手機的整體評價水平不符。為了檢測和處理這些異常值，使用了箱線圖方法。通過繪制評分的箱線圖，確定了評分的四分位數(shù)范圍（IQR），將評分小于Q1-1.5*IQR或大于Q3+1.5*IQR的數(shù)據(jù)點視為異常值。對于這些異常值，采用了修剪法進行處理，即將異常值替換為Q1-1.5*IQR或Q3+1.5*IQR。例如，在某價格區(qū)間的手機評論評分中，發(fā)現(xiàn)有個別評分遠高于或低于其他評分，通過箱線圖檢測確定為異常值，經(jīng)過修剪處理后，使評分數(shù)據(jù)更加符合實際情況，提高了數(shù)據(jù)的可靠性。3.2.2文本去噪文本去噪是去除文本中的HTML標簽、特殊字符和停用詞等噪聲信息，以減少文本干擾，提高文本分析的準確性。在從電商平臺獲取的手機商品評論數(shù)據(jù)中，存在大量的HTML標簽，這些標簽是網(wǎng)頁結構的一部分，對于文本分析并無實際意義。為了移除這些HTML標簽，使用了Python的BeautifulSoup庫。BeautifulSoup庫提供了簡單的導航、搜索、修改分析樹等功能，能夠方便地解析和處理HTML文檔。通過使用該庫的相關函數(shù)，如BeautifulSoup(text,'html.parser').get_text()，可以快速有效地去除評論中的HTML標簽，將文本內容提取出來。例如，對于包含HTML標簽的評論“這款手機拍照效果很棒，值得購買！”，經(jīng)過處理后，得到干凈的文本“這款手機拍照效果很棒，值得購買！”，為后續(xù)的分析提供了純凈的文本數(shù)據(jù)。除了HTML標簽，評論中還存在一些特殊字符，如標點符號、表情符號等，這些特殊字符可能會對文本分析產(chǎn)生干擾。為了去除這些特殊字符，采用了正則表達式的方法。通過定義相應的正則表達式模式，匹配并刪除文本中的特殊字符。例如，使用正則表達式re.sub(r'[^\w\s]','',text)，可以去除文本中的標點符號和其他非字母數(shù)字字符。對于包含表情符號的評論“這款手機太好用啦??，推薦給大家！”，經(jīng)過處理后，得到“這款手機太好用啦推薦給大家”，使文本更加簡潔明了，便于后續(xù)的分析處理。停用詞是指在文本中頻繁出現(xiàn)但沒有實際意義的詞匯，如“的”“了”“是”“在”等。這些停用詞會增加文本的噪聲，降低文本分析的效率和準確性。為了去除停用詞，首先構建了一個停用詞表，該停用詞表包含了常見的中文停用詞。然后，在分詞后的文本中，檢查每個詞語是否在停用詞表中，如果是，則將其刪除。例如，對于評論“這款手機的性能很好，運行速度也很快，我非常滿意”，經(jīng)過停用詞處理后，得到“這款手機性能好運行速度快非常滿意”，去除了停用詞后，文本更加簡潔，突出了關鍵信息，有助于提高后續(xù)文本分析的效果。3.2.3中文分詞中文分詞是將連續(xù)的中文文本切分成一個個獨立的詞語，是中文文本處理的基礎步驟。在手機商品評論分析中，準確的中文分詞能夠為后續(xù)的詞頻統(tǒng)計、關鍵詞提取、情感分析等任務提供有力支持。本研究使用結巴分詞工具進行中文分詞。結巴分詞是一個廣泛使用的中文分詞庫，具有分詞速度快、精度高、支持多種分詞模式等優(yōu)點。它提供了精確模式、全模式和搜索引擎模式等多種分詞模式，能夠滿足不同場景下的分詞需求。在對手機商品評論進行分詞時，采用了精確模式。精確模式試圖將句子最精確地切開，適合文本分析。例如，對于評論“這款手機的拍照效果非常出色，夜景模式下也能拍出清晰的照片”，使用結巴分詞的精確模式進行分詞后，得到“這款，手機，的，拍照，效果，非常，出色，，,夜景，模式，下，也，能，拍出，清晰，的，照片”。通過這種方式，將連續(xù)的文本序列分割成了單個的詞語，為后續(xù)的分析提供了基礎。為了進一步提高分詞的準確性和適應性，還對結巴分詞進行了自定義詞典的擴展。根據(jù)手機領域的專業(yè)術語和常見詞匯，構建了一個自定義詞典。例如，將“驍龍8Gen2”“快充”“曲面屏”等手機相關的專業(yè)詞匯添加到自定義詞典中。在分詞過程中，結巴分詞會優(yōu)先識別自定義詞典中的詞匯，從而提高分詞的準確性。對于包含專業(yè)術語的評論“這款手機搭載了驍龍8Gen2處理器，性能強勁，支持快充功能”，如果不使用自定義詞典，可能會將“驍龍8Gen2”錯誤地分詞為“驍龍，8,Gen,2”，而使用自定義詞典后，能夠準確地將其分詞為“驍龍8Gen2”，更符合文本的語義和實際情況。3.3價格分類標準確定在手機市場中，不同價格區(qū)間的手機在配置、性能、功能以及目標用戶群體等方面存在顯著差異。為了準確地對手機商品評論進行基于價格分類的文本挖掘分析，需要確定合理的價格分類標準。綜合考慮市場常見價格區(qū)間以及手機在市場中的定位，本研究將手機商品價格劃分為以下四個主要類別：低端、中低端、中高端和高端。低端手機通常指價格在1000元以下的產(chǎn)品。這類手機的目標用戶主要是對手機性能要求不高，注重基本通訊功能和性價比的消費者，如學生群體中的部分人群以及對手機依賴程度較低的老年用戶。其配置特點表現(xiàn)為處理器性能相對較弱，多采用入門級的芯片，如紫光展銳的一些低端芯片系列；運行內存和存儲容量較小，常見的為2GB或3GB運行內存以及16GB或32GB的機身存儲；屏幕顯示效果一般，分辨率多為HD（1280×720）及以下；攝像頭像素較低，拍照功能主要滿足基本的記錄需求。在品牌方面，常見的有紅米的部分機型，如紅米9A，以其親民的價格和穩(wěn)定的基本功能，在低端市場占據(jù)一定份額；還有榮耀暢玩系列的部分產(chǎn)品，也憑借其性價比優(yōu)勢受到消費者關注。中低端手機的價格區(qū)間大致在1000-2000元。這一價格段的手機配置有所提升，能夠滿足大多數(shù)用戶的日常使用需求，如社交聊天、瀏覽網(wǎng)頁、觀看視頻等。其處理器性能較低端手機有明顯進步，可能會采用如高通驍龍6系列或聯(lián)發(fā)科天璣7系列等芯片；運行內存一般為4GB或6GB，機身存儲達到64GB或128GB；屏幕分辨率多為FullHD（1920×1080），顯示效果較好；攝像頭像素有所提高，拍照能力能夠滿足一般的生活場景拍攝。在市場上，realmeQ系列、vivoU系列等產(chǎn)品是中低端手機的典型代表，它們在保證一定性能的同時，價格相對親民，吸引了大量追求性價比的年輕消費者。中高端手機的價格范圍在2000-4000元。這類手機在性能、配置和功能上都有較高的水準，能夠滿足用戶對于游戲、高清視頻編輯、專業(yè)攝影等中高端需求。其處理器性能強勁，通常搭載高通驍龍8系列或聯(lián)發(fā)科天璣8系列以上的芯片；運行內存為8GB或12GB，機身存儲可達256GB甚至512GB；屏幕素質優(yōu)秀，可能具備高刷新率（如90Hz、120Hz）和高分辨率（2K及以上），顯示效果非常出色；攝像頭配置高端，擁有高像素主攝和多種輔助鏡頭，能夠實現(xiàn)出色的拍照和攝像功能，滿足專業(yè)攝影愛好者的部分需求。像小米數(shù)字系列、OPPOReno系列等產(chǎn)品，憑借其強大的性能和豐富的功能，在中高端市場備受青睞。高端手機的價格一般在4000元以上，這類手機通常是各大品牌的旗艦機型，代表了手機行業(yè)的頂尖技術和設計水平。它們不僅在性能上追求極致，還在工藝、材質、品牌形象等方面展現(xiàn)出高端品質。處理器采用最新的頂級芯片，如高通驍龍8Gen2等；運行內存和機身存儲達到行業(yè)頂級水平，12GB甚至16GB運行內存，512GB或1TB的機身存儲也較為常見；屏幕采用頂級的顯示技術，具備超高刷新率和分辨率，顯示效果極其細膩；攝像頭配置更是頂尖，擁有高像素、大光圈鏡頭，以及先進的光學防抖和夜景拍攝等技術，能夠實現(xiàn)專業(yè)級別的攝影效果；同時，還具備一些高端的功能，如5G網(wǎng)絡、無線快充、頂級的音頻技術等。蘋果iPhone系列、華為Mate系列、三星GalaxyS系列等產(chǎn)品是高端手機的典型代表，它們憑借卓越的性能、先進的技術和高端的品牌形象，吸引了追求極致體驗和品質的高端消費者。通過以上價格分類標準，能夠較為清晰地將不同價格區(qū)間的手機進行區(qū)分，為后續(xù)對手機商品評論的文本挖掘分析提供了明確的分類依據(jù)，有助于深入了解不同價格段手機用戶的需求、關注點和評價特點。四、基于文本挖掘的手機商品評論分析4.1不同價格區(qū)間手機評論的文本分類4.1.1特征選擇與提取在對不同價格區(qū)間手機評論進行文本分類時，特征選擇與提取是關鍵的前置步驟，直接影響到后續(xù)分類模型的性能和效果。本研究綜合運用多種方法，從手機評論數(shù)據(jù)中提取出具有代表性的特征，為分類模型提供高質量的數(shù)據(jù)支持。TF-IDF（詞頻-逆文檔頻率）算法是一種廣泛應用于文本特征提取的方法。在手機評論分析中，它通過計算每個詞語在評論中的詞頻（TF）以及該詞語在整個評論數(shù)據(jù)集中的逆文檔頻率（IDF），來衡量詞語對于評論的重要程度。詞頻表示一個詞語在某條評論中出現(xiàn)的次數(shù)，出現(xiàn)次數(shù)越多，說明該詞語在這條評論中越重要；逆文檔頻率則反映了一個詞語在整個數(shù)據(jù)集中的稀有程度，一個詞語在越少的評論中出現(xiàn)，其逆文檔頻率越高，表明該詞語具有更強的區(qū)分能力。例如，在高端手機評論中，“驍龍8Gen2”“潛望式長焦鏡頭”等詞匯可能具有較高的TF-IDF值，因為它們在高端手機評論中頻繁出現(xiàn)，且在其他價格區(qū)間手機評論中相對較少出現(xiàn)，能夠準確地反映高端手機的配置特點。通過TF-IDF算法，將每個評論轉化為一個特征向量，向量中的每個維度對應一個詞語的TF-IDF值，從而將文本數(shù)據(jù)轉化為適合機器學習模型處理的數(shù)值形式?？ǚ綑z驗也是一種常用的特征選擇方法，它主要用于評估某個特征（詞語）與類別（不同價格區(qū)間）之間的相關性。其原理是通過計算特征在不同類別中的實際出現(xiàn)頻率與理論期望頻率之間的差異，來判斷該特征對分類的貢獻程度。差異越大，說明該特征與類別之間的相關性越強，越適合作為分類特征。在手機評論分類中，使用卡方檢驗來篩選出與不同價格區(qū)間相關性較高的詞語。例如，“千元機”“性價比之王”等詞匯與低端和中低端手機價格區(qū)間的相關性可能較高，而“頂級旗艦”“折疊屏”等詞匯則更可能與高端手機價格區(qū)間相關。通過卡方檢驗，能夠從大量的詞語中篩選出對價格分類最有價值的特征，減少特征維度，提高模型的訓練效率和分類準確性。除了上述方法，還對手機評論中的關鍵詞和詞頻進行了深入分析。關鍵詞能夠直接反映評論的核心內容，通過關鍵詞提取算法（如TextRank算法），可以從評論中提取出最能代表評論主題的詞語。這些關鍵詞往往是消費者在評論中重點關注和提及的內容，對于區(qū)分不同價格區(qū)間的手機評論具有重要意義。例如，在中高端手機評論中，可能會提取出“高刷新率屏幕”“快充技術”等關鍵詞，這些關鍵詞體現(xiàn)了中高端手機在屏幕顯示和充電速度方面的優(yōu)勢，是與其他價格區(qū)間手機的重要區(qū)別點。同時，統(tǒng)計評論中每個詞語的出現(xiàn)頻率，高頻詞通常反映了消費者在該價格區(qū)間關注的重點問題。例如，在所有價格區(qū)間的手機評論中，“電池”“拍照”“性能”等詞匯可能都是高頻詞，但不同價格區(qū)間下這些高頻詞的具體含義和側重點可能有所不同。在低端手機評論中，“電池耐用”可能是消費者關注的重點，而在高端手機評論中，“拍照效果媲美專業(yè)相機”“極致性能釋放”等表述則更能體現(xiàn)消費者的關注點。通過對關鍵詞和詞頻的分析，進一步豐富了手機評論的特征表示，為分類模型提供了更全面、更有針對性的信息。4.1.2分類模型構建與訓練在完成手機評論特征選擇與提取后，構建有效的分類模型并進行訓練是實現(xiàn)準確價格分類的核心環(huán)節(jié)。本研究分別采用SVM（支持向量機）和樸素貝葉斯等經(jīng)典算法來構建分類模型，并使用標注好的手機評論數(shù)據(jù)進行模型訓練，使其能夠學習到不同價格區(qū)間評論的特征模式。SVM是一種強大的監(jiān)督學習算法，其基本思想是在特征空間中尋找一個最優(yōu)的超平面，將不同類別的數(shù)據(jù)點分隔開，并且使兩類數(shù)據(jù)點到超平面的距離最大化，這個距離被稱為間隔。在處理線性可分的數(shù)據(jù)時，SVM能夠找到一個完美的分類超平面；而對于線性不可分的數(shù)據(jù)，SVM通過核函數(shù)將數(shù)據(jù)映射到高維空間，使其變得線性可分。在手機評論分類任務中，將不同價格區(qū)間的手機評論看作不同的類別，利用之前提取的評論特征（如TF-IDF特征向量、卡方檢驗篩選后的特征等）作為輸入數(shù)據(jù)。例如，將一條手機評論的TF-IDF特征向量表示為一個多維空間中的點，通過SVM算法尋找一個超平面，將屬于不同價格區(qū)間的評論點分隔開。在訓練過程中，SVM會不斷調整超平面的位置和方向，以最大化間隔，從而提高分類的準確性和泛化能力。同時，選擇合適的核函數(shù)是SVM應用中的關鍵，常見的核函數(shù)有線性核、多項式核、徑向基函數(shù)（RBF）核等。在手機評論分類實驗中，通過比較不同核函數(shù)下SVM模型的性能，發(fā)現(xiàn)RBF核函數(shù)在處理復雜的手機評論數(shù)據(jù)時表現(xiàn)較為出色，能夠更好地捕捉評論特征與價格區(qū)間之間的非線性關系。樸素貝葉斯分類器是基于貝葉斯定理和特征條件獨立假設的分類方法。它假設每個特征之間相互獨立，即一個特征的出現(xiàn)與否不影響其他特征的出現(xiàn)概率。在手機評論分類中，樸素貝葉斯分類器根據(jù)評論中出現(xiàn)的特征（詞語）來計算評論屬于各個價格區(qū)間的概率。具體來說，首先根據(jù)訓練數(shù)據(jù)統(tǒng)計每個價格區(qū)間中每個特征出現(xiàn)的概率，以及每個價格區(qū)間本身出現(xiàn)的先驗概率。然后，對于一條新的手機評論，根據(jù)評論中出現(xiàn)的特征，利用貝葉斯定理計算該評論屬于各個價格區(qū)間的后驗概率，最后將評論分配到后驗概率最大的價格區(qū)間類別中。例如，對于一條包含“性價比高”“電池續(xù)航長”等特征的手機評論，樸素貝葉斯分類器會根據(jù)之前統(tǒng)計的不同價格區(qū)間中這些特征出現(xiàn)的概率，以及各個價格區(qū)間的先驗概率，計算出該評論屬于不同價格區(qū)間的概率，若計算結果顯示該評論屬于中低端價格區(qū)間的概率最大，則將其分類為中低端手機評論。樸素貝葉斯分類器的優(yōu)點是算法簡單、計算效率高，對小規(guī)模數(shù)據(jù)表現(xiàn)良好，且在特征相對獨立的情況下，能夠取得較好的分類效果。在手機評論數(shù)據(jù)中，雖然部分特征之間可能存在一定的相關性，但在整體上，樸素貝葉斯分類器仍然能夠利用其簡單高效的特點，快速準確地對評論進行價格分類。為了訓練這兩種分類模型，收集了大量標注好的手機評論數(shù)據(jù)，這些數(shù)據(jù)涵蓋了不同品牌、型號、價格區(qū)間的手機評論，并且已經(jīng)按照價格分類標準進行了人工標注。將這些標注數(shù)據(jù)劃分為訓練集和測試集，通常采用70%-30%或80%-20%的比例劃分，即70%或80%的數(shù)據(jù)用于訓練模型，30%或20%的數(shù)據(jù)用于測試模型的性能。在訓練過程中，使用訓練集數(shù)據(jù)對SVM和樸素貝葉斯模型進行迭代訓練，不斷調整模型的參數(shù)，使其能夠更好地學習到不同價格區(qū)間評論的特征和模式。例如，對于SVM模型，調整超平面的參數(shù)以及核函數(shù)的參數(shù)；對于樸素貝葉斯模型，更新特征概率和先驗概率的估計值。通過多次迭代訓練，使模型逐漸收斂，達到較好的分類性能。4.1.3模型評估與比較在完成SVM和樸素貝葉斯等分類模型的構建與訓練后，需要對模型的性能進行全面評估，以確定哪種模型在手機評論價格分類任務中表現(xiàn)最優(yōu)。本研究使用準確率、召回率、F1值等多個指標來綜合評估模型性能，并對不同算法的分類效果進行詳細比較。準確率是指模型預測正確的樣本數(shù)占總樣本數(shù)的比例，其計算公式為：Accuracy=(TP+TN)/(TP+TN+FP+FN)，其中TP（TruePositive）表示真正例，即實際為正類且被模型正確預測為正類的樣本數(shù)；TN（TrueNegative）表示真負例，即實際為負類且被模型正確預測為負類的樣本數(shù)；FP（FalsePositive）表示假正例，即實際為負類但被模型錯誤預測為正類的樣本數(shù)；FN（FalseNegative）表示假負例，即實際為正類但被模型錯誤預測為負類的樣本數(shù)。在手機評論價格分類中，準確率反映了模型將評論正確分類到各個價格區(qū)間的能力。例如，如果模型對100條手機評論進行價格分類，其中正確分類的有80條，那么準確率為80%。然而，準確率在樣本不平衡的情況下可能會產(chǎn)生誤導，因為即使模型將大量樣本都預測為占比最多的類別，也可能獲得較高的準確率，但實際上模型對其他類別的分類效果可能很差。召回率是指在所有實際為正類的樣本中，模型正確預測為正類的樣本所占的比例，計算公式為：Recall=TP/(TP+FN)。在手機評論價格分類中，召回率衡量了模型對某一價格區(qū)間評論的捕捉能力。例如，對于高端手機評論這一類別，如果實際有100條高端手機評論，模型正確預測出其中85條，那么召回率為85%。召回率在關注捕獲所有正類樣本時非常重要，特別是在假陰性代價較高的場景中，如在分析高端手機市場時，如果模型遺漏了大量實際為高端手機的評論，可能會導致對高端手機市場的分析出現(xiàn)偏差。F1值是精準率和召回率的調和平均數(shù)，用于在權衡精準率和召回率時提供一個綜合指標，其計算公式為：F1=2*(Precision*Recall)/(Precision+Recall)，其中精準率（Precision）是指在模型預測為正類的樣本中，實際為正類的樣本所占的比例，計算公式為：Precision=TP/(TP+FP)。F1值綜合考慮了模型的準確性和召回能力，取值范圍為0到1，越接近1表示模型的綜合性能越好。在手機評論價格分類中，F(xiàn)1值能夠更全面地評估模型在不同價格區(qū)間分類任務中的表現(xiàn)，避免了單純依賴準確率或召回率帶來的片面性。例如，當一個模型的準確率較高但召回率較低，或者召回率較高但準確率較低時，F(xiàn)1值可以綜合反映出模型的整體性能水平。通過在測試集上運行訓練好的SVM和樸素貝葉斯模型，計算出它們在不同價格區(qū)間分類任務中的準確率、召回率和F1值，并進行對比分析。假設在測試集中，SVM模型對低端手機評論的準確率為85%，召回率為80%，F(xiàn)1值為82.4%；樸素貝葉斯模型對低端手機評論的準確率為80%，召回率為85%，F(xiàn)1值為82.3%。從這些指標可以看出，SVM模型在準確率方面略優(yōu)于樸素貝葉斯模型，而樸素貝葉斯模型在召回率方面略勝一籌，但兩者的F1值較為接近，說明它們在低端手機評論分類任務中的綜合性能相當。對于其他價格區(qū)間的手機評論分類，也進行類似的評估和比較。通過對多個價格區(qū)間的綜合評估，發(fā)現(xiàn)SVM模型在整體上表現(xiàn)出較高的準確率和F1值，能夠更準確地對手機評論進行價格分類；而樸素貝葉斯模型雖然在某些價格區(qū)間的召回率上有一定優(yōu)勢，但在準確率和綜合性能方面相對較弱。除了上述指標，還可以通過繪制混淆矩陣來直觀地展示模型的分類結果?；煜仃囈员砀竦男问秸故玖四Ｐ皖A測的類別與實際類別的對應關系，通過觀察混淆矩陣，可以清晰地了解模型在各個類別上的分類情況，包括正確分類和錯誤分類的樣本數(shù)量及分布。例如，在混淆矩陣中，如果某一行的非對角元素較多，說明模型在預測該類別的樣本時容易出現(xiàn)錯誤分類；如果某一列的非對角元素較多，則表示實際為該類別的樣本容易被模型錯誤分類到其他類別。通過對混淆矩陣的分析，可以進一步發(fā)現(xiàn)模型的不足之處，為模型的改進和優(yōu)化提供方向。通過綜合評估和比較不同模型的性能指標，最終選擇在手機評論價格分類任務中表現(xiàn)最優(yōu)的模型，為后續(xù)的手機評論分析提供可靠的分類基礎。4.2不同價格區(qū)間手機評論的情感分析4.2.1情感分析模型選擇與訓練在對不同價格區(qū)間手機評論進行情感分析時，模型的選擇與訓練至關重要。本研究選用基于LSTM（長短期記憶網(wǎng)絡）的情感分析模型，該模型在處理序列數(shù)據(jù)時具有獨特優(yōu)勢，能夠有效捕捉文本中的上下文信息和長期依賴關系，從而更準確地判斷文本的情感傾向。LSTM作為一種特殊的循環(huán)神經(jīng)網(wǎng)絡（RNN），通過引入門控機制解決了傳統(tǒng)RNN在處理長序列數(shù)據(jù)時面臨的梯度消失和梯度爆炸問題。它主要包含輸入門、遺忘門和輸出門。輸入門決定了當前輸入信息有多少將被存入記憶單元；遺忘門控制著記憶單元中舊信息的保留或丟棄；輸出門則確定了從記憶單元中輸出的信息。在手機評論情感分析中，這些門控機制能夠幫助模型更好地理解評論中詞語之間的語義關聯(lián)，例如在評論“這款手機拍照效果非常好，但是電池續(xù)航太差了”中，LSTM模型可以通過門控機制，同時記住“拍照效果好”這一正面信息和“電池續(xù)航差”這一負面信息，準確判斷出該評論整體的情感傾向較為復雜，既包含正面評價也包含負面評價。為了訓練基于LSTM的情感分析模型，需要大量標注情感的評論數(shù)據(jù)。本研究從之前收集并預處理好的手機評論數(shù)據(jù)中，篩選出一部分數(shù)據(jù)進行人工標注。邀請專業(yè)的標注人員，根據(jù)評論的語義和情感表達，將評論分為正面、負面和中性三類。例如，對于評論“這部手機運行速度超快，拍照也很清晰，非常滿意”，標注為正面；“手機發(fā)熱嚴重，玩一會兒游戲就燙手，太失望了”標注為負面；“手機外觀還行，沒什么特別的亮點”標注為中性。經(jīng)過仔細標注，構建了一個包含不同價格區(qū)間手機評論的情感標注數(shù)據(jù)集。將標注好的數(shù)據(jù)集劃分為訓練集、驗證集和測試集，通常按照70%、15%、15%的比例進行劃分。使用訓練集數(shù)據(jù)對LSTM模型進行訓練，在訓練過程中，將評論數(shù)據(jù)進行向量化處理，轉換為模型能夠接受的輸入形式。例如，使用詞向量模型（如Word2Vec或GloVe）將評論中的每個詞語映射為一個固定維度的向量，然后將這些向量按照評論中詞語的順序排列，形成一個序列向量作為LSTM模型的輸入。模型通過不斷地學習訓練集中評論的文本特征和對應的情感標簽，調整模型的參數(shù)，以提高對情感傾向的判斷能力。在訓練過程中，還會使用一些優(yōu)化算法（如Adam優(yōu)化器）來加速模型的收斂，同時設置合適的學習率、迭代次數(shù)等超參數(shù)，以避免模型出現(xiàn)過擬合或欠擬合的情況。在訓練過程中，通過驗證集對模型的性能進行監(jiān)控。計算模型在驗證集上的準確率、召回率、F1值等指標，觀察這些指標的變化情況。如果模型在驗證集上的性能開始下降，說明可能出現(xiàn)了過擬合現(xiàn)象，此時可以采取一些措施，如增加正則化項（如L1或L2正則化）、提前終止訓練等，以提高模型的泛化能力。當模型在訓練集和驗證集上的性能都趨于穩(wěn)定時，認為模型訓練完成。最后，使用測試集對訓練好的模型進行評估，計算模型在測試集上的各項性能指標，以驗證模型的有效性和準確性。通過以上步驟，訓練出一個性能良好的基于LSTM的手機評論情感分析模型，為后續(xù)對不同價格區(qū)間手機評論的情感分析奠定堅實的基礎。4.2.2情感傾向分布分析在完成基于LSTM的情感分析模型訓練后，運用該模型對不同價格區(qū)間的手機評論進行情感傾向分析，深入探究消費者對不同價格手機的情感態(tài)度。通過對評論數(shù)據(jù)的處理，計算出各價格區(qū)間手機評論中正面、負面和中性情感的比例，并繪制情感傾向分布圖，以直觀展示消費者情感的分布情況。對于低端手機（價格在1000元以下），分析發(fā)現(xiàn)其評論的情感傾向呈現(xiàn)出一定的特點。在大量的評論數(shù)據(jù)中，正面情感的比例約為30%，負面情感的比例相對較高，達到40%，中性情感占30%。從正面情感的評論內容來看，消費者主要關注的是低端手機的性價比和基本功能的可用性。例如，有消費者評論“這個價格能買到這樣的手機，能打電話、發(fā)短信，還能上網(wǎng)看視頻，已經(jīng)很滿足了，性價比真的很高”，體現(xiàn)了對其性價比的認可。然而，負面評論主要集中在手機的性能和質量方面，如“手機運行特別卡，打開個應用都要等半天，而且電池也不耐用，用不了多久就沒電了”，反映出低端手機在性能和續(xù)航上存在的不足，導致消費者的不滿情緒較高。中低端手機（價格在1000-2000元）的情感傾向分布與低端手機有所不同。正面情感的比例提升至40%，負面情感比例降至30%，中性情感為30%。正面評論中，消費者除了提及性價比外，還對手機的部分性能提升表示滿意，如“這款手機的拍照比我想象中好很多，拍出來的照片很清晰，而且運行速度也還可以，日常使用沒問題”，表明中低端手機在滿足性價比的同時，在拍照和性能方面有了一定的改進，得到了消費者的認可。負面評論則主要圍繞手機的一些細節(jié)問題，如“手機的系統(tǒng)偶爾會出現(xiàn)閃退的情況，雖然不頻繁，但還是有點影響使用體驗”，說明中低端手機在系統(tǒng)穩(wěn)定性等方面還有提升空間。中高端手機（價格在2000-4000元）的情感傾向表現(xiàn)出較高的滿意度。正面情感比例達到50%，負面情感比例為25%，中性情感為25%。正面評論中，消費者高度評價手機的性能、拍照、屏幕等核心配置，如“這部手機的處理器性能很強，玩大型游戲一點都不卡頓，拍照效果也非常出色，色彩還原度高，屏幕顯示也很清晰，用起來很舒服”，體現(xiàn)了中高端手機在滿足消費者對性能和功能需求方面表現(xiàn)出色。負面評論相對較少，主要集中在一些個性化需求未得到滿足，如“手機的外觀設計比較普通，沒有什么特色，希望能更時尚一些”。高端手機（價格在4000元以上）的情感傾向呈現(xiàn)出較高的正面比例。正面情感比例達到60%，負面情感比例為20%，中性情感為20%。正面評論中，消費者對高端手機的頂尖技術、卓越品質和出色的用戶體驗給予了高度贊揚，如“這款手機的各方面都非常完美，搭載的最新芯片性能強勁，拍照功能更是驚艷，各種場景都能輕松應對，而且做工精細，質感十足，使用起來真的是一種享受”，充分體現(xiàn)了高端手機在滿足消費者對品質和性能極致追求方面的優(yōu)勢。負面評論主要涉及一些高端功能的適用性問題，如“手機的某些新功能雖然很先進，但實際使用場景不多，感覺有些浪費”。為了更直觀地展示不同價格區(qū)間手機評論的情感傾向分布，繪制情感傾向分布圖。以價格區(qū)間為橫軸，正面、負面和中性情感比例為縱軸，繪制柱狀圖或餅圖。在柱狀圖中，可以清晰地看到不同價格區(qū)間手機評論中三種情感傾向的比例差異，直觀地反映出消費者對不同價格手機的情感態(tài)度變化趨勢。通過情感傾向分布分析，能夠全面了解消費者對不同價格區(qū)間手機的滿意度和關注點，為手機廠商改進產(chǎn)品和優(yōu)化營銷策略提供有力的數(shù)據(jù)支持。4.2.3情感分析結果與價格相關性探討通過對不同價格區(qū)間手機評論的情感分析，深入探討價格與情感傾向之間的關系，以及價格對消費者情感產(chǎn)生影響的因素，對于手機廠商制定合理的產(chǎn)品策略和市場定位具有重要的指導意義。從情感分析結果來看，價格與情感傾向之間存在一定的相關性。隨著手機價格的升高，正面情感的比例呈現(xiàn)上升趨勢，負面情感的比例逐漸下降。這表明高端手機更容易獲得消費者的正面評價，而低端手機則面臨更多的負面反饋。以高端手機為例，其憑借頂尖的技術、卓越的性能和出色的品質，能夠滿足消費者對手機的高要求，從而贏得消費者的青睞和認可，獲得較高的正面情感評價。例如，蘋果iPhone系列和華為Mate系列等高端機型，在處理器性能、拍照能力、屏幕顯示等方面處于行業(yè)領先水平，消費者在評論中對這些方面的高度贊揚使得正面情感比例較高。而低端手機由于成本限制，在性能、配置和質量等方面相對較弱，難以滿足消費者對手機功能和體驗的期望，導致負面情感比例較高。如前文所述，低端手機常出現(xiàn)運行卡頓、電池續(xù)航短等問題，這些缺點引發(fā)了消費者的不滿，使得負面評論增多。價格對消費者情感的影響因素是多方面的。首先是產(chǎn)品性能和配置。高價格往往意味著更好的處理器、更優(yōu)質的攝像頭、更高分辨率的屏幕等，這些高性能的配置能夠為消費者帶來更流暢的使用體驗、更出色的拍照效果和更清晰的視覺享受，從而提升消費者的滿意度和正面情感。例如，中高端和高端手機普遍采用了高性能的處理器，如高通驍龍8系列芯片，能夠快速運行各種大型應用和游戲，滿足消費者對手機性能的追求，使得消費者在使用過程中感受到便捷和高效，進而產(chǎn)生正面情感。其次是品牌形象和品牌價值。知名品牌往往具有較高的品牌聲譽和品牌忠誠度，消費者對其產(chǎn)品質量和服務有更高的信任度。高端品牌通過長期的市場積累和品牌建設，塑造了高端、優(yōu)質的品牌形象，消費者購買這些品牌的手機不僅是為了獲得產(chǎn)品本身的功能，還希望通過品牌來彰顯自己的身份和品味。例如，蘋果和華為在高端手機市場的品牌影響力巨大，消費者在購買其產(chǎn)品時，會因為品牌的附加值而對產(chǎn)品產(chǎn)生更高的期望和好感，即使產(chǎn)品存在一些小問題，也可能因為品牌的因素而給予相對寬容的評價，從而提高正面情感比例。再者是消費者的心理預期。不同價格區(qū)間的手機會引發(fā)消費者不同的心理預期。消費者購買高端手機時，會對其性能、品質和體驗有非常高的期望，當手機能夠滿足或超越這些期望時，消費者會產(chǎn)生強烈的滿足感和正面情感。相反，購買低端手機的消費者雖然對價格敏感，更注重性價比，但也會對手機的基本功能和質量有一定的期望，如果手機在這些方面表現(xiàn)不佳，就會導致消費者的心理落差較大，負面情感增加。例如，消費者購買一款價格較高的手機，期望它能夠在各方面都表現(xiàn)出色，如果手機在使用過程中出現(xiàn)一些與價格不匹配的問題，如高端手機出現(xiàn)頻繁死機的情況，消費者會感到非常失望，負面情感會大幅上升。此外，售后服務也是影響消費者情感的重要因素。高端手機廠商通常會提供更完善、更優(yōu)質的售后服務，如快速的維修響應、較長的質保期、專屬的客戶服務等，這些良好的售后服務能夠增強消費者的購買信心，在產(chǎn)品出現(xiàn)問題時，也能及時解決消費者的困擾，從而減少負面情感。而一些低端手機廠商在售后服務方面可能存在不足，導致消費者在遇到問題時無法得到及時有效的解決，進一步加劇了負面情感。通過對價格與情感傾向關系及影響因素的探討，手機廠商可以更有針對性地進行產(chǎn)品研發(fā)、品牌建設和售后服務優(yōu)化，以滿足消費者的需求，提升消費者的情感滿意度。4.3不同價格區(qū)間手機評論的主題分析4.3.1LDA主題模型介紹與應用LDA（LatentDirichletAllocation）主題模型是一種強大的無監(jiān)督機器學習技術，在文本挖掘領域中被廣泛應用于發(fā)現(xiàn)文本集合中的潛在主題。其核心原理基于概率圖模型，假設每個文檔是由多個主題按照一定的概率分布混合而成，而每個主題又由一組詞語按照特定的概率分布生成。在手機評論分析中，LDA主題模型能夠從大量的手機評論數(shù)據(jù)中挖掘出消費者關注的潛在主題，如性能、外觀、價格、拍照、續(xù)航等，為深入了解消費者需求和產(chǎn)品特點提供有力支持。在實際應用中，將不同價格區(qū)間的手機評論數(shù)據(jù)作為輸入，通過LDA主題模型進行分析。以某電商平臺上不同價格區(qū)間的手機評論數(shù)據(jù)為例，首先對評論數(shù)據(jù)進行預處理，包括分詞、去除停用詞等操作，將文本轉化為適合模型處理的形式。然后，將預處理后的評論數(shù)據(jù)輸入到LDA主題模型中，設置合適的主題數(shù)量（如K=10，表示希望模型發(fā)現(xiàn)10個潛在主題）。模型通過吉布斯采樣或變分推斷等算法進行迭代訓練，在訓練過程中，模型會不斷調整每個文檔的主題分布以及每個主題的詞語分布，直到收斂。經(jīng)過訓練后，模型可以輸出每個評論與各個主題的關聯(lián)概率，以及每個主題下的詞語概率分布。例如，對于高端手機評論數(shù)據(jù)，LDA主題模型可能發(fā)現(xiàn)“頂級性能”“卓越拍照”“前沿科技”等主題。在“頂級性能”主題下，“驍龍8Gen2”“LPDDR5X內存”“UFS4.0閃存”等詞語具有較高的概率，表明消費者在討論高端手機性能時，這些配置是重點關注的內容；在“卓越拍照”主題下，“一英寸大底主攝”“潛望式長焦鏡頭”“光學防抖”等詞語頻繁出現(xiàn)，反映出高端手機拍照功能的關鍵特點和消費者的關注點。通過LDA主題模型的分析，能夠清晰地了解到不同價格區(qū)間手機評論中的潛在主題，為后續(xù)的深入分析和決策提供了重要的基礎。4.3.2主題關鍵詞提取與分析在應用LDA主題模型對不同價格區(qū)間手機評論進行分析后，提取每個主題的關鍵詞是深入理解主題內容和消費者關注點的關鍵步驟。通過對主題中詞語概率分布的分析，選取概率較高的詞語作為關鍵詞，這些關鍵詞能夠直觀地反映主題的核心內容。對于低端手機評論，通過LDA主題模型分析發(fā)現(xiàn)，其中一個重要主題圍繞“性價比”展開。在這個主題下，提取出的關鍵詞有“價格實惠”“基本功能”“耐用”“學生黨”等?！皟r格實惠”直接體現(xiàn)了低端手機在價格方面的優(yōu)勢，這是吸引消費者的重要因素；“基本功能”表明消費者對低端手機的期望主要集中在滿足日?；就ㄓ嵑秃唵螒眯枨笊?，如打電話、發(fā)短信、瀏覽網(wǎng)頁等；“耐用”反映出消費者希望低端手機具有較好的質量，能夠長時間穩(wěn)定使用；“學生黨”則明確了低端手機的主要目標用戶群體之一，學生群體通常預算有限，更注重性價比，這與提取的關鍵詞相契合。在中低端手機評論中，“性能提升”是一個突出的主題。該主題下的關鍵詞包括“處理器升級”“大內存”“高清屏幕”“游戲體驗”等?！疤幚砥魃墶焙汀按髢却妗斌w現(xiàn)了中低端手機在性能方面的改進，相比低端手機，中低端手機在處理器性能和內存容量上有了一定提升，能夠更好地滿足用戶運行多個應用程序和進行輕度游戲的需求；“高清屏幕”表明消費者對中低端手機的屏幕顯示效果有了更高的要求，期望獲得更清晰、舒適的視覺體驗；“游戲體驗”則進一步說明中低端手機在滿足日常使用的基礎上，開始注重提升用戶在游戲方面的體驗，這也是該價格區(qū)間手機吸引年輕消費者的重要賣點。對于中高端手機評論，“影像能力”是一個備受關注的主題。關鍵詞有“高像素鏡頭”“夜景模式”“專業(yè)拍照”“視頻防抖”等?！案呦袼冂R頭”是中高端手機提升拍照能力的重要硬件配置，能夠拍攝出更清晰、細節(jié)更豐富的照片；“夜景模式”針對夜間拍攝場景進行優(yōu)化，解決了傳統(tǒng)手機在夜間拍照時畫面模糊、噪點多等問題，滿足了消費者在不同光線環(huán)境下的拍攝需求；“專業(yè)拍照”體現(xiàn)了中高端手機在拍照功能上向專業(yè)化方向發(fā)展，提供了更多的拍攝模式和參數(shù)調節(jié)選項，滿足攝影愛好者對拍攝效果的追求；“視頻防抖”則是針對視頻拍攝的重要功能，保證了拍攝視頻時畫面的穩(wěn)定性，提升了視頻拍攝的質量。通過對不同價格區(qū)間手機評論主題關鍵詞的提取和分析，可以清晰地看到各價格段手機評論主題的差異和共性。差異方面，不同價格區(qū)間的手機由于其定位和目標用戶群體的不同，消費者關注的重點也有所不同。低端手機主要關注價格和基本功能，中低端手機在性價比的基礎上開始注重性能提升，中高端手機則更強調影像能力等核心功能的優(yōu)化。共性方面，無論價格區(qū)間如何，消費者都關注手機的性能、拍照等基本功能，只是關注的程度和側重點有所不同。這些分析結果為手機廠商了解消費者需求、優(yōu)化產(chǎn)品設計和營銷策略提供了有價值的參考。4.3.3主題與價格的關聯(lián)分析深入分析主題與價格的關聯(lián)，能夠更清晰地揭示不同價格區(qū)間手機的特點和消費者的關注點，為消費者購買決策和商家市場策略制定提供有力依據(jù)。通過對不同價格區(qū)間手機評論的LDA主題模型分析結果，統(tǒng)計每個主題在各價格區(qū)間出現(xiàn)的頻率和重要性，從而發(fā)現(xiàn)主題與價格之間的內在聯(lián)系。從頻率分布來看，某些主題在特定價格區(qū)間出現(xiàn)的頻率較高，反映出該價格區(qū)間手機的顯著特點和消費者的主要關注點。在高端手機評論中，“頂級性能”“卓越拍照”“前沿科技”等主題出現(xiàn)的頻率明顯高于其他價格區(qū)間。這是因為高端手機通常代表著手機行業(yè)的頂尖技術和設計水平，消費者購買高端手機時，更關注其在性能、拍照等方面的極致表現(xiàn)，以及是否具備如5G網(wǎng)絡、無線快充、折疊屏等前沿科技。例如，蘋果iPhone系列和華為Mate系列等高端機型，憑借其強大的處理器性能、頂尖的拍照技術和不斷創(chuàng)新的科技應用，吸引了追求極致體驗的消費者，使得這些主題在高端手機評論中頻繁出現(xiàn)。而在低端手機評論中，“性價比”“基本功能”等主題的頻率較高。這是因為低端手機的目標用戶主要是對價格敏感、注重基本通訊功能的消費者，他們更關注手機是否能夠以較低的價格滿足日常基本需求。如紅米9A等低端機型，以其親民的價格和穩(wěn)定的基本功能，受到了學生群體和老年用戶等對價格敏感人群的青睞，在相關評論中，“性價比”和“基本功能”成為主要關注點。從重要性角度分析，不同價格區(qū)間下同一主題的重要性也有所不同。以“拍照”主題為例，在高端手機中，拍照功能是其核心競爭力之一，消費者對拍照的要求極高，不僅要求高像素、高質量的照片，還期望具備專業(yè)級的拍攝功能和出色的拍攝體驗，因此“拍照”主題在高端手機評論中具有極高的重要性。而在低端手機中，拍照功能相對不是重點，消費者對其拍照要求主要是滿足基本的記錄需求，因此“拍照”主題在低端手機評論中的重要性相對較低。通過對主題與價格的關聯(lián)分析，消費者在購買手機時，可以根據(jù)自己的預算和對不同主題的關注程度，更有針對性地選擇適合自己的手機。例如，注重性價比和基本功能的消費者可以選擇低端或中低端手機；而對性能、拍照等有較高要求的消費者，則可以考慮中高端或高端手機。對于商家來說，能夠根據(jù)不同價格區(qū)間主題的特點和消費者需求，優(yōu)化產(chǎn)品設計和營銷策略。針對高端市場，不斷提升手機的性能和拍照等核心功能，加大對前沿科技的研發(fā)和應用；對于低端市場，注重控制成本，提高產(chǎn)品的性價比，滿足消費者對基本功能的需求。五、案例分析5.1案例選取與數(shù)據(jù)說明為了深入研究不同價格區(qū)間手機商品評論的特點和規(guī)律，本研究選取了具有代表性的蘋果、華為、小米三個品牌的熱門手機型號作為案例進行分析。這些品牌在手機市場中占據(jù)重要地位，其產(chǎn)品涵蓋了廣泛的價格區(qū)間和多樣化的功能特點，能夠充分反映不同消費者群體的需求和偏好。蘋果iPhone14系列作為高端手機的代表，iPhone14ProMax的價格通常在8000元以上，定位為追求極致性能、卓越拍照和頂級用戶體驗的高端消費者。該機型搭載了強大的A16仿生芯片，具備出色的圖形處理能力和流暢的系統(tǒng)運行速度，能夠輕松應對各種復雜的任務和大型游戲。其拍照系統(tǒng)更是備受關注，主攝采用4800萬像素的鏡頭，配合先進的計算攝影技術，能夠拍攝出高質量的照片和視頻，滿足專業(yè)攝影愛好者的需求。在本研究中，通過網(wǎng)絡爬蟲技術從京東、淘寶等主流電商平臺收集到了iPhone14ProMax的評論數(shù)據(jù)共計5000條。這些評論涵蓋了產(chǎn)品發(fā)布后的不同時間段，包括初期用戶的開箱體驗、長期使用后的性能反饋等，能夠全面反映消費者對該機型的評價和感受。華為P60系列是中高端手機的典型代表，P60Pro的價格大致在4000-6000元之間，主要面向對拍照和性能有較高要求，同時注重品牌和品質的消費者。該機型在影像能力方面表現(xiàn)突出，配備了超聚光XMAGE影像系統(tǒng)，擁有可變光圈技術，能夠根據(jù)不同的拍攝場景自動調整光圈大小，實現(xiàn)更出色的拍照效果。在性能上，搭載了高通驍龍8+4G處理器，性能強勁，能夠滿足用戶日常使用和游戲娛樂的需求。本研究收集到P60Pro的評論數(shù)據(jù)4000條，這些評論從不同角度反映了消費者對其拍照功能、性能表現(xiàn)、外觀設計等方面的評價，為深入分析中高端手機的特點提供了豐富的數(shù)據(jù)支持。小米13系列定位為中高端手機，小米13的價格在3000-4000元區(qū)間，以高性價比和出色的性能吸引了眾多追求性能與價格平衡的消費者。它搭載了高通驍龍8Gen2處理器，性能出色，能夠流暢運行各種應用程序和游戲。在屏幕顯示方面，采用了高素質的AMOLED屏幕，顯示效果清晰、色彩鮮艷。本研究獲取到小米13的評論數(shù)據(jù)3500條，這些評論體現(xiàn)了消費者對其性價比、性能、外觀等方面的看法，有助于深入了解中高端手機在消費者心中的形象和需求。紅米Note12系列屬于中低端手機，紅米Note12R的價格在1000-2000元之間，主要滿足對價格敏感、注重基本功能和性價比的消費者需求。它配備了聯(lián)發(fā)科天璣700處理器，能夠滿足日常的通訊、社交、瀏覽網(wǎng)頁等基本功能需求。在電池續(xù)航方面，擁有大容量電池，能夠提供較長的使用時間。本研究收集到紅米Note12R的評論數(shù)據(jù)3000條，這些評論反映了中低端手機用戶對產(chǎn)品的基本功能、價格、續(xù)航等方面的關注和評價。通過對這些不同品牌、不同價格區(qū)間的熱門手機型號的評論數(shù)據(jù)進行分析，能夠全面了解不同價格段手機在消費者心中的評價和需求差異，為消費者購買決策和商家營銷策略制定提供有價值的參考依據(jù)。5.2案例分析過程5.2.1評論數(shù)據(jù)處理與分析在對選取的蘋果iPhone14ProMax、華為P60Pro、小米13和紅米Note12R這幾款手機的評論數(shù)據(jù)進行處理時，首先進行了嚴格的數(shù)據(jù)清洗操作。通過基于哈希值的去重方法，去除了大量重復評論，確保每條評論的唯一性。同時，仔細檢查并處理了缺失值和異常值。對于缺失評論內容的記錄，直接予以刪除；對于用戶評分缺失的情況，采用均值填充的方式，根據(jù)同價格區(qū)間其他評論的評分均值進行填充；對于異常評分，利用箱線圖進行檢測，將評分小于Q1-1.5*IQR或大于Q3+1.5*IQR的數(shù)據(jù)點視為異常值，并進行相應的修剪處理，保證了數(shù)據(jù)的準確性和可靠性。在文本去噪環(huán)節(jié)，借助Python的BeautifulSoup庫移除了評論中的HTML標簽，使用正則表達式去除了特殊字符，如標點符號、表情符號等，并通過構建停用詞表去除了停用詞。以蘋果iPhone14ProMax的一條評論“這款手機拍照效果真的是太棒啦??，運行速度也超快，非常滿意！”為例，經(jīng)過HTML標簽移除、特殊字符去除和停用詞處理后，得到干凈的文本“這款手機拍照效果太棒運行速度超快非常滿意”，為后續(xù)的分析提供了純凈的文本數(shù)據(jù)。中文分詞采用結巴分詞工具的精確模式，將連續(xù)的中文文本切分成獨立的詞語。為了提高分詞的準確性，還根據(jù)手機領域的專業(yè)術語和常見詞匯，構建了自定義詞典，如“A16仿生芯片”“超聚光XMAGE影像系統(tǒng)”“驍龍8Gen2”等，使分詞結果更符合手機評論的