第33卷第3期2023年9月信阳农林学院学报JournalofXinyangAgricultureandForestryUniversityVol.33No.3Sep.2023基于LDA主题模型的电商评论数据分析魏丽（安徽中澳科技职业学院管理系，安徽合肥230031）摘要：以京东电商评论数据为研究对象，探讨评论数据的情感指数及关键词提取。首先，基于Scarpy框架爬取商品评论数据，分析顾客评论数据，直观地了解顾客的需求，从词云中掌握食品数据特点；其次运用LDA主题建模方法对上述数据进行情感分析，得出具体评论数据的情感系数（越接近1越积极），了解各分数段的评论分布情况；最终，分别对正、负评论数据进行LDA主题分析，分析文本中有价值的内容。关键词：LDA模型；爬虫；情感分析；SnowNLP；顾客评论数据中图分类号：TP391.1商品评论数据分析一直是国内外研究的热点，通过对顾客的评论信息进行情感分析，可以推断出他们的消费偏好、消费缘由等1，从而使商家更好地制定商品的发展策略，提升商品和服务的质量，以吸引更多的消费者购买。电商评论数据中含有大量的有用信息，这些文字评论既体现顾客购买后对于商品、客服的情感表达，也成为了顾客购物决策的参考标准。因此对于电商评论数据进行挖掘，能够估计顾客的情感倾向和卖家的管理、运营情况，更好地帮助企业改进自身产品的不足，提升服务质量，吸引更多的顾客购买；同时帮助顾客根据数据分析的结果确定该产品是否符合自己的预期。1模型简介1.1SnowNLP本研究利用SnowNLP工具对食品评论的内容进行文本情感分析[2}。具体思路为：分词提取特征一特征选择一分类模型一识别结果。SnowNLP情感分析是基于内置的情感系统所实现的，它将文本简单地分为积极与消极两类，输人文本评论信息即可获得返回值：这条评论是正面评论的概率（越接近于1越积极，接近0为消极）。其底层思想为朴素贝叶斯模型，在已知样本信息的情况下推测评论信息积极的概率，具体如公式（1）所示：(1)其中ci代表某条评论分类为积极，而w1，W2，，w，代表每条评论的样本信息（每条评论被划分成n个词向量，每个词向量都有一定的积极性权重，相加可得评论的积极性得分信息）。1.2LDA主题模型LDA是一个三层贝叶斯模型[3},其中每一个文档都被看做不同主题的随机混合项，而每个主题都是由单词组成的分布。在给定主题数K、文档集合数M以及词汇表V的条件下，词向量的分布由P（w，=|n=t)定义,并由矩阵(K×V)表示。同样类似的的是主题的条件分布：P（z，=tld，=d），并由9（M×K)表示。语料库w和相应主...
