随着新能源汽车市场占有份额不断增大,从相关用户评论中挖掘用户需求及分析情感倾向十分重要,然而该领域评论复杂多样,常用的分析方法难以实现多维度、深层次的数据挖掘,提炼其真实情感仍然存在着不小的难度及挑战。针对以上问题,提出...随着新能源汽车市场占有份额不断增大,从相关用户评论中挖掘用户需求及分析情感倾向十分重要,然而该领域评论复杂多样,常用的分析方法难以实现多维度、深层次的数据挖掘,提炼其真实情感仍然存在着不小的难度及挑战。针对以上问题,提出一种基于Transformer的双向编码(Bidirectional Encoder Representation from Transformers,BERT)和VADER规则的情感分析框架。该框架由BERT模型对用户评论情感倾向进行分类预测、VADER情感词库进行情感打分,并根据最终得分结果进行综合比较分析。该情感分析框架在爬取的“汽车之家”和“爱卡汽车网”的50520条用户评论数据集上表现出良好的情感分析效果,能准确识别用户情感并体现出不同新能源汽车品牌之间的区分度,可以为企业产品改进创新和用户选择产品时提供相关建议和参考价值。展开更多
文摘随着新能源汽车市场占有份额不断增大,从相关用户评论中挖掘用户需求及分析情感倾向十分重要,然而该领域评论复杂多样,常用的分析方法难以实现多维度、深层次的数据挖掘,提炼其真实情感仍然存在着不小的难度及挑战。针对以上问题,提出一种基于Transformer的双向编码(Bidirectional Encoder Representation from Transformers,BERT)和VADER规则的情感分析框架。该框架由BERT模型对用户评论情感倾向进行分类预测、VADER情感词库进行情感打分,并根据最终得分结果进行综合比较分析。该情感分析框架在爬取的“汽车之家”和“爱卡汽车网”的50520条用户评论数据集上表现出良好的情感分析效果,能准确识别用户情感并体现出不同新能源汽车品牌之间的区分度,可以为企业产品改进创新和用户选择产品时提供相关建议和参考价值。
