基于三维坐标的消费情绪本体库建立及应用

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于三维坐标的消费情绪本体库建立及应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：

针对商家好评中存在非真正满意的评价问题，构建一种能够真正反映消费者情绪状态的方法，以减少好评率中非真正满意的评价。针对消费情绪进行了研究，首先从评价中提取出消费情绪词汇，根据消费情绪的特征，将消费情绪划分为7大类，25小类，建立了三维坐标模型；其次，用Protégé来构建消费情绪本体库，根据三维坐标词汇分类算法对消费情绪词汇进行自动划分；然后，根据构建的本体库，用消费情绪判断算法来自动判断消费者的评价。最后，与淘宝的好评率进行比较，F值达到了95%以上，减少了好评中非真正满意的评价，体现了消费者的真实情绪。

关键词：消费情绪； 词汇分类； 三维坐标； 本体库； 评价

中图分类号：TP391.1

文献标志码：A

0引言

现在越来越多的人选择在网上购物，然而网购最重要的就是商家的好评率，但是卖家可能会逼迫消费者给予好评，致使商家的好评率并不真实，但是在评价内容中会体现消费者不满意的地方，消费评价就会体现消费者的情绪，所以消费情绪在消费过程中是很重要的。本文就是针对消费情绪来反映消费者的真实态度，从好评率中减少非真正满意的评价，反映了消费者的真实情绪。

目前，国内外对情绪分类的研究还是比较少的，大多研究的是情感分类，国外许多学者研究了情感分类方法，文献[1-2]都是用分类器进行情感倾向分析。文献[3]在分类方法方面进行了探索，提出了一种组合的方法，即通过将多种分类器进行混合叠加来提高情感分类的性能。但是这些文献只是将情感分为积极、消极和中性，并没有细化分类。国内对情感分类的研究刚刚起步，并且应用在消费领域中更少，文献[4-6]只是对微博情感进行分类，也是分为了积极、消极和中性，并没有细化。

情感分析也用到语义识别的知识，文献[7-9]对其进行了深入的研究。目前国内外主要研究的是情感方面，本文侧重于情绪方面，基于消费评价找出消费者的情绪，在积极和消极的基础上，将其情绪类别细化，更好地反映消费者的情绪。本文要将消费情绪和计算机联系起来，要用计算机的语言来定义消费情绪，用计算机来处理消费情绪，对其进行分类，来判断消费者对商品的满意程度，减少好评率中非真正满意的评价，反映消费者的真实情绪。

1消费情绪词汇

1.1情绪的相关概念

情绪是指人对外界刺激所产生的心理或生理反应。消费情绪是消费者对商品及服务绩效所产生的心理反应和情感回应，消费评价就是这种情绪的体现。根据情绪发生的不同特征，将情绪划分为三种表现状态，即：激情、心境和热情[10]。

情绪是一种即时的感觉，更能体现消费者的心理状态。情绪并不等同于情感，其主要是指感情过程具有情境性、激动性和暂时性的特点，而且情绪可以包含动词，反映一种表现状态，而情感是指具有稳定性、深刻性和持久性的感情，带有一定的社会因素和外在因素。基于本文总结出的差别，所以本文研究情绪而不是情感。

1.2消费情绪分类

到目前为止，心理学家和语言学家对情绪和情感做了不同的划分[11-14]，因为人类的情感和情绪比较复杂，不容易界定，所以并没有一个统一的标准对其划分。

根据众多学者对情绪、情感的分类和消费的特点，以及根据后文对情绪强度的计算和三维坐标模型建立的需求，本文将消费情绪分为7大类：乐、好、忠、怒、哀、惧、惊。将这7大类归为3种态度。有些词虽然属于同一大类，但是却从不同方向表现这一大类，所以再将这7大类细化为25个子类，即：喜爱、安心、愤怒、憎恶、惊奇等。分类结果如表1所示。

6结语

随着网络购物的兴起，人们越来越多在网上购物，购物后的评价是很重要的，体现着消费者的消费情绪，卖家的逼迫或习惯性好评使好评率并不真实，但是在评价内容本身会体现出消费者的不满意。本文基于三维坐标模型，用三维坐标词汇分类算法将消费情绪词汇分类，构建本体库，用计算机的语言来定义消费情绪词汇，再用消费情绪判断算法得出消费者的真实情绪，减少了好评中的非真实好评数，使评价内容更真实，体现了消费者的真实情绪。下一步研究的关键就是，根据评价的不同方向，来进一步对评价进行分析，比如：许多消费者评价快递的好坏，这对于商品本身并没有作用，所以要针对不同方向进行分析研究，提高准确度。

参考文献：

[1]PAK A， PAROUBEK P. Twitter as a corpus for sentiment analysis and opinion mining [C]// Proceedings of the International Conference on Language Resources and Evaluation Conference. Malta： LREC， 2010：1320-1326.

[2]MELVILLE P， GRYC W， LAWRENCE R D. Sentiment analysis of blogs by combining lexical knowledge with text classification[C]// Proceedings of the 15th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York： ACM Press， 2009： 1275-1284.

[3]GO A， BHAYANI R， HUANG L. Twitter sentiment classification using distant supervision[EB/OL].[20121010].

http：//cs.stanford.edu/people/alecmgo/papers/TwitterDistantSupervision09.pdf.

[4]庞磊， 李寿山， 周国栋. 基于情绪知识的中文微博情感分类方法[J]. 计算机工程， 2012， 38（13）：156-158.

[5]刘鲁， 刘志明. 基于机器学习的中文微博情感分类实证研究[J]. 计算机工程与应用， 2012， 48（1）：1-4.

[6]张珊， 于留宝， 胡长军. 基于表情图片与情感词的中文微博情感分析[J]. 计算机科学， 2012， 39（Z3）：146-148.

[7]徐琳宏，林鸿飞，赵晶.基于语义理解的文本倾向性识别机制[J].中文信息学报，2007，21（1）：96-101.

[8]徐琳宏，林鸿飞，潘宇.情感词汇本体的构造[J].情报学报，2008，27（2）：180-185.

[9]崔大志，孙立伟.在线评论情感词汇模糊本体库构建[J].辽宁工程技术大学学报，2010，12（4）：395-398.

[10]邹忠民.作家的情绪心理[J]. 昭通师范高等专科学校学报，1992，14（2）：64-71.

[11]林传鼎.社会主义心理学中的情绪问题——在中国社会心理学研究会成立大会上的报告（摘要）[J].社会心理科学，2006，21（1）：37-37.

[12]许小颖，陶建华.汉语情感系统中情感划分的研究[C]// 第一届中国情感计算及智能交互学术会议论文集.北京：中国中文信息学会， 2003：199-205.

[13]EKMAN P. Facial expression and emotion[J]. American Psychologist， 1993， 48（4）： 384-392.

[14]ZHANG Y， LI Z M， REN F J. et al. Semiautomatic emotion recognition from textual input based on the constructed emotion thesaurus [C]// Proceedings of 2005 IEEE International Conference on Natural Language Processing and Knowledge Engineering. Piscataway， NJ： IEEE Press， 2005：571-576.

[15]NECHES R， FIKES R E， GRUBER T R，et al. Enabling technology for knowledge sharing[J].AI Magazine，1991，12（3）：36-56.

[16]宋炜，张铭.语义网简明教程[M].北京：高等教育出版社，2004.

[17]GRUBER T R. Toward principles for the design of ontologies used for knowledge sharing[J]. International Journal of Human Computer Studies， 1995， 43（5）： 907-928.

[18]杨卓.本体理论研究初探[J]. 中小企业管理与科技，2011（21）： 142-143.

[19]滕悦明.基于本体的远程教学辅助系统的设计与实现[D].北京：北京邮电大学，2007.

[20]梅家驹，竺一鸣，高蕴琦，等.同义词词林[M].上海：上海辞书出版社，1996.

[21]韩容洙.现代汉语的程度副词[J].汉语学习，2000（2）： 12-15.

[22]王海， 冯向前， 钱钢. 网页在线评论情感倾向的直觉模糊分类[J]. 计算机工程与应用， 2013， 49（1）：148-152.