基于評論情感和自回歸模型的銷量預測研究.pdf

1、隨著Web2.0的出現，消費者用以表達自身觀點的途徑也發(fā)生了變化。他們開始在商家的網站上發(fā)表對商品的評論，并且通過這些評論來分享各自的經驗。不同于產品的描述信息，這些評論的撰寫完全基于用戶自己的意愿觀點，并且能夠對其他消費者的購買過程產生影響。這種影響可以從銷量情況或者產品價格等這些易于測量的經濟變量觀察得到。也正是由于網絡購物行為的持續(xù)發(fā)展，使得評論挖掘受到了很大的關注。
　　本文中，以書本評論作為研究對象，重點關注于評論中情感

2、信息的挖掘，并探討將這種信息用于產品銷量預測的方法。此外，前期銷量作為另一個能夠指示產品未來銷售情況的因素，它反映了市場的趨勢與影響力，也因此在預測中有著重要的作用。我們工作的重要性能夠在產品定價、市場營銷等諸多方面得到體現?？傮w來說，本文的工作主要體現在以下三個方面。
　　(1)針對評論中情感信息的挖掘，本文首先構造了情感詞詞典，然后采用基于詞典和TF-IDF的方法對產品的評論進行情感分析，最后通過將情感因素融合到自回歸模型中，

3、建立了新的預測模型——情感感知自回歸模型（Autoregressive Emotion-Sensitivemodel，ARES）。實驗結果表明，融入了情感信息的模型具有更好的預測性能。
　　(2)然而，由于自然語言在情感表達方面的復雜性，觀點信息通常體現在多個方面，因此基于TF-IDF的方法并不能捕捉評論中情感信息的全貌。這里，我們提出了潛在情感語言模型（Latent Sentiment Language Model，LSL）來解

4、決這個問題，該模型由捕獲評論中顯式情感信息的情感-語言模型（sentiment-language）以及捕獲其中隱式情感信息的情感-LDA模型(sentiment-LDA)構成。結合前期銷量的影響，最終生成了用于預測的情感自回歸模型(Sentiment Autoregressive Model，SAR)。實驗結果驗證了SAR的有效性以及情感信息的預測能力。
　　(3)此外，考慮到評論質量對消費者情感的影響，我們通過考察評論長度及其修