摘要
“5G”网络的出现让互联网的发展步入新时代，信息的传播效率得到大幅度提升，“互联网+餐饮”需要与时俱进，做到数字化精细运营，及时感知用户体验，从而优化产品性能提高收益。在线评论数据是指人们发表在某平台的针对某一事件的实时个性化言论，直接反映了出发布者对事件的真实态度，通过自然语言处理技术对这类数据进行分析、挖掘，已经成为用户消费行为分析和电子商务交互等领域关注的热点课题，但将在线评论数据用于用户满意度评价的研究较为稀少。 本文采集了当今市场占有份额前三位的综合类外卖APP——美团外卖、饿了么、饿了么星选在APPStore中的在线评论数据，通过Python对数据依次进行预处理、文本分词,提取每条评论中TF-IDF值最高的前三个特征关键词，标注词性后初步筛选出与外卖APP属性特征相关的一系列名词，按APP特征进行分句时，频次过低的词语在一个短句中出现的频率几乎为零，更谈不上有关该特征词的情感极性倾向，二次筛选后最终选取了29个特征关键词作为满意度综合评价的三级指标。 然后，利用搜集的外卖领域相关语料训练Word2Vec词向量模型，通过该模型得到每个特征备选词的词向量，采用K-means聚类的方法对特征词向量化后的特征词进行聚类，最终通过手肘图得出聚为5类效果最好。基于各类别中的关键词将5个大类分别命名为：价格、商品、配送、服务、交互，作为满意度综合评价的二级指标。依据前文各级指标在文本中频数大小构建成对比较矩阵，建立基于层次分析法的综合评价体系。利用78472条已标注情感极性的外卖APP相关评论数据，基于keras框架训练TextCNN情感二分类模型，反复调节参数使得效果最优，最终分类准确率达到95.64%，召回率和F1值均达到92%以上，并调用该模型计算外每个卖APP在线评论文本在各个特征上的满意度评分(情感极性为积极的频率)，对评分进行加权计算，进而得到用户对每个外卖APP的综合评分。 结果表明，用户更追求“物美”、“价廉”。用户对外卖类APP的关注点大体可分为商品、服务、配送、交互、价格五个大类。价格和餐品质量是最能影响用户决策的因素，其次是商品的配送情况，用户对APP的交互效果、服务两个维度在意程度相对较低。美团外卖的用户综合满意度最高，其优势体现在服务、价格和商品方面，而商品的配送、APP交互还有待提升。饿了么优势体现在服务、配送和交互三个维度上，平台商品的定价处于劣势，提升空间较大。饿了么星选平台商品质量和配送服务满意度得分较高，商品的价格、APP交互还有待提升。
NETL