摘要
个性化定制生产使得企业更加重视用户潜在需求的挖掘，而伴随电子商务与社交网站迅猛发展所产生的大量在线评论成为企业挖掘用户需求的新兴数据来源。在线评论语义丰富、由用户主动表达，更客观地描述了用户需求，但也具有数量庞大、结构复杂的特点，因此如何有效挖掘其中蕴含的需求信息是学术界和业界共同关注的热点问题。解决这一问题不仅需要采用深层次挖掘方法对在线评论进行处理，还需要将在线评论所带来的有价值的数据与需求分析模型相结合。然而，当前研究更多针对前一个部分，主要运用特征提取、情感分析等方式挖掘在线评论中的需求信息，忽略了与用户需求模型的结合，缺少从在线评论挖掘到用户需求分析这样完整流程的构建，难以对在线评论中挖掘的基本需求信息做进一步处理与分析。 通过对在线评论与用户需求相关研究的系统梳理，本文构建了一个基于方面级情感分析的用户需求分析框架。第一部分为利用方面级情感分析方法挖掘用户多方面下的情感倾向，主要包含在线评论数据预处理、商品属性提取、构建基于BERT预训练模型的评论切分模型、构建基于BERT预训练模型的情感分类模型四个步骤。第二部分为通过KANO模型将用户需求与满意程度结合进行分析。利用第一部分获取到的用户对商品不同属性上的情感态度信息，依据KANO模型的相关概念，计算用户满意度（STFi）与用户关注度（PFCi），实现面向在线评论的用户需求分析。依据构建的分析框架，利用从“京东商城”获取的“手机”商品类别下相关在线评论数据，完成基于该数据的属性提取、评论切分、情感分析与KANO需求分析，以验证模型有效性。实验结果证实该分析框架能够有效提取在线评论中的信息，实现对手机类商品属性下的用户需求分析，为相关企业提供决策建议。 本文提出的面向在线评论的需求分析框架，实现了从数据挖掘到需求分析的完整流程。在理论层面丰富和完善了现有的需求挖掘模型，改进了传统KANO模型以适用于大数据背景下的用户需求分析，同时为在线评论下数据挖掘结果的进一步分析提供新视角。在实践层面，本文提供的需求分析框架，可以帮助企业进一步获取用户潜在需求，及时关注用户需求。对于不同类型的需求，企业可结合自身实际状况做出决策调整，从而使企业达到改进产品质量、增加用户、提升口碑的效果。
NETL