摘要
近年来，在政策支持、科技进步以及人民生活水平提高等背景下，智能可穿戴设备行业正高速发展，本研究基于文本挖掘技术，从多角度分析智能可穿戴设备行业的消费者需求，进而给产品生产商和产品销售平台提出针对性建议，助力智能可穿戴设备行业更好发展。 本研究分别采集四类智能可穿戴设备的用户评价和商品问答数据，重构SnowNLP情感语料库，重新训练模型，应用新模型分别计算四类智能可穿戴设备的情感得分，从整体上分析消费者情感倾向现状。然后基于两种文本向量化方法与三种机器学习算法结合构建领域情感分类模型，利用有标签的数据训练模型，并利用网格搜索方法确定分类模型的参数组合，依据五种评价指标比较评估分类模型的优劣，选择基于TfidfVectorizer与Logistic回归算法结合的情感分类器对其余无标签的文本进行分类，实现对用户评论的情感极性分类。 对分类后的正向、负向用户评论文本分别进行词频统计和可视化，分析消费者的评论主要围绕哪些方面。利用LDA模型分别对四类智能可穿戴设备的正向、负向评论进行主题建模，以困惑度最低的原则确定提取主题数，根据得到的主题-关键词分布，总结描述每个主题，分析影响消费者情感倾向的因素;对于商品提问文本数据，利用BTM模型提取主题，分析影响消费者做出购买决策的因素。 根据研究结果提出以下建议:对于智能可穿戴设备产业链中游的品牌商，要提升产品质量，丰富产品功能;针对细分人群，细化设备功能;合理设置产品价格，提升产品的性价比;打造良好口碑，提升品牌影响力。对于产业链下游的销售平台，要创新宣传方式，扩宽销售渠道;推出优惠促销活动，提供保价服务;提升售后服务质量，及时解决问题。
NETL