一种电商产品竞争分析方法及系统技术方案

本发明专利技术提供一种电商产品竞争分析方法及系统，方法包括：基于爬取的多条电商评论数据，建立电商评论情感字典；挖掘电商产品的每一个产品属性；根据电商评论情感字典确定消费者对每一个产品属性的情感极性；基于每一个产品属性出现的频次，确定每一个产品属性的权重；根据消费者对电商产品的每一个产品属性的情感极性和每一个产品属性的权重，计算消费者对电商产品的总体情感。本发明专利技术对电商评论数据进行处理分析，计算出消费者对每一个电商产品的总体情感，根据消费者对每一个电商产品的总体情感对每一个电商产品的竞争能力进行分析，为电商产品商家和消费者提供了有价值的信息。

A competitive analysis method and system of e-commerce products

【技术实现步骤摘要】
一种电商产品竞争分析方法及系统
本专利技术属于电子商务
，尤其涉及一种电商产品竞争分析方法及系统。
技术介绍
电子商务的快速发展，网络购物日益成为重要的购物方式。电商评论即消费者的声音在产品竞争中起着重要作用，该领域的传统方法主要侧重于市场研究和问卷调查，以获得客户偏好。然而电商评论提供了一个良好可靠的渠道，不仅可以了解消费者对一种产品或服务的需求，还可以分析产品在市场中的竞争。随着网购人群数量日益增长，电商评论数据呈显爆发式增长，其中一款产品或一项服务的评论就可能达到几千、几万甚至几百万条，对于潜在消费者和商家来说，逐条阅读显然不可能，只看一部分又可能得到片面的结果。
技术实现思路
为克服上述现有的问题或者至少部分地解决上述问题，本专利技术实施例提供一种电商产品竞争分析方法及系统。根据本专利技术实施例的第一方面，提供一种电商产品竞争分析方法，包括：基于爬取的多条电商评论数据，建立电商评论情感字典；根据所述多条电商评论数据，挖掘电商产品的每一个产品属性；根据所述电商评论情感字典确定每一条电商评论数据中消费者对每一个产品属性的情感极性；基于每一个产品属性出现的频次，确定每一个产品属性的权重；根据所述消费者对电商产品的每一个产品属性的情感极性和每一个产品属性的权重，计算消费者对电商产品的总体情感。在上述技术方案的基础上，本专利技术还可以作出如下改进。进一步的，所述基于爬取的多条电商评论数据，建立电商评论情感字典包括：对每一条电商评论数据进行预处理，建立电商评论语料库；根据所述电商评论语料库，基于hownet字典建立电商评论情感字典。进一步的，所述预处理包括分词、去停用词和词性标注。进一步的，所述根据所述多条电商评论数据，挖掘电商产品的每一个产品属性包括：采用LDA主题模型挖掘每一条电商评论数据中的主题，所述主题为产品属性，得到所述多条电商评论数据对应的多个产品属性。进一步的，所述消费者对每一个产品属性的情感极性包括积极情感极性、消极情感极性和中性情感极性。进一步的，所述基于每一个产品属性出现的频次，确定每一个产品属性的权重包括：统计每一个产品属性在所述多条电商评论数据中出现的频次，根据所述频次确定每一个产品属性的权重。进一步的，所述根据所述消费者对电商产品的每一个产品属性的情感极性和每一个产品属性的权重，计算消费者对电商产品的总体情感包括：对每一个产品属性的情感极性进行赋值；根据每一个产品属性的情感极性的赋值，和每一个产品属性的权重，计算消费者对电商产品的总体情感。进一步的，还包括：对于任一个电商产品，绘制所述任一个电商产品与消费者对所述任一个电商产品的总体情感之间的图表，对所述任一个电商产品的竞争能力进行分析。根据本专利技术实施例第二方面提供一种电商产品竞争分析系统，包括：爬取模块，用于基于爬取的多条电商评论数据，建立电商评论情感字典；挖掘模块，用于根据所述多条电商评论数据，挖掘电商产品的每一个产品属性；第一确定模块，用于根据所述电商评论情感字典确定每一条电商评论数据中消费者对每一个产品属性的情感极性；第二确定模块，用于基于每一个产品属性出现的频次，确定每一个产品属性的权重；计算模块，用于根据所述消费者对电商产品的每一个产品属性的情感极性和每一个产品属性的权重，计算消费者对电商产品的总体情感。根据本专利技术实施例的第三个方面，还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器调用所述程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的电商产品竞争分析方法。根据本专利技术实施例的第四个方面，还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的电商产品竞争分析方法。本专利技术实施例提供一种电商产品竞争分析方法及系统，对电商评论数据进行处理分析，计算出消费者对每一个电商产品的总体情感，根据消费者对每一个电商产品的总体情感对每一个电商产品的竞争能力进行分析，为电商产品商家和消费者提供了有价值的信息。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的电商产品竞争分析方法整体流程示意图；图2为本专利技术实施例提供的建立电商评论情感字典方法流程图；图3为本专利技术实施例的电商产品竞争分析系统整体结构示意图；图4为本专利技术实施例提供的电子设备整体结构示意图。具体实施方式为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在本专利技术的一个实施例中提供一种电商产品竞争分析方法，图1为本专利技术实施例提供的电商产品竞争分析方法整体流程示意图，该方法包括：基于爬取的多条电商评论数据，建立电商评论情感字典；根据所述多条电商评论数据，挖掘电商产品的每一个产品属性；根据所述电商评论情感字典确定每一条电商评论数据中消费者对每一个产品属性的情感极性；基于每一个产品属性出现的频次，确定每一个产品属性的权重；根据所述消费者对电商产品的每一个产品属性的情感极性和每一个产品属性的权重，计算消费者对电商产品的总体情感。可以理解的是，消费者在电商平台对电商产品购买后，会对购买的电商产品进行评论，根据消费者对电商产品的评论可知晓消费者对购买的电商产品的情感。本专利技术实施例对电商平台上的电商评论数据进行爬取，即爬取每一个电商产品的多条评论数据(以下称为每一个电商产品的多条电商评论数据)，对电商评论数据进行处理分析，计算出消费者对每一个电商产品的总体情感，根据消费者对每一个电商产品的总体情感对每一个电商产品的竞争能力进行分析，对于众多的电商评论数据，使用自动计算方法(如主题分析和情感分析)来处理大量的评论数据，来提取有意义的信息和见解，为电商产品商家和消费者提供了有价值的信息。参见图2，在上述实施例的基础上，本专利技术实施例中，所述基于爬取的多条电商评论数据，建立电商评论情感字典包括：对每一条电商评论数据进行预处理，建立电商评论语料库；根据所述电商评论语料库，基于hownet字典建立电商评论情感字典。可以理解的是，对于爬取的每一条电商评论数据(包括多个电商产品的多条电商评论数据)，建立电商评论语料库，具体在建立电商评论语料库时，是基于hownet字典本文档来自技高网...

【技术保护点】
1.一种电商产品竞争分析方法，其特征在于，包括：/n基于爬取的电商产品的多条电商评论数据，建立电商评论情感字典；/n根据所述多条电商评论数据，挖掘电商产品的每一个产品属性；/n根据所述电商评论情感字典确定每一条电商评论数据中消费者对每一个产品属性的情感极性；/n基于每一个产品属性出现的频次，确定每一个产品属性的权重；/n根据所述消费者对电商产品的每一个产品属性的情感极性和每一个产品属性的权重，计算消费者对电商产品的总体情感。/n

【技术特征摘要】
1.一种电商产品竞争分析方法，其特征在于，包括：
基于爬取的电商产品的多条电商评论数据，建立电商评论情感字典；
根据所述多条电商评论数据，挖掘电商产品的每一个产品属性；
根据所述电商评论情感字典确定每一条电商评论数据中消费者对每一个产品属性的情感极性；
基于每一个产品属性出现的频次，确定每一个产品属性的权重；
根据所述消费者对电商产品的每一个产品属性的情感极性和每一个产品属性的权重，计算消费者对电商产品的总体情感。


2.根据权利要求1所述的电商产品竞争分析方法，其特征在于，所述基于爬取的多条电商评论数据，建立电商评论情感字典包括：
对每一条电商评论数据进行预处理，建立电商评论语料库；
根据所述电商评论语料库，基于hownet字典建立电商评论情感字典。


3.根据权利要求2所述的电商产品竞争分析方法，其特征在于，所述预处理包括分词、去停用词和词性标注。


4.根据权利要求2所述的电商产品竞争分析方法，其特征在于，所述根据所述多条电商评论数据，挖掘电商产品的每一个产品属性包括：
采用LDA主题模型挖掘每一条电商评论数据中的主题，所述主题为产品属性，得到所述多条电商评论数据对应的多个产品属性。


5.根据权利要求1所述的电商产品竞争分析方法，其特征在于，所述消费者对每一个产品属性的情感极性包括积极情感极性、消极情感极性和中性情感极性。


6.根据权利要求5所述的电商产品竞争分析方法，其特征在于，所述基于每一个产品属性出现的频次，确定每一个产品属性的权重包括：...

【专利技术属性】
技术研发人员：高万林，时爽，任延昭，王敏娟，郭超，何东彬，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京;11