对商品评论进行文本分析(NLP)的案例解析

文本分析技术是指使用计算机程序或算法处理、分析和理解文本数据的一系列方法。这种技术在自然语言处理（NLP）领域中非常重要，它可以应用于多种场景，包括但不限于情感分析、主题识别、信息提取、文本分类等。以下是一些常见的文本分析技术和方法：

1. 分词（Tokenization）：
   - 将文本分割成单独的词汇或短语，这是文本处理的第一步。

2. 词性标注（Part-of-Speech Tagging）：
   - 识别文本中每个词汇的词性，如名词、动词、形容词等。

3. 句法分析（Parsing）：
   - 理解句子的语法结构，包括短语结构和依存关系。

4. 情感分析（Sentiment Analysis）：
   - 判断文本的情感倾向，如正面、负面或中性。

5. 主题建模（Topic Modeling）：
   - 识别文本集合中的主题分布，常用于文档聚类和探索性数据分析。

6. 文本分类（Text Classification）：
   - 将文本分配到一个或多个类别中，如垃圾邮件检测、新闻分类等。

7. 命名实体识别（Named Entity Recognition, NER）：
   - 识别文本中的特定实体，如人名、地点、组织等。

8. 链接识别（Entity Linking）：
   - 将文本中的实体链接到知识库中的相应条目。

9. 关键词提取（Keyword Extraction）：
   - 自动提取文本中的关键词汇或短语。

10. 摘要生成（Summarization）：
    - 生成文本的简短摘要，保留主要信息。

11. 语义分析（Semantic Analysis）：
    - 理解文本的深层含义，包括词义消歧和句子的真正意图。

12. 机器翻译（Machine Translation）：
    - 将一种语言的文本自动翻译成另一种语言。

13. 文本相似度计算（Text Similarity）：
    - 计算文本之间的相似度，常用于信息检索和去重。

14. 自然语言理解（Natural Language Understanding, NLU）：
    - 综合理解自然语言的意图、情感、语境等。

15. 预训练语言模型（Pretrained Language Models）：
    - 使用大规模数据预训练的深度学习模型，如BERT、GPT等，用于各种NLP任务。

文本分析技术的应用非常广泛，从社交媒体监控到客户反馈分析，从自动化内容生成到智能搜索引擎，都是文本分析技术的用武之地。随着技术的发展，文本分析技术正变得越来越精准和智能，为各种行业提供数据驱动的洞察。

 

在这里介绍一个用于情感分析的Python库SnowNLP。SnowNLP是一个专为中文文本处理设计的Python库，它提供了包括分词、词性标注、情感分析、文本转换（简繁转换）、关键词提取、摘要生成、短语提取等多种功能。SnowNLP的核心优势在于对中文文本的处理能力，特别是情感分析功能。

SnowNLP的安装非常简单，可以通过pip命令直接安装：

pip install snownlp

或者使用这个命令：

#安装snownlp包
!pip install snownlp  -i https://pypi.tuna.tsinghua.edu.cn/simple

接下来将对关于一个包含对一个商品的3637条评论的文本数据集来进行文本分析。本文将使用jieba，snownlp，wordcloud，matplotlib等模块对文本数据进行了简要的情感分析及可视化。

数据观看和下载入口：‌​​​​‍‌‍​‬​​‍‬‍​‍⁠‬​⁠​‌​⁠​​‍‌‍​​​​‌​‌​​​​数据集_NLP - 飞书云文档 (feishu.cn)

一、情感分析

先导入数据：

import pandas as pd
data = pd.read_csv('./商品评论数据.csv')
data1 = data[['sku_id','content']]
data1.head(10)

显示数据样貌为：

from snownlp import SnowNLP
data1['emotion'] = data1['content'].apply(lambda x:SnowNLP(x).sentiments)
data1.head(10)

接下来利用先前提到的用于情感分析的Python库SnowNLP：

from snownlp import SnowNLP
data1['emotion'] = data1['content'].apply(lambda x:SnowNLP(x).sentiments)
data1.head(10)

可以得到如下结果：

情感分析的结果是一个介于0到1之间的分数，越接近1表示情感越正面，越接近0则表示情感越负面 ，因此我们可以根据情感评分筛选出积极评论和消极评论。

我们也可对这些情感评分进一步可视化：

#情感分直方图
import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False

bins=np.arange(0,1.1,0.1)
plt.hist(data1['emotion'],bins,color='#4F94CD',alpha=0.9)
plt.xlim(0,1)
plt.xlabel('情感分')
plt.ylabel('数量')
plt.title('情感分直方图')

plt.show()

可以得到如下的直方图：

便可得到如下结论：

• 由直方图可见，评论内容两级分化较为严重

二、所有评论的词云图

from wordcloud import WordCloud
import jieba
w = WordCloud()
text = ''
for s in data['content']:
    text += s
data_cut = ' '.join(jieba.lcut(text))

w = WordCloud(font_path='SimHei',
              stopwords=['的', '我', '了', '是', '和', '都', '就', '用'],
              width=2000,
              height=1200).generate(data_cut)
# 保存词云
w.to_file('词云图.png')
# 显示词云文件
plt.imshow(w)
plt.axis("off")
plt.show()

需要注意的是，为了运行这段代码，除了需要安装wordcloud和jieba库之外，还需要安装matplotlib库来显示图片。

• WordCloud 是一个用于生成词云的库。
• jieba 是一个中文分词库，用于将中文文本拆分成单独的词语。

• font_path='SimHei' 设置词云使用的字体，SimHei是一种常用的中文字体。
• stopwords=['的', '我', '了', '是', '和', '都', '就', '用'] 设置停用词列表，这些词在生成词云时会被忽略。
• width=2000 和 height=1200 设置生成的词云图片的宽度和高度。
• generate(data_cut) 是根据分词后的文本数据生成词云。

以下为所有评论的词云图：

接下来我们提取其中的最常出现的前10个关键词：

#关键词top10
from jieba import analyse 
key_words = jieba.analyse.extract_tags(sentence=text, topK=10, withWeight=True, allowPOS=())
key_words

代码调用extract_tags函数来提取关键词，并带有以下参数：

• sentence=text：要提取关键词的文本，这里使用之前拼接好的长字符串text。
• topK=10：指定提取关键词的数量，这里设置为10，表示提取出现频率最高的10个关键词。
• withWeight=True：设置是否返回每个关键词的权重（即该关键词在文本中的出现频率），这里设置为True表示返回权重。
• allowPOS=()：这是一个可选参数，用来指定提取关键词时允许的词性。这里设置为空元组()，表示不限制词性，默认情况下会提取所有词性的关键词。

结果如下：

以上关键词显示，消费者比较在意手机的“屏幕”“拍照”“手感”等特性。

三、积极评论和消极评论的词云图

先根据第一步得出的情感评分进行分类，数值大于0.5的为积极评论，数值小于0.5的为消极评论。从而得出积极评论与消极评论占比：

#计算积极评论与消极评论各自的数目
pos = 0
neg = 0
for i in data1['emotion']:
    if i >= 0.5:
        pos += 1
    else:
        neg += 1
print('积极评论，消极评论数目分别为：',pos,neg)

得出结果为积极评论，消极评论数目分别为： 2791，846。

接下来我们对消极评论进行详细的分析：

#获取消极评论数据
data2=data1[data1['emotion']<0.5]
data2.head(10)

我们先了解消极评论数据样貌：

用与之前类似的方法得出消极评论的词云图：

#消极评论词云图
text2 = ''
for s in data2['content']:
    text2 += s
data_cut2 = ' '.join(jieba.lcut(text2))
w.generate(data_cut2)
image = w.to_file('消极评论词云.png')

# 显示词云文件
plt.imshow(w)
plt.axis("off")
plt.show()

结果如下：

随后我们再用与之前类似的方法提取消极评论中最常出现的前10个关键词：

#消极评论关键词top10
key_words = jieba.analyse.extract_tags(sentence=text2, topK=10, withWeight=True, allowPOS=())
key_words

结果如下：

• 消极评论关键词显示，“屏幕”“快递”“充电”是造成用户体验不佳的几个重要因素；屏幕和充电问题有可能是手机不良品率过高或快递压迫；

• 因此平台应注重提高手机品控，降低不良品率；另外应设法提升发货，配送，派件的效率和质量。

 

以上就完成了对商品评论进行文本分析(NLP)的实战项目的全部流程，可以帮助了解用户使用体验，以此对平台运营提出优化建议。

 

想要探索更多元化的数据分析视角，可以关注之前发布的相关内容。