[论文解读] Sentiment Analysis on Customer Responses

Antony Samuels, John Mcgonical|arXiv (Cornell University)|Jul 5, 2020

Sentiment Analysis and Opinion Mining参考文献 6被引用 6

一句话总结

本文采用观点挖掘与文本挖掘技术，对智能手机在线客户评论进行对比情感分析。其将情感分类为正面、负面和中性三类，通过分析真实世界评论数据，展示了客户反馈对产品感知的影响。

ABSTRACT

Sentiment analysis is one of the fastest spreading research areas in computer science, making it challenging to keep track of all the activities in the area. We present a customer feedback reviews on product, where we utilize opinion mining, text mining and sentiments, which has affected the surrounded world by changing their opinion on a specific product. Data used in this study are online product reviews collected from Amazon.com. We performed a comparative sentiment analysis of retrieved reviews. This research paper provides you with sentimental analysis of various smart phone opinions on smart phones dividing them Positive, Negative and Neutral Behaviour.

研究动机与目标

• 使用计算技术分析在线产品评论中的客户情感。
• 将智能手机评论分类为正面、负面和中性情感类别。
• 通过情感趋势分析客户意见如何影响产品感知。
• 评估情感分析在捕捉现实世界客户反馈方面的有效性。
• 提供不同智能手机型号之间情感分布的对比分析。

提出的方法

• 本研究使用从公开URL获取的在线产品评论作为主要数据源。
• 应用文本挖掘与观点挖掘技术，提取带有情感的短语和表达。
• 通过自然语言处理流程执行情感分类，将评论标记为正面、负面或中性。
• 对多个智能手机型号进行对比分析，以识别情感模式。
• 该方法依赖于成熟的NLP技术进行特征提取与情感评分。
• 分析基于公开可用数据，未报告自定义数据收集或模型训练。

实验结果

研究问题

• RQ1 基于在线评论，不同智能手机型号的客户情感有何差异？
• RQ2 智能手机评论中有多少比例被分类为正面、负面或中性？
• RQ3 情感趋势如何反映客户对特定产品感知的变化？
• RQ4 智能手机评论中最常见的带有情感的表达是什么？
• RQ5 情感分析在多大程度上能准确捕捉非结构化文本中的客户意见？

主要发现

• 本研究成功使用文本挖掘与观点挖掘技术，将智能手机评论分类为正面、负面和中性情感类别。
• 大量评论被归类为正面，表明某些型号的客户满意度较高。
• 负面情感主要与特定产品功能相关，如电池续航和摄像头质量。
• 中性情感常见于仅关注事实性规格而无情感色彩的评论中。
• 对比分析揭示了不同智能手机品牌和型号之间存在明显的情感模式差异。
• 结果表明，情感分析在大规模追踪与解读客户反馈方面具有可行性。