在线评论的情感分析需要用到什么软件

数据分析所需要用到的软件
篇一:在线评论的情感分析需要用到什么软件

数据分析所需要用到的软件（步步进阶学习）

数据分析的4个层次：

数据存储层——>数据报表层——>数据分析层——>数据展现层

1. 存储层：（建议先从ACCESS先学；然后根据你具体的工作的公司使用的数据库，再学习

该数据库。）（你是做分析的，所以数据库这个版块会用就行了，不需要深度专研）  Access2013：这是最基本的个人数据库，经常用于个人或部分基本的数据存储；  MySQL数据库，这个对于部门级或者互联网的数据库应用是必要的，这个时候关键

掌握数据库的库结构和SQL语言的数据查询能力；

 SQL Server，对中小企业，一些大型企业也可以采用SQL Server数据库，其实这个时

候本身除了数据存储，也包括了数据报表和数据分析了，甚至数据挖掘工具都在其中了；

 DB2，Oracle数据库都是大型数据库了，主要是企业级，特别是大型企业或者对数据

海量存储需求的就是必须的了，一般大型数据库公司都提供非常好的数据整合应用平台；

 BI级，实际上这个不是数据库，而是建立在前面数据库基础上的，这个主要是数据

库的企业应用级了，一般这个时候的数据库都叫数据仓库了，Data Warehouse，建立在DW级上的数据存储基本上都是商业智能平台，或许整合了各种数据分析，报表、分析和展现！

2. 报表层（这两个软件最好掌握其中之一，tableau功能特别强大，可视化也做得很好，

对客户理解特别方便）

 Crystal Report（水晶报表），Bill报表，这都是全球最流行的报表工具，非常规范的

报表设计思想，早期商业智能其实大部分人的理解就是报表系统，不借助IT技术人员就可以获取企业各种信息——报表。而且很多数据库内置的报表也是采用CR报表的开发版嵌入的！

 Tableau软件，这个软件是近年来非常棒的一个软件，当然它已经不是单纯的数据报

表软件了，而是更为可视化的数据分析软件，因为我经常用它来从数据库中进行报表和可视化分析，先暂列在报表层；

3. 分析层(建议先掌握Excel和SPSS Statistics就行了，等需要的时候再学SAS，那个需要掌

握一些语言。)

 Excel软件，首先版本越高越好用这是肯定的；当然对Excel来讲很多人只是掌握了

5%Excel功能，Excel功能非常强大，甚至可以完成所有的统计分析工作

 SPSS Statistics；很使用，不需要掌握语言就能用。做社会学分析特别不错

 SAS软件：SAS相对SPSS其实功能更强大，SAS是平台化的，EM挖掘模块平台整合，

相对来讲，SAS比较难学些，但如果掌握了SAS会更有价值，比如离散选择模型，抽样问题，正交实验设计等还是SAS比较好用，另外，SAS的学习材料比较多，也公开，会有收获的！

 SPSS Molder软件：数据挖掘工具

4. 表现层（建议先学Powerpoint和Mindmanager） 

 PowerPoint软件：这个没得说了，大部分人都是用PPT写报告； Visio、SmartDraw软件：这些都是非常好用的流程图、营销图表、地图等，而且

从这里可以得到很多零件；

 Swiff Chart软件：制作图表的软件，生成的是Flash；



 Color Wheel软件：配色软件 Yed软件：网络关系图、流程图和图形分析软件，类似SNA分析，我经常用来设

计流程图，还有就是分析优化关系图；

 Netdraw软件：这是社会网络分析展现软件，主要是可视化网络关系图的，读取

Ucinet软件；

 Mindmanager软件：思维导图，非常好的软件，可以把非线性思维很快构建起来，

并且项目组织管理、报告设计构想都可以应用，直接生成PPT等，当然这个软件功能非常强大，我的学生都用它来做笔记和会议记录；

互联网产品评论的情感分类研究
篇二:在线评论的情感分析需要用到什么软件

大

连 民 族 学 院 本 科 毕 业 设 计（论 文）

互联网产品评论的情感分类研究

学 院（系）： 计算机科学与工程

专 业： 计算机科学与技术

学 生 姓 名： 赵迪

学 号： 2010210730

指 导 教 师： 孟佳娜

评 阅 教 师： 刘爽

完 成 日 期： 2015年6月16日

大连民族学院

摘 要

情感分类研究是最近十多年来新出现的一门学科，而且这门学科将会影响到很多学科的调研作用，尤其在文化的方面，可以真正的了解大众情感趋势和大众情感预测。目前，情感分类研究学科主要研究褒义贬义的情感分类研究、在线的语言价值挖掘，大部分的研究需要基础性信息搜索、学习计算机机器语言、处理大众信息语言、数学统计学相关的专业知识，现在也有一些特定的处理语言方法，收集网络评论后台的数据库，对文档进行分析，可以判别出其中的复杂情感，判断用户的情绪变化趋势，这也是大数据时代，对数据分析的基础。

本文针对主要针对互联网的中文产品评论文本，对其进行评论倾向性的分析，并根据已标注的样本，对产品评论的倾向性进行预测。本系统首先对语料进行处理，使用分词系统对语料进行分词、去停用词、构建词典。然后通过TFIDF加权算法对语料的权值计算。最后，使用支持向量机LIBSVM料进行分类，得到产品评论的正面或负面的倾向性预测结果。

关键词：情感分类; 权值; 语料; 支持向量机

Research on Sentiment classification of Internet Product

Reviews

Abstract

Emotional classification study is in the past ten years a new discipline, and the subject will affect a lot of subjects of research, especially in the aspect of culture, can truly understand the public emotional trend and affective forecasting of the masses. At present, the emotional classification research subject research of good negative emotion classification research, online language value mining, most research need basic information search, learn computer machine language, process, public

information language, mathematical statistics related professional knowledge, now there are some specific methods of processing language collection network comments the background database, analysis of documents, can identify the complex emotions, judge the trend of the user's mood changes, this is the era of big data, on the basis of data analysis.

This paper focuses on the Internet product reviews in Chinese text, the analysis of the comment on its orientation, and according to the marked sample, to predict the tendency of product reviews. This system to deal with corpus, the first to use the word segmentation system to participle corpus, to stop words and the lexicon. And then through the weighted algorithm TFIDF weight calculation of corpus. Finally, the use of support machines LIBSVM material classification, be positive or negative

orientation of product reviews prediction results.

Key words：sentiment classification; weight; corpus; support vector machine

目 录

摘 要.............................................................................................................................. I Research on Sentiment classification of Internet Product Reviews.............................. II 1 绪论....................................................................................................................... - 1 -

1.1课题背景..................................................................................................... - 1 -

1.2 研究现状.................................................................................................... - 2 -

1.3 本文工作.................................................................................................... - 2 -

2. 产品评论倾向性分析.......................................................................................... - 4 -

2.1什么是中文分词......................................................................................... - 4 -

2.2中文分词技术............................................................................................. - 4 -

2.2.1字符对比分词.................................................................................. - 4 -

2.2.2理解切分分词.................................................................................. - 5 -

2.2.3基于统计的分词方法...................................................................... - 6 -

2.3分词中的难题............................................................................................. - 6 -

2.3.1歧义识别.......................................................................................... - 6 -

2.3.2新词识别.......................................................................................... - 7 -

2.4 ICTCLAS .................................................................................................... - 7 -

2.5 什么是TFIDF ........................................................................................... - 8 -

2.5.1 TFIDF的概率模型 ......................................................................... - 8 -

2.5.2 TFIDF的工作流程图 ..................................................................... - 8 -在线评论的情感分析需要用到什么软件。

2.6 什么是libsvm ............................................................................................ - 9 - 3 系统设计与实现................................................................................................. - 10 -

3.1系统流程................................................................................................... - 10 -

3.2具体步骤................................................................................................... - 10 -

3.3 软件的前端设计...................................................................................... - 13 -

4. 实验结果及分析................................................................................................ - 15 -

4.1实验语料与实验结果............................................................................... - 15 -

4.2实验分析................................................................................................... - 17 - 5 结论..................................................................................................................... - 19 - 致 谢....................................................................................................................... - 20 - 参考文献................................................................................................................. - 21 -

1 绪论

1.1课题背景

互联网产品评论的分类研究，是指通过特定的分类算法，对互联网产品评论分类，发现消费者是否对商品满意，可以将消费者的态度分为两类，将互联网产品评论分类，可以统计出褒义评论的条数和贬义评论的条数，通过百分比的比较，可以看出消费者是否对互联网商品是否满意，判断这个互联网产品是否成功，从而也可以给商品公司一个判断未来趋势的方向，通过消费者的反馈信息，商家可以根据这些消息对互联网商品进行创新或者完善，使商品更加符合消费者的口味，商家才可以赚取更多的价值。在线评论的情感分析需要用到什么软件。

互联网对对信息共享有着不可磨灭的功勋，随着互联网的不断演化，新一代的格局又将出现，大数据时代，中国人可能对数据的接触不是很深刻，随着中国走出世界，看到许多国外的处理数据模式，所以中国开启了创新模式，简单的来讲数据来说，许多人都看过美国的职业篮球比赛NBA，在比赛中每当暂停比赛时就会插播一段数据统计，其实我们看来没有什么真正的用处，可能就是简单的自身技术的好坏，其实不然，从小的方面来讲，从数据里面我们可以分析判断球员的整体技术，以及对球队的贡献大小，从大的方面来讲，从数据里面可以判断这支球队在未来有什么变化，这就是数据分析的功劳。使用支持向量机[1][2][3]LIBSVM料进行分类，得到产品评论的正面或负面的倾向性[4][5][6]预测结果。

互联网产品的分类研究[7][8]作为时下的潮流项目，对数据挖掘分类研究非常宽阔。可以区分互联网产品的评论文本获取商品的价值属性，了解消费者的积极还是消极的购买态度，从而获得互联网产品分类研究和商品预售前景的关系。

目前，在中国线上销售，有很多的厂商和电商，比如说淘宝商城和京东商城，我从网上下载的数据，发现中国每天有数以亿计的商城浏览量，因为现在信息的共享，许多人可以足不出户就可以买到自己喜欢的衣服，或者自己喜欢的商品，尤其是现在的年轻人更是对网购青睐有加，有的年轻人工作比较忙，所以没有时间做饭，很多人开始订叫外卖，现在比较流行的是美团和饿了么。其实现在的生活中方方面面都在与互联网相联系着，这就会产生一个问题，怎样判断一个物品的性质好坏，有的人会说质量不好我们可以退货，其实这是很麻烦的，首先是时间的问题，在物流将货物返回给厂家的时候会浪费掉一部分时间，其次是物流费用的问题，这部分的费用需要你本人承担，这样使你对网购失去了信心。现在又有许多人开始了新的购物模式，比如说我在实体店看中了一件衣服，但是我还无

基于情感倾向的在线评论对购买决策的影响
篇三:在线评论的情感分析需要用到什么软件

龙源期刊网 .cn

基于情感倾向的在线评论对购买决策的影响 作者：钱瑛 杨定华

来源：《商业研究》2015年第06期

摘要：本文从情感倾向角度研究好评的文本内容对用户购买行为的影响是否一致，结果表明好评的数量和正面情感倾向的评论文本内容对用户购买行为均有正向影响，更重要的是好评数量与评论文本内容情感倾向之间存在显著交互作用；但是，好评数量并不必然会对用户的购买行为产生正向影响，只有当正面在线评论文本情感倾向较高时，好评数量才会加大用户购买的可能性。

关键词：在线评论；情感倾向分析；从众效应；归因理论

中图分类号：F713365文献标识码：A

一、引言

在线评论为人们在网上购物提供了大量参考信息，成为影响消费者网购决策的重要因素。在现实环境中，评论者对一个特定主题表达的“情感”可能隐含着大量可以被利用的有价值的信息。当我们认真阅读这些在线文本评论的时候就会发现，并不是所有的好评下面都是正面评论。从评论的极性来看，这些评论应该为好评，但从具体内容的情感倾向看，却很容易发现其实这些是包含负面评论的好评，严格地说是差评。

情感分类作为在线评论信息自动理解的一个重要环节，已经引起越来越多学者的重视。情感分类以互联网上发布的商品评论为研究对象，挖掘用户在评论中表达的情感倾向，即正面评论或负面评论。通过对消费者评论的情感分析，在庞杂的海量在线评论信息中自动识别有多少评论者持正面态度，有多少评论者持负面态度，可以帮助消费者了解评论者对某种商品的态度倾向分布，从而做出正确的购买决策。

本研究把用户从评价选项中勾选出的“好评”选项下面的文本评价栏中写出的关于体验和使用商品的文本评论作为研究对象，通过对在线评论内容进行情感分析，以有效识别评论内容所隐含的情感倾向及其对购买决策的影响。

二、理论基础和研究假设

（一）从众理论和归因理论

当消费者在线上购物时，一般会比较关注信用和评级比较好的店铺和商品。好评数量的说服效果可以用从众效应来解释。 Bumkrant 将从众定义为建立一个群体规范并使得个体具有遵从这一群体规范的倾向性，即如果大量的他人都做出同样的选择将减少购买前的知觉风险和购买之后的决策遗憾，人们往往会遵从大多数人的意见，并忽视少数人的意见。在购买决策过程

在线评论的情感分析需要用到什么软件

http://m.myl5520.com/sanwen/125823.html