电商评论情感分析（下）

作者：@白加黑治感冒

7.1 Rostcm6实现：

这是处理前的文本内容，我们将爬取到的数据，只去除评论这一字段，然后保存为TXT格式，打开如下，按照流程我们先去除重复和字符，英文，数字等项.

2. 文本处理–一般性处理—处理条件选 “凡是重复的行只保留一行”与”把所有行中包含的英文字符全部删掉” 用来去掉英文和数字等字符 36大数据（http://www.36dsj.com/）

这是处理后的文档内容，可以看到数字和英文都被删除了. 36大数据（http://www.36dsj.com/）

3.接下来， 再进行分词处理. 点 功能分析 —-分词 (这里可以选择自定义词库，比如搜狗词库，或者其他)

4. 接下来，我们进行专有名词，停用词过滤. 并统计词频.点 功能分析 —词频分析(中文)

在功能性分析下点情感分析，可以进行情感分析， 36大数据（http://www.36dsj.com/）

并可以实现云图的可视化. 36大数据（http://www.36dsj.com/）

7.2 R的实现 36大数据（http://www.36dsj.com/）

这里需要安装几个必须包，因为有几个包安装比较复杂。 点击前往>>>

大家可以参看这个博客安装包.安装完成后就可以开始R文本挖掘了，下面代码说明性文字比较少，各个函数的功能对于初学者来说比较陌生，读者可以先看完这几篇文章，了解了各个函数的功能后再用R进行文本挖掘链接如下：

http：//www.ppvke.com/Blog/archives/29060

http：//mp.weixin.qq.com/s%3Fsn … irect

看完后，再进行就会明朗很多了. 36大数据（http://www.36dsj.com/）

8.结果展示与说明

这是分析的部分结果.可以看到大部分客户的评论包含积极情绪，说明了客户对于美的热水器认可度比较高满意度也可以，当然，我们仅凭情感分析的结果是无法看出，客户到底对于哪些方面满意，哪些方面不满意，我们有什么可以保持的地方，又有哪些需要改进的地方，这就需要我们的另一项结果展示.

点可视化工具，便可得到词频云图.根据云图，我们可以看到客户最最关心的几个点，也就是评论中，说得比较多的几个点，由图我们可以看到”安装”，”师傅””配件””加热””快””便宜””速度””品牌””京东””送货”“服务””价格””加热”等等关键词出现频率较高，我们大致可以猜测的是

1. 安装方面的问题
2. 热水器价格方面比较便宜
3. 热水器功能方面 加热快
4. 京东的服务和送货比较快

另外值得我们注意的是，云图里面，也有些”好”，”大”，”满意”等等出现比较多的词，我们尚且不知道这些词背后的语义，这就需要我们去找到相应的评论，提取出这些词相应的主题点.再加以优化分析的结果

End.