王 越，支鑫荣，赵 萌，童新安

(洛阳理工学院，河南 洛阳 471023)

0 引言

近年来，线上购物已成为人们生活中不可或缺的部分，但是线上购物平台产品的质量参差不齐，而客户的反馈评价是最能直接反映产品优劣程度的指标。通过产品销售数据，分析其在评价结果中的最优产品系列，并重点通过PMI算法[1]将评论文本量化过程及运用TOPSIS算法进行数据分析。以亚马逊平台某微波炉产品2004---2015年的销售数据为研究对象，其部分数据样本如表1所示。其中，Product title表示产品名称，Star rating表示星级评价，Helpful vote与Total votes分别表示帮助投票数与总投票数，VINE与Verified purchase分别表示不同类型客户，Review date表示评论时间，Review body表示评论文本内容。

表1 预处理前的销售数据(部分)

1 评论文本的识别与分类处理

PMI算法原理是统计两个词汇在文本中同时出现的概率，其概率越大，则相关性越紧密，关联度越高[2]。该算法常用于解决文本感情分析问题。采用PMI算法对评论进行量化处理，其主要步骤如图1所示[3]。

图1 PMI算法流程图

步骤1：搜索句子中的情感关键词并计数。

WordNet词典被广泛使用在英语感情分析中，对一个句子中的单词进行情感分析时，首先应确定该单词是否包括在情感词典中，如果情感词典中存在该单词，则将情感词典中该单词的情感信息作为情感分析结果，如果情感词典中不存在该单词，则选择与该单词意思较为接近的基准单词，根据基准单词在情感词典中的信息判断该单词的情感意思。

步骤2：搜索情感单词的相关性。

为了计算两个单词相互关联程度，采用PMI算法，即点互信息，其计算公式如下：