本书结合设计科学与计量经济两种研究范式，按照“模型设计→模型实现→模型评价”的研究思路，对“中文产品评论的细粒度情感分析”进行了系统的研究。在此基础上，建立产品销量的计量模型，分析产品评论的口碑效应，并且量化其对商家销量的影响。

具体来说，首先通过网络爬虫程序从互联网上自动下载产品的相关评论，然后利用细粒度情感分析技术挖掘产品评论中的特征观点对，并且对其进行情感分析，最后将细粒度情感分析的结果代入产品销量的计量模型，通过回归分析揭示产品评论对销量的影响机理。具体而言，包括以下四部分。

（1）特征词与观点词的识别

从统计自然语言处理的角度出发，提出基于LDA（Latent Dirichlet Allocation）主题模型的特征词与观点词识别算法。该方法首先构建面向产品评论的LDA主题模型；然后以评论片段为单位，通过词语聚类，提取片段中表达的情感和评价的产品属性；最后依据以词语为向量的概率分布矩阵，识别产品评论的特征词与观点词。

（2）特征词与观点词的配对

从语义分析的角度出发，提出基于领域本体的特征词与观点词配对算法。该方法首先以半结构化的产品参数说明为素材，以语义计算为手段，从产品评论中提取领域概念和概念之间的语义关系，并且基于此构建面向产品评论的领域本体；然后通过将产品评论映射到领域本体的概念空间，识别特征词与观点词之间的潜在语义关系；最后匹配特征词及其对应的观点词，并且识别隐式特征词。

（3）特征观点对的情感分析(www.daowen.com)

从上下文语义分析的角度出发，提出面向特征观点对的情感分析方法。该方法首先对观点词和观点修饰词的情感强度模糊性进行分析，并且从情感词典中提取少量的情感种子词、否定词、双重否定词和程度副词；然后，分析上下文语境对观点词情感强度与情感极性的影响，并且利用语义计算方法量化特征观点对的情感强度；最后确定情感强度的临界值，以此判断特征观点对的情感极性。

（4）产品评论对商家销量的影响

从实证研究的角度出发，采用计量经济学方法，以产品评论的细粒度情感分析为主要解释变量，构建产品评论对销量影响的计量经济模型。通过多元回归分析，量化产品评论与商家销量之间的关系，尤其是不同产品属性的正、负面评价对销量的影响程度与方向。通过经济学角度的研究，不仅为商家利用产品评论的正、负面口碑提供管理建议，还丰富了产品评论价值发现的研究体系。

基本的研究框架如图1-3所示。

图1-3　本书的研究框架图