《表1 差评和好评的正反面情绪分析表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于文本挖掘对英语流利说App用户满意度影响因素的研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

以2018年5月1日至2019年5月1日为时间期限，从七麦大数据平台导出该时间段的评分。将差评分数界定为1分到3分，好评分数界定为4分和5分。用八爪鱼采集器共采集4?638条评分评论，其中差评2?234条，好评2?404条。数据预处理，在差评中基本无刷屏现象。而在好评中存在很多游戏广告、贷款广告、软件优化广告、淘宝优惠券以及网络小说的刷屏。将这些无关信息清除后，得到1?891条好评。采用中国科学院计算技术研究所的NLPIR分词系统分别对差评和好评做高频词统计，再分别对统计好的差评和好评里前150个高频词做情感分析（NLPIR情感分析主要采用了两种技术：一是利用Bootstrapping进行情感词的自动识别与权重计算；二是利用深度神经网络扩展计算情感词，得到综合的结果）[8]得出差评和好评里面的正面情绪和负面情绪词汇得分，如表1所示。如差评里的正面情绪得分占46.58%，负面情绪占53.42%，好评里面正面情绪占79.27%，负面情绪占20.73%，进一步说明了差评里面也包含用户满意因素，好评里面也包含了用户不满意因素，即用双因素理论来分析评论文本具有合理性。