摘要
随着大数据技术的发展,我们可以使用数据挖掘等方法对数据分析,找出销售的内在联系。我们以2020年美赛C题的数据为例。首先对数据进行预处理,删除了残缺数据,同时将不被大多数顾客接受的评论视作无意义评论删除,也留下了没有被打分的评价。鉴于文本评论无法量化地进行数据分析,文章使用了基于情感词典的自然语言处理方法,根据文本评论包含的情感,把文本量化为1-5五个等级,分数越高,对产品的认可度越高。为了让公司高效地对产品进行改进,找出信息量最大的因素,持续监测分析。信息增益可以反应不同的特征具有多少信息量,信息增益的值越大,该特征含有的信息量越多。为了预测短时间内产品的销量走向,将文本情感得分和星级打分线性组合,构成一个综合指标,使用ARIMA模型预测综合指标的走向趋势,并将该综合指标的走向趋势等价于销量的等价趋势。
