使用 IBM Watson API 分析淘宝用户评论（6）分析评论回复特征

look_w

使用 Tone Analyzer API 分析评论回复特征使用 Tone Analyzer API 分析评论中的回复人员的语气特征，不仅能分析出与 Natural Language Understanding                    一样的情绪特征，还能识别出文字的社交倾向性，即开放性、尽责性、外倾性、随和性这些 ，这可以帮助分析商品评论的回复内容或者在线客服回复的文字内容，针对每个客服的语气分析，可以优化和改进沟通效果。这个 API 的                Java SDK 的使用与前面的 Natural Language Understanding 类似，本文就不再阐述了。读者可以在 开通 Tone Analyzer API 以及查看的详细介绍。以及查看 和在查看 。
商品评论分析示例现在，我们来具体举个例子分析一段商品评论信息，拷贝一段关于某件折叠床商品的评论信息保存到文件中，清单 12                展示了部分评论内容，完整内容请见本文附件中的 comments_demo.txt 文件。
清单 12.                商品评论内容片段

1 2 3 4 5 6 7 8 9 10

…… 真心无语,而且收到配件才发现，原来管子这么薄。 很好不错。躺着舒服。这个划算 纸箱破损，折弯不对称掉漆，坐了一会步就打皱了 使用焊管子做产品也就算了，管子居然不到 1.5mm。最多 1.2mm 收到货啦，打开非常满意，同事看到也想要买一个，已经分享链接给同事啦 买来公司值班用的 挺满意的 小巧方便 好坑啊 刚买两天就坏了 让给补发个床布 都好几天了 也没有影 ……

然后通过上面介绍的代码分析这段评论，经过程序分析，我们看看输出的关键字、情绪和情感特征结果，如图 8 所示：
图 8.                    商品评论文本分析返回结果从结果看,顾客的总体情绪为消极的，顾客对这款折叠床总体满意度不是很高，从情绪特征值也可以更加体现出来，生气和不满的比例相对较多，而满意的也有，但比例不高。然后进一步从关键字分析，顾客的情绪来源主要体现在折叠床的质量、客户服务和焊接等方面，而满意的方面体现在适合在医院使用、方便午休和小巧等方面。如果再结合                Tone Analyzer API                分析顾客和客服人员回复语言的性格特征，就又能分析哪种类型顾客更愿意购买，以及反之哪种类型顾客偏少。从上面的分析，可以帮助商家改进商品定位、找到服务质量的薄弱环节、扩大商品销售人群以及如何规范与改进客服服务流程等。