数据挖掘的护肤品个性化推荐研究及应用(附件)
摘 要随着人们越来越注重自身价值的提升，护肤品市场越来越成熟。但随之而来的还有一些问题，护肤产品自身的多样性以及不同消费者的肤质特点，导致消费者为了降低购买风险在进行购买决策前一般会在网络中查询相关信息，因此，网络评价口碑成为影响消费者购买决策的关键。本文在windows10系统环境下，采用的开发工具为Pycharm，通过Python对太平洋时尚网的护肤品评论进行数据采集，预处理后获取有价值信息，对文本进行分词处理，建立属于适合本护肤品的评论词库，调用百度NLP对评论文本进行情感倾向分析，以Echarts平台展示数据。本文提出的基于数据挖掘的护肤品个性化推荐具有一定的可行性，可以较准确的分析出不同用户对护肤品的关注侧重点及偏好，对企业的产品改进以及辅助用户购买护肤品决策具有积极地意义。
目 录
第1章 前言 1
1.1 研究背景 1
1.2国内外研究现状 1
1.2.1国外研究现状 1
1.2.2国内研究现状 2
1.3研究目的和意义 3
1.4全文结构 3
第2章 Python网络爬虫概述 4
2.1网络爬虫 4
2.2基于Python的爬虫方法 4
第3章 数据预处理概述 6
3.1数据清理 6
3.2数据集成 6
3.3数据规约 6
3.4数据变换 6
3.5数据规范化 6
3.6中文分词 7
第4章 数据挖掘概述 8
4.1 数据挖掘的定义 8
4.2数据挖掘的流程 8
4.3数据挖掘任务 9
第5章 数据可视化技术概述 12
5.1数据可视化技术介绍 12
5.2数据可视化的用途 12
5.2 ECharts工具介绍 12
第6章 基于数据挖掘的个性化护肤品推荐研究 13
6.1个性化护肤品推荐研究综述 13
6.2数据采集 13
6 *好棒文|www.hbsrm.com +Q: ^351916072*
.3数据预处理 16
6.4词云分析 18
6.5情感倾向分析 20
6.6箱线图分析 23
6.6.1年龄箱线图分析 24
6.6.2肤质箱线图分析 27
第7章 总结与展望 31
7.1总结 31
7.2展望 31
参 考 文 献 32
致 谢 34
第1章 前言
1.1 研究背景
随着互联网技术的飞速发展以及经济全球化的加深，互联网体验成为人们争相追逐的热点。近几年，中国的网民数及网络普及率稳步提升，根据CNNIC发布的《第43次中国互联网络发展状况统计报告》显示，截至2018年12月，我国网民规模达8.29亿，普及率达59.6%，我国网络购物用户规模达6.10亿，年增长率为14.4%，网民使用率达到73.6%[1]。中国的网购市场不容小觑。
护肤品的产品特点与电子商务模式的高度切合，使得护肤品的线上销售前景一片光明，传统护肤品企业积极寻求线上和线下协同发展的最佳商业模式。目前，消费者在选择护肤品过程中网络口碑评价已成为重要的选择依据，护肤品的品牌传播最有效的途径莫过于用户的口碑[2]。网络口碑评价能够直观的向用户传递其知名度和好评度的与否，影响用户是否选择及购买的意愿。
护肤品行业的不断发展导致网络中出现各类护肤品信息分享平台如小红书、太平洋时尚网、美丽修行等，越来越多的消费者针对护肤产品给出相关的在线评论进行分享。但由于护肤产品自身的多样性以及不同消费者的肤质特点，导致消费者为了降低购买风险在进行购买决策前一般会在网络中查询相关信息。由于用户在线评论信息一般来自用户实际体验并且具有实时性等特点，可以为查找者提供很好的参考作用并影响其决策过程。另外，护肤品在线评论可以反映用户对于护肤品的满意程度，护肤品企业可以通过护肤品在线评论获取消费者使用偏好，进而改进护肤产品获得更高的用户好感度。综上，护肤品评论的挖掘与分析过程对于护肤品消费者及护肤品生产者具有一定的研究意义。
1.2国内外研究现状
1.2.1国外研究现状
目前，国外关于护肤品的研究普遍比较成熟，其针对护肤品的研究主要分为以下几个方面：护肤品研发方面的研究，护肤品的消费者使用情况的研究，护肤品检测方面的研究以及护肤品的营销推广方面的研究[3]。而在护肤品的用户偏好方面没有形成系统的推荐原则，没有把握好护肤品使用性的品质，没有更多地从用户的角度出发。
基于数据挖掘的护肤品个性化推荐的研究较少，没有有效的挖掘和分析很多有价值的信息，而护肤品的使用感受对消费者非常重要，会直接影响消费者的购买欲望，从深层意义上来看，更能影响品牌的口碑和形象[4]。因此，对消费者的口碑评论进行数据挖掘，将为护肤品购买者选择产品提供良好的建议。
在线评论是网络口碑的重要部分，所以首先论述口碑的含义，再引出在线评论的概念。
学者们最早对口碑的的定义是从传播途径的角度出发，以此来对其描述。Arndt的观点是，口碑是用户沟通交流的过程，是用户们对于产品、服务的体验说明，在这个过程中没有掺杂任何的商业利益，只是消费者们单纯的、直接的交流。这个描述被学者们广泛引用。
在互联网时代，网络口碑已成为口碑的一种主要形式。而且很多学者认为，在线评论等同于网络口碑[5]。在网络的海量评论信息中挖据出有价值的信息是在线评论挖掘的目的，可以从评论特征挖掘、评论文本主题识别以及评论文本情感分析三个方面分析。在2004年，消费者网上评价这一概念被HennigThurau[6]等人提出 ，指消费者在进行购物后发布的商品信息以及相关的使用体验感受。Lee[7]使用多层次感知神经网络反向传播模型预测评论，该模型有助于确定在线评论的有用性，为消费者提供便捷的购买决策。Sparks等人通过研究评论的框架、情感和内容，得出积极的评论框架以及早期的积极评论内容会促进消费者的购买欲望。
目 录
第1章 前言 1
1.1 研究背景 1
1.2国内外研究现状 1
1.2.1国外研究现状 1
1.2.2国内研究现状 2
1.3研究目的和意义 3
1.4全文结构 3
第2章 Python网络爬虫概述 4
2.1网络爬虫 4
2.2基于Python的爬虫方法 4
第3章 数据预处理概述 6
3.1数据清理 6
3.2数据集成 6
3.3数据规约 6
3.4数据变换 6
3.5数据规范化 6
3.6中文分词 7
第4章 数据挖掘概述 8
4.1 数据挖掘的定义 8
4.2数据挖掘的流程 8
4.3数据挖掘任务 9
第5章 数据可视化技术概述 12
5.1数据可视化技术介绍 12
5.2数据可视化的用途 12
5.2 ECharts工具介绍 12
第6章 基于数据挖掘的个性化护肤品推荐研究 13
6.1个性化护肤品推荐研究综述 13
6.2数据采集 13
6 *好棒文|www.hbsrm.com +Q: ^351916072*
.3数据预处理 16
6.4词云分析 18
6.5情感倾向分析 20
6.6箱线图分析 23
6.6.1年龄箱线图分析 24
6.6.2肤质箱线图分析 27
第7章 总结与展望 31
7.1总结 31
7.2展望 31
参 考 文 献 32
致 谢 34
第1章 前言
1.1 研究背景
随着互联网技术的飞速发展以及经济全球化的加深，互联网体验成为人们争相追逐的热点。近几年，中国的网民数及网络普及率稳步提升，根据CNNIC发布的《第43次中国互联网络发展状况统计报告》显示，截至2018年12月，我国网民规模达8.29亿，普及率达59.6%，我国网络购物用户规模达6.10亿，年增长率为14.4%，网民使用率达到73.6%[1]。中国的网购市场不容小觑。
护肤品的产品特点与电子商务模式的高度切合，使得护肤品的线上销售前景一片光明，传统护肤品企业积极寻求线上和线下协同发展的最佳商业模式。目前，消费者在选择护肤品过程中网络口碑评价已成为重要的选择依据，护肤品的品牌传播最有效的途径莫过于用户的口碑[2]。网络口碑评价能够直观的向用户传递其知名度和好评度的与否，影响用户是否选择及购买的意愿。
护肤品行业的不断发展导致网络中出现各类护肤品信息分享平台如小红书、太平洋时尚网、美丽修行等，越来越多的消费者针对护肤产品给出相关的在线评论进行分享。但由于护肤产品自身的多样性以及不同消费者的肤质特点，导致消费者为了降低购买风险在进行购买决策前一般会在网络中查询相关信息。由于用户在线评论信息一般来自用户实际体验并且具有实时性等特点，可以为查找者提供很好的参考作用并影响其决策过程。另外，护肤品在线评论可以反映用户对于护肤品的满意程度，护肤品企业可以通过护肤品在线评论获取消费者使用偏好，进而改进护肤产品获得更高的用户好感度。综上，护肤品评论的挖掘与分析过程对于护肤品消费者及护肤品生产者具有一定的研究意义。
1.2国内外研究现状
1.2.1国外研究现状
目前，国外关于护肤品的研究普遍比较成熟，其针对护肤品的研究主要分为以下几个方面：护肤品研发方面的研究，护肤品的消费者使用情况的研究，护肤品检测方面的研究以及护肤品的营销推广方面的研究[3]。而在护肤品的用户偏好方面没有形成系统的推荐原则，没有把握好护肤品使用性的品质，没有更多地从用户的角度出发。
基于数据挖掘的护肤品个性化推荐的研究较少，没有有效的挖掘和分析很多有价值的信息，而护肤品的使用感受对消费者非常重要，会直接影响消费者的购买欲望，从深层意义上来看，更能影响品牌的口碑和形象[4]。因此，对消费者的口碑评论进行数据挖掘，将为护肤品购买者选择产品提供良好的建议。
在线评论是网络口碑的重要部分，所以首先论述口碑的含义，再引出在线评论的概念。
学者们最早对口碑的的定义是从传播途径的角度出发，以此来对其描述。Arndt的观点是，口碑是用户沟通交流的过程，是用户们对于产品、服务的体验说明，在这个过程中没有掺杂任何的商业利益，只是消费者们单纯的、直接的交流。这个描述被学者们广泛引用。
在互联网时代，网络口碑已成为口碑的一种主要形式。而且很多学者认为，在线评论等同于网络口碑[5]。在网络的海量评论信息中挖据出有价值的信息是在线评论挖掘的目的，可以从评论特征挖掘、评论文本主题识别以及评论文本情感分析三个方面分析。在2004年，消费者网上评价这一概念被HennigThurau[6]等人提出 ，指消费者在进行购物后发布的商品信息以及相关的使用体验感受。Lee[7]使用多层次感知神经网络反向传播模型预测评论，该模型有助于确定在线评论的有用性，为消费者提供便捷的购买决策。Sparks等人通过研究评论的框架、情感和内容，得出积极的评论框架以及早期的积极评论内容会促进消费者的购买欲望。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/xxaq/259.html
