随着中国宠物经济蓬勃发展，宠物航空运输市场规模持续扩大。目前国内宠物航空发展尚不成熟，宠物猫航空箱同质化严重，缺少精细化分类设计，存在大量安全隐患。
为了满足宠物主和宠物猫的各项需求，减少宠物猫应激反应。
本文结合大数据用户需求分析和宠物应激实验，完成从需求获取到功能和解决方案的映射，对宠物猫航空箱展开设计研究和方案验证。
基于大数据的宠物猫航空箱用户需求分析为了高效、全面地获取猫咪宠物主对宠物猫航空箱的需求，本章将对用户文本及个人信息数据进行挖掘和分析工作。
主要分为三个部分：一是对电商平台上宠物猫航空箱的用户评论进行语义提取及降噪，通过分词处理获得关于产品的用户需求特征词，并基于用户需求模型，利用词共现图谱对特征关系进行可视化呈现。
二是挖掘猫咪讨论社区宠物主的个人信息数据，并通过定性调研的方式补充用户使用流程、动机、期待等心理细节，以获得宠物猫航空箱产品的用户画像。
最后，综合需求特征关系和用户画像，梳理宠物猫航空运输用户行为地图，获得用户需求。
大数据分析与设计需求结合猫咪宠物主作为宠物猫航空箱的消费者，分析其审美、喜好及趋势，理解其偏好和行为习惯，对提升产品竞争力十分关键。
AlanCooper早期提出了用户画像（Persona）的概念，认为它是基于一系列真实数据构建的虚拟用户模型，可以帮助设计师更好地理解目标用户，包括他们的需求、偏好和行为习惯。
用户行为地图（UserJourneyMap）是指收集用户在使用产品或服务时的行为、心理和情感
数据，将用户的整个使用过程进行可视化呈现的工具。
但这类基于传统设计工作的用户画像和用户行为地图，通常是基于设计师个人认知和定性调研而形成的一种虚拟描述，并不能完全代表真实的目标用户群体。
伴随着网络技术的飞速发展，大量的猫咪宠物主在用户生成内容平台上发表评论或分享经验，为研究者客观、全面了解用户定位，挖掘和分析用户需求提供了便利。
相较传统分析手段，结合大数据技术分析的用户需求，具有高效、实时、准确等优点。
与大数据结合的用户画像（Userprofile）来源于用户自主进行的真实反馈，是从海量数据中提取的标签集合。
与大数据技术结合的用户行为地图可以基于需求特征关系，对用户的关键处点、行为轨迹等进行深入分析，挖掘出用户的痛点和行为规律。
将大数据技术与设计需求分析工具相结合，可以充分挖掘用户需求，从而为产品设计提供科学、可靠的依据。
因此，本章将基于猫咪宠物主在UGC平台上自主表达的关于宠物猫航空箱的评论，和猫咪讨论社区宠物主的个人数据信息。
结合直觉经验驱动的定性用户研究与数据信息驱动的大数据技术，对用户需求进行全面分析，
以获得宠物主对宠物猫航空箱的设计需求，为后续产品设计提供数据与理论依据。
宠物猫航空箱的用户语义提取及降噪提取宠物猫航空箱用户语义的UGC平台分成两类：一类是电商平台的宠物猫航空箱产品评论，另一类是以宠物猫空运为话题展开讨论的线上社区。
电商平台选择，随着5G通信技术的迅猛发展，大量的电商平台涌现。
其中，企业对消费者的商业模式平台是最易于获取独立用户评价的平台之一。
京东商城作为中国B2C自营电商企业的领军者，为消费者提供各类宠物用品，并以高效物流、正品保证以及退换无忧等优质服务受到广大消费者的喜爱。
为了高效获取产品特征词，本文选择京东商城作为宠物猫航空箱用户评论文本数据获取的目标平台。
当前，国内和国际上宠物猫航空箱品牌繁多。本文对2022年十大宠物猫航空箱热卖品牌，展开用户语义挖掘工作。
这十大品牌依次是：PETKIT小佩、猫乐适、唐宠、怡亲、HELLOJOY、IRIS爱丽思、美的、波奇多、Hoopet。
其中PETKIT小佩、唐宠属于外出猫包航空箱，不符合航空公司航空箱标准，因此把这两者除外，只对其他八组产品评论页进行用户语义挖掘。
社区平台选择，通过多网站对比，发现豆瓣网拥有较多的用户信息，且无反爬机制。因此，本研究的用户信息数据主要来源于豆瓣。
豆瓣网是一个以兴趣为导向完成同好聚集的网络社区，豆瓣小组为有相同爱好的用户提供交流思想和经历的平台。
平台上用户自发组织各类宠物猫航空运输讨论组，以供宠物主们探讨、交换饲养宠物猫的心得与经验，为新手宠物主提供指导。
本文将以“宠物猫航空运输”“宠物猫空运”“猫咪空运”“宠物猫航空箱”为搜索关键词，进行平台用户个人信息挖掘，为下文用户画像的构建做准备。
数据获取随着大数据时代的到来，大量数据挖掘技术与工具得到迅速发展。
在现有文本提取方法中，Python网络爬虫技术主要用于获取用户主动提供的数据，适用
于本次用户语义获取工作。
使用八爪鱼采集器网络爬虫软件，在京东商城、豆瓣社区，对宠物主人发布的产品评论及个人数据信息进行爬取。
依次输入猫乐适、怡亲、HELLOJOY、IRIS爱丽思、美的、波奇多、Hoopet品牌，以及“猫”“爱猫爱生活”“猫咪俱乐部”“毛圈”豆瓣小组的网址，进行数据自动爬取。
通过对一组数据测试集所用文字数量进行统计，发现用户评论通常以短文本为主。
与长文本相比，短文本通常具有及时性、非规范性、互动性和特征稀疏性的特点。
用户在自主评论中表达的内容，也具有高度个性化的特征，而且用户的流行表达方式也会随着时间的变化而改变。
因此，在完成文本采集后，需要对文本内容进行预处理。在数据分析领域，数据清洗是一件庞大且不可少的工作。
在对商品评论文本进行数据预处理时，要尽量减少噪声信息，排除对产品特征提取没有帮助的资讯，避免其产生负面影响。
本文采用的数据降噪方式主要包括以下几种，数据清洗。主要针对有特殊字符的语句。
这些噪声数据一般有较统一的形式，可以使用正则表达式或LinuxShell脚本命令进行清洗。
压缩去词，主要针对连续、重复的文字。在电商平台上，部分产品评价产生于店家对消费者好评行为的奖励，不属于用户真实需求的表达。
因此，常出现用户为了凑字数，重复同一词汇进行评论的现象，需要对数据进行机械压缩和去词处理，将某些反复出现的词语剔除。
例如将“很好很好很好”统计为“很好”。短句删除，它主要针对过短的文本语料。
通常情况下，文字愈短，其所表达的讯息与内涵愈少。文本语料保留的文字下限一般取4～6个国际字符较为合理。
因此，本文将文本字数下限设为6个字符，少于此字数的文本数据可直接忽略不计。
结合这三种方式将文本中的干扰信息剔除，获得有效且高质量的宠物猫航空箱相关用户语义净化文本，提高文本分析的效率与精度，为后续航空箱需求建模打下基础。
宠物猫航空箱的用户需求特征提取在获得已进行初步清理的宠物主用户语义原始数据后，需通过中文分词技术提取用户需求特征，以获得结构性的用户关键需求。
中文自动分词技术的核心逻辑是把一系列中文字符（句、段）切分成词组。
jieba分词是一种基于Python的中文分词工具，可以实现中文文本的切词、词性标注、关键词提取等功能。
因此，本文结合jieba中文分词技术及开源停用词表，代码进行初步分词处理。
通过初步分词处理得到的用户语义串，包含了与用户评价情感、产品使用行为、环境、状态等相关的词汇，并且具有相对完整的语义信息。
将提取到的全部用户语义串数据汇总，作为后续分词处的依据。
需求要素模型构建需求是指用户对产品或服务的期望或要求，是用户使用场景和产品特性的交汇点。
为了从结构性的用户语义串中提取具体、可理解的用户需求信息，需要明确在线评论中包含的用户需求要素及其特征关系。
除了产品特征外，情感特征、情境特征、行为特征也是需求要素模型的重要组成因素。
根据这四类要素，构建宠物猫航空箱用户需求要素模型。
产品是需求的具体表现和满足方式，产品特征主要包含宠物猫航空箱功能、造型、结构相关的信息；情感极性则可以分为正向、中性及负向三类。
行为特征则主要考虑行为的发出者，可分为宠物主和宠物猫两方面；情境特征则主要是事件发生的事件和地点。
通过对四类需求要素下的特征词进行关联度分析，可以了解用户对某一产品特征的态度，并将其关联到具体的行为发起者及产品使用场景，从而让抽象的需求特征具体化。
后文将对用户发表的短文本进行四类需求要素——产品特征、情感特征、行为特征、情境特征的提取。
分析产品特词在不同情感极性下所对应的用户行为和使用情境，指导宠物空运箱的产品设计方向。
需求特征词提取及筛选借助LTP中文语言处理系统来划定分词词性，并进行词性标注，从而将词性不同的语义归类到用户需求要素模型的四类特征中。
名词对应产品特征、动词对应行为特征、形容词对应情感特征、副词对应情境特征。为了对四类分词结果分别进行词频排序及筛选，使用词频－逆文档频率法进行特征权重分配。
文档频率是较为直观，简便的计算方法。其依据统计法进行特征选择，通过设置上，下阀值进行特征筛选。
宠物猫航空箱的用户需求特征关系构建可见，特征词中存在很多意思相似的词汇，并且在语义表达方面仍然缺乏准确性和正式性。
词汇包括相对、相离、相接、相交、重叠、包含，6种基本关系对，因此需要对产品特征词进行聚类。
产品语义由核心语义层和解释语义层两个层次组成，将语义相同或相近的词汇聚类到同一个更具有共识性的语义词中。
核心语义层是指在产品特征词聚类后，每类语义的中心词，是最为书面、简练的产品特征描述，能够精准反映用户的需求，具备共识性和完整性，解释语义层在虚线圈中，起语义补充作用。
