共查询到20条相似文献,搜索用时 78 毫秒
1.
【目的/意义】准确挖掘消费者在线评论情感倾向,对于改善商家服务具有重要意义,而情感倾向预测的准
确性仍需提高。【方法/过程】文中设计基于集成学习的在线评论情感分类算法,即以N-gram算法分析在线评论词
语特征,结合情感词典构造文本特征,利用逻辑回归、Light GBM等机器学习方法为基础的集成学习进行训练,实现
在线评论情感分类。【结果/结论】实现了评论的情感倾向预测,在电脑评论数据集,较之于经典的SVM算法和无监
督类算法,该模型的分类衡量指标F1值分别提高了10%到30%不等。同时,在酒店、图书等不同领域的数据集上显
示,该方法的分类准确性仍具有上述效果,证明了该方法具有领域移植性。 相似文献
2.
【目的/意义】学术文本关键词抽取是从文本中自动抽取具有主题性、代表性的词或短语,是学术信息服务 的重要环节。传统的方法大多仅依靠候选关键词有限的词频、文档频率等统计信息,没有考虑学术文本内候选关 键词在对应学术领域的使用情况,使得关键词抽取的准确率受到限制。针对这一问题,本文提出一种基于先验知 识TextRank的学术文本关键词抽取算法。【方法/过程】首先计算候选关键词的使用情况作为先验概率特征值,然 后运用基于图排序的关键词抽取算法TextRank计算候选关键词的文本内特征值,最后结合以上两个特征计算得到 候选关键词的综合权值并对关键词进行排序。【结果/结论】在计算机科学领域的多个文献集上进行了实验评估,其 结果相较于传统的关键词抽取方法有了明显的提高,证明了基于先验知识TextRank的学术文本关键词抽取算法的 有效性。 相似文献
3.
【目的/意义】从海量自助餐用户评论数据中抽取有效关键词构建主题和主题词,协助商家了解用户口碑,
进而更好的改善餐饮行业的管理水平。【方法/过程】通过融合TF-IDF、TextRank和LMKE三种不同的关键词抽取
方法获取最优关键词,再对抽取的关键词进行语义聚类、主题识别、主题词挖掘和主题权重计算,最后在采集的美
团数据集上进行验证方法的有效性。【结果/结论】实验结果表明,三种关键词抽取方法的融合比单个关键词算法效
要好,文本评论聚类后的主题分别是:味道、菜品、环境、服务、价格,主题的重要程度依次是:味道 36.2%、服务
22.9%、价格15.1%、环境13.6%、菜品12.2%。实验结果证实,通过该方法能够有效识别和构建主题及主题词,并计算
出用户对于不同主题关注的重点内容,同时为餐饮行业主题及主题词挖掘和应用研究提供了一定的理论和技术基
础。【创新/局限】提出一种半监督语义聚类的主题识别、主题词构建和主题权重评估方法;不足之处在于本次实验
仅以武汉地区的美食自助餐评论为主,其构建的主题适用性范围有限。 相似文献
4.
【目的/意义】文本情感分类是近年来情报学领域的研究热点之一。已有研究大多关注针对目标文本的单
一情感分类。本文旨在探索基于深度学习的电商评论信息多刻面情感分类方法。【方法/过程】提出一种基于Atten⁃
tion-BiGRU-CNN的多刻面情感分类模型,通过BiGRU和CNN获取上下文信息和局部特征,利用Attention机制
优化隐层权重,以深度挖掘文本内隐语义和有效刻画多刻面情感。【结果/结论】在中文电商评论信息语料上的实验
表明,相较于其他神经网络模型,本文方法可有效提高多刻面情感分类的准确度。【创新/局限】进一步丰富多刻面
情感分类的方法途径,为深度挖掘电商评论信息以及优化产品和营销策略提供参考。本文语料主要基于单一类别
电商评论信息,聚焦可归纳刻面的情感分类,进一步的研究可面向类别多元化、需通过深度学习提取刻面信息的更
大规模语料展开。 相似文献
5.
【目的/意义】消费者评论数量巨大且充满随意性,因此需要对评论信息进行分析,信息分析可以给潜在消
费者提供有价值参考,可以给商家提供消费者对产品的反馈意见,也可以给平台改善服务提供参考,从而实现消费
者、商家和平台的共赢。【方法/过程】以从京东商城爬取的部分产品评论文本为研究对象,使用词频、词云分析的方
法对评论中的产品特征进行抽取,分析消费者对产品属性的偏好,通过情感倾向计算方法,对五种不同类别的产品
评论进行情感倾向分析,并研究消费者对产品属性的偏好和情感倾向间的关系。【结果/结论】研究结果表明,对于
不同类型的产品,消费者有不同的属性偏好,且关注的产品特征数量也不同。在此基础上,分别对商家、电商平台
和消费者提出了有针对性的建议。【创新/局限】使用评论挖掘的方法,从消费者、商家和平台三个视角进行研究,提
出应对方法。但对数据的处理仍然不够精确,有待进一步研究。 相似文献
6.
【目的/意义】社会化媒体发达的环境下,在线评论已成为商业竞争情报的重要来源,企业可从中了解客户 需求、改进产品与服务质量。【方法/过程】选取家具这种耐用品的在线评论作为研究数据,建立了基于在线评论文 本挖掘的商业竞争情报分析模型,使用特征词提取、关键词共现与社会网络分析,得到特征词典、用户观点并可视 化。【结果/结论】本文以京东商城家具产品服务为例进行实证,证明该模型可较好地提取用户观点的竞争情报并可 视化,关键词共现与社会网络分析对于识别企业服务中的问题具有良好效果。 相似文献
7.
【目的/意义】基于互联网海量评论数据进行情报分析,挖掘出影响客户服务评价和满意度的关键因素,了
解客户差评背后的原因,对提升企业客户关系管理水平具有重要意义。【方法/过程】通过词云图、语义网络特征关
联分析、LDA主题模型的特征分析以及基于语义的情感词典方法,基于百度口碑中十家快递企业的客户评论数据
进行了情感计算与分析。【结果/结论】影响客户情感倾向的主要因素为:物流速度、服务态度、电话服务、投诉处理、
物流信息更新、时效性以及收费价格。基于上述结果提出了对策与建议。【创新/局限】基于现实世界真实数据,采
用数据挖掘方法分析客户情感倾向,为客户情感关键影响因素识别提供了数据科学的研究范式。 相似文献
8.
【目的/意义】网络用户在线评论是用户对某产品或服务机构体验感知的反馈,对网络用户在线评论的文
本挖掘是情报分析的重要内容。【方法/过程】为了更有效从海量网络用户在线评论文本中挖掘用户感兴趣的信息,
本研究爬取TripAdvisor网站四大城市的酒店用户在线评论,基于主题图谱理论和文本聚类算法构建网络用户在线
评论的聚类模型,通过图谱可视化揭示不同地区酒店用户观点差异,并分析不同图谱的社会网络特征。【结果/结
论】研究发现酒店用户最关注的是服务,其次是酒店的环境和位置。本研究能够快速挖掘酒店用户关注内容,对帮
助酒店管理者了解用户住宿需求并以此提高用户满意度具有重要价值。【创新/局限】本文结合主题图谱和文本挖
掘技术构建酒店用户在线评论主题图谱,在大数据文本主题聚类上显示出优越性。但本文仅分析TripAdvisor网站
四个城市中部分酒店的用户在线评论,数据面覆盖不够广泛。 相似文献
9.
【目的/意义】为了协助商家和平台获取移动商务在线评论中的用户需求,解决在线评论过载导致用户需求
提取困难等问题。【方法/过程】本文首先获取原始在线评论数据集进行文本预处理和清洗;然后,深入语义层面基
于改进后的 Canopy-Kmeans算法实现用户需求聚合;最后,以聚合结果为层级指标设计 Kano问卷,用重要性判别
方法和用户满意度指数优化用户需求分类标准,实现用户需求的高效聚合和精准挖掘。【结果/结论】通过实验结果
对比分析发现与基于语义的传统聚类方法相比,本文设计的移动商务用户需求聚合与挖掘方法的聚类结果更清晰
合理,能够获取更精准和细化的用户需求。【创新/局限】借助Word2vec模型从语义的视角分析用户需求,提出基于
Canopy-Kmeans算法的用户需求聚合挖掘模型,但选取的研究对象和数据规模较为有限,下一步将扩大在线商品
评论的研究范围及实验数据规模。 相似文献
10.
【目的/意义】在线健康社区用户规模庞大,信息量浩如烟海,如何帮助社区管理者和用户判别有用信息,提
高决策效率是亟待解决的问题。【方法/过程】在复杂网络视角下,提出一个新的评论有用性分析框架。首先,采集
在线健康社区患者评论数据,采用文本分析法分析有用评论、非有用评论以及所有评论的主题分布和情感分布,初
步分析各类评论文本的有用性特征;其次,将各类评论文本分别转换为文本关联网络,使用社会网络分析方法进一
步分析其有用性特征;最后,分析评论有用性及其特征与患者发表评论、用户对评论的有用性投票以及文本关联网
络结构特征的关联性,实现基于文本关联网络的评论有用性分析。【结果/结论】有用评论和非有用评论文本关联网
络结构具有一定差异,在线健康社区用户就诊前后的信息需求和经验输出的重点有所不同。【创新/局限】基于复杂
网络视角研究在线健康社区评论有用性,但仅使用了好大夫在线的数据,未来可对更多数量和种类的在线健康社
区信息内容有用性进行研究。 相似文献
11.
【目的/意义】关键词抽取的本质是找到能够表达文档核心语义信息的关键词汇,因此使用语义代替词语进
行分析更加符合实际需求。本文基于TextRank词图模型,利用语义代替词语进行分析,提出了一种基于语义聚类
的关键词抽取方法。【方法/过程】首先,将融合知网(HowNet)义原信息训练的词向量聚类,把词义相近的词语聚集
在一起,为各个词语获取相应的语义类别。然后,将词语所属语义类别的窗口共现频率作为词语间的转移概率计
算节点得分。最后,将TF-IDF值与节点得分进行加权求和,对关键词抽取结果进行修正。【结果/结论】从整体的关
键词抽取结果看,本文提出的关键词抽取方法在抽取效果上有一定提升,相比于TextRank算法在准确率P,召回率
R以及 F值上分别提升了 12.66%、13.77%、13.16%。【创新/局限】本文的创新性在于使用语义代替词语,从语义层面
对相关性网络进行分析。同时,首次引入融合知网义原信息的词向量用于关键词抽取工作。局限性在于抽取方法
依赖知网信息,只适用于中文文本抽取。 相似文献
12.
【目的/意义】分析用户对博物馆数字化服务的体验满意度及影响因素,为提升博物馆数字化、智慧化建设提
供科学参考。【方法/过程】首先采集博物馆用户评论,构建数字化服务方面词词库,抽取方面级语句,然后使用
BERT-wwm-ext模型(F1=95.47%,Acc=95.36%)对方面级语句进行情感分类,最后根据分类结果对用户体验影响
因素进行分析。【结果/结论】将博物馆数字化服务用户体验划分为5个方面(预约、验证、导览、讲解、展示),分析发
现用户对数字展示服务和网络预约服务满意度最高,对数字讲解服务满意度最低,并归纳了影响用户体验满意度
的12项主要因素。【创新/局限】将方面级情感分析应用到了公共文化服务领域。提出了基于内容抽取和深度学习
的方面级情感分析模型,通过迁移学习有效降低了模型对方面级标注数据的依赖性,同时对用户评论中的隐式情
感也具有较好的识别效果。 相似文献
13.
14.
【目的/意义】从在线负面评论信息的特征性因素出发,研究其对潜在消费者购买意愿的影响作用,并探究
消费者动机性对各个因素的影响路径关系是否具有调节效应。【方法/过程】根据精细处理可能性模型(ELM),依据
潜在消费者涉入度高低分别从外围情境感知路径和核心认知加工路径构建理论研究模型并通过实证方法进行验
证。【结果/结论】研究结果表明,负面评论信息的负面情感倾向,评论时效性,感知风险对潜在消费者购买意愿均有
显著影响作用,其中负面情感倾向效应最大。而消费者动机性只对感知风险和购买意愿间关系调节效应显著,说
明潜在消费者动机性越强,对负面评论信息的感知风险越敏感。 相似文献
15.
【目的/意义】探究亲子阅读偏好对引导亲子读物选购具有重要的参考价值,通过对亲子读物的在线消费评价进行分析,深度挖掘影响亲子阅读偏好的维度要素,对提高亲子阅读质量和兴趣具有理论意义与实践价值。【方法/过程】从材质材料、形式形态、主题内容、社会感知价值四个维度对亲子阅读偏好进行评价,建立基于情感词典的在线消费评价偏好模型,对评论文本进行情感词抽取及情感值计算,获取在线消费评价中情感数据,绘制在线消费评价的偏好词标签云和动态偏好趋势曲线。【结果/结论】在线消费评价分析结果表明,幼儿更易被材料环保、形式独特的读物吸引;随着认知阶段的发展,亲子阅读偏好逐渐转向对主题内容的关注;注重提升社会感知价值。【创新/局限】本文构建亲子阅读偏好的评价模型,围绕亲子阅读的偏好维度对在线消费评价情感进行可视化分析。本文仅通过情感分析技术提取在线消费评价中的情感数据,未结合对具体消费者的深度访谈,未能全面概述基于在线消费评价的亲子阅读偏好情况。 相似文献
16.
【目的/意义】通过挖掘电子商务平台冗杂的在线评论信息,对在线评论进行效用过滤,将质量高、有用性强
的评论呈献给消费者。【方法/过程】从Spearman相关性分析影响在线评论效用高相关因素入手,构建基于模糊神经
网络(FNN)的在线商品评论效用模型,提出一种在线评论效用分类方法。【结果/结论】通过对亚马逊电子商务平台
手机评论的实例验证,证明本文模型方法能够对在线商品评论效用进行有效区分,提出的在线商品评论分类过滤模
型具有较高的准确度和有效性。 相似文献
17.
【目的/意义】基于离散情感理论,对电商平台在线评论中所含不同离散情感的分布规律进行探究,发掘其
对于营销管理的实践意义。【方法/过程】以手机这一搜索型产品的海量中文评论为研究对象,以情感认知模型OCC
模型为情感分类依据,通过深度学习的方法构建离散情感语料库,并在此基础上对不同评论星级、不同的商品购买
和评论发布的时间间隔中,评论所包含离散情感的分布特征进行了深入的研究。【结果/结论】研究发现:包含不同
离散情感的评论在不同评论星级中的分布情况差别较大,在不同时间间隔中的分布曲线却大致相同,虽都与“长尾
分布”非常类似,但仍有细微差别。 相似文献
18.
[目的/意义]提出融合母评论文本信息的评论短文本情感分类模型以提高互联网环境下短文本评论情感分析效果,适应舆情工作中的实际应用需求。[方法/过程]以短视频平台舆情事件的评论数据为实验对象,利用GRU提取母评论文本特征和直接提取评论区特征,分别将这些特征与CNN提取原评论文本特征并行融合进行情感分类。[结果/结论]相较于传统深度学习方法,引入的母评论文本特征使两个数据集的情感分类效果都获得了一定提升,F1值等均分别提升了2%和1%,说明本文提出的特征引入方案能够提升评论短文本的分类效果,为舆情工作中的情感监测实际应用提供了思路,验证了舆情相关理论研究对实际技术应用有借鉴和指导意义。 相似文献
19.
【目的/意义】分析和识别在线评论效用是电子口碑研究的热点问题,其有助于消费者进行购买决策和辅 助商家优化在线评论平台管理。【方法/过程】基于信息交流模式和交流障碍理论,运用DEA模型,对在线评论信息 传递的效率、有效性、规模收益变化及其投影进行评价和分析。【结果/结论】在线评论信息传递综合效率偏低,不同 手机类型在线评论信息传递差异较小。纯技术效率是导致在线评论信息传递综合效率偏低的主要因素;规模报酬 变化呈现递增趋势,符合在线评论发展趋势。最后通过投影分析提出在线评论信息传递效率的改进幅度和方案. 相似文献
20.
【目的/意义】以近两年(2018-2019)国内有代表性的四件负面公共安全突发事件为例,对其微博评论进行
聚类,并找出影响微博用户消极情感倾向的因素,为政府进行舆情应对处理提供建议。【方法/过程】结合社会网络
分析法与LDA主题模型对评论文本进行关键要素提取,得出评论归因维度,进而通过情感分析软件对各维度进行
情感倾向度分析。【结果/结论】研究结果表明:微博用户主要从事件主体、事件分析、事件处置、社会关系、新闻媒
体、同理心、个人经验七个方面对公共安全突发事件进行评论,其中,事件分析、事件处置、事件主体、社会关系是微
博用户消极情感倾向的主要影响因素,据此本文提出了相应的舆情疏导建议。【创新/局限】本文基于归因理论,创
新性的提出了影响微博用户情感倾向度的归因维度体系,但舆情事件集中数量有限且未进行更细粒度的情感分类
分析。 相似文献