共查询到20条相似文献,搜索用时 31 毫秒
1.
【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
2.
【目的/意义】基于用户感知理论研究在线医疗社区信息服务质量影响因素,丰富了在线医疗社区信息服务 质量理论体系,为在线医疗社区增强信息服务能力,提升用户满意度提供借鉴意义。【方法/过程】在用户感知的基 础上,首先利用问卷的方式进行调研,确立了26个在线医疗社区信息服务质量影响因素并构建了假设模型;然后通 过调查问卷收集样本数据,并利用SPSS进行数据分析,验证假设模型。【结果/结论】最终构建了在线医疗社区信息 服务质量影响因素模型,包含信息内容质量、医生资源与过程服务、基本服务与界面设计、用户特征、系统运行五个 影响因素,并提出了一些优化建议。 相似文献
3.
【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
4.
【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
5.
【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
6.
【目的/意义】随着互联网产业的快速发展,各种社会化媒体应用应运而生,伴随着这些应用的发展,口语化
短文本形式的信息也急速膨胀。如何从这些信息资源中挖掘出关键内容并实现自动分类已经成为文本挖掘领域
的重要课题之一。【方法/过程】本文以微博为例,设置词和字两种特征粒度,选择信息增益、信息增益率、Word2vec
和特征频度降低特征维度,重点探讨两种特征在口语化短文本分类中的特点和作用。【结果/结论】实验结果表明,
对词特征进行筛选和提取之后的分类效果仍然不如字特征在微博文本分类中的表现。因此,在口语化短文本分类
中选择字特征或许是一个较实用的、效果较好的方法。 相似文献
7.
【目的/意义】在信息时代,用户对社会化媒体的信任程度显得尤为重要。针对目前社会化媒体信息内容可
信度低的问题,提出了社会化媒体信息可信度的影响因素,以期为社会化媒体用户、平台及信息监管部门的相关行
为提供参考依据。【方法/过程】结合具有心理学特征的MAIN模型,提出社会化媒体信息可信度体系,并借助实证
数据,从信息内容角度对社会化媒体信息可信度的影响因素进行了深入研究。【结果/结论】研究表明,信息内容的
实用性、客观性、可靠性和相关性对社会化媒体信息可信度会产生积极影响,但是信息内容的一致性则不会产生直
接影响。 相似文献
8.
【目的/意义】为了明确虚拟社区中在线信任与其前置变量和后置变量的关系和影响程度,提升研究结论的
普适性。【方法/过程】采用元分析研究方法,对国内外102项涉及在线信任的实证研究进行量化综述。【结果/结论】
研究结果表明,前置变量中,社群认同、感知专业性、信息质量、服务质量、社区支持、共同愿景、动机对在线信任的
影响最为显著;后置变量中,付费意愿、使用意愿、态度是在线信任影响最显著的三个因素。同时,研究识别出样本
量、样本类型、性别以及社区类型这四个方法学特征是不同研究之间存在异质性的部分来源,对特定影响因素具有
一定的调节作用。【创新/局限】本研究梳理了信任影响关系,部分解释了相关研究结论不一致的问题,为虚拟社区
在线信任的进一步研究和应用提供理论依据;但基于少量研究的调节变量分析应该谨慎解释,后续研究应该发现
更多能调节在线信任关系的变量。 相似文献
9.
【目的/意义】随着移动网络环境的不断完善以及智能移动终端设备的普及,企业利用移动APP获取用户
信息已成为普遍现象,企业移动APP用户信息披露意愿的提升对企业实现精准营销具有重要意义。【方法/过程】将
企业移动APP用户信息分别以信息内容和信息获取途径为依据进行分类,基于感知价值理论和程序公平理论,立
足企业的视角从用户信息的获取内容和获取途径两个层面对企业移动APP用户信息披露意愿的产生及变化机理
进行解析。【结果/结论】基于感知价值和程序公平两个角度提出了企业移动APP用户信息披露意愿提升策略。 相似文献
10.
【目的/意义】为应对线上技术供需信息超载导致的检索难、信息非结构化导致的供需文本匹配难的问题,
开展技术供需信息语义匹配研究。【方法/过程】构建技术领域本体,利用SAO结构分析提取技术供需信息中多维
语义结构特征,表征供给技术的创新特征及技术需求的问题特征。应用基于本体信息内容与语义距离相似算法,
结合词向量与熵值分析,提出技术供需多维语义结构匹配模型。【结果/结论】对线上新能源领域技术供需数据进行
测试,验证模型有效性,为提高技术供需主体信息检索效率、促进供需对接提供思路,并为考虑供需信息匹配的科
技主体推荐提供决策。 相似文献
11.
【目的/意义】研究新媒体环境下企业微博信息行为特征,通过对比分析五家同类型企业微博信息行为过程,提出建议,从而提高企业与用户信息交互的效果,提高企业核心竞争力。【方法/过程】本文通过网络爬虫采集五家汽车企业近三年来的全部微博数据及粉丝数据,采用知识图谱分析方法,将企业微博在线活动特征可视化,分析企业在线活动的时间特征,在线内容挖掘及热点分析,共同关注者的网络可视化及差异比较。【结果/结论】本文基于知识图谱构建的新媒体环境下企业微博信息行为模型可以作为企业在线信息活动分析的研究框架;数据分析结果表明企业可以利用新媒体平台进行在线活动,提升企业与用户的信息交互效果。 相似文献
12.
【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
13.
14.
【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
15.
【目的/意义】为在线医疗问诊平台中的医生自动生成高质量标签,更好地服务于对医生资源的分类、检索和管理。【方法/过程】基于在线问诊文本信息,提出了结合时间周期特征与文本主题特征的医生标签自动生成算法。首先根据医生相关文本信息提取关键词生成候选标签,然后从患者问题文本和医生回答文本两个方面进行LDA主题模型训练,按时间周期挖掘出问题文本和回答文本的主题特征,对候选标签进行质量控制;最后经标签加权混合后得到最终的医生标签。【结果/结论】实验结果表明,该标签自动生成算法能够反映出医生标签生成的动态性,能够准确生成符合医生专业知识特征的高质量标签,具有较好的标签生成效果。 相似文献
16.
【目的/意义】基于机器学习算法对信息进行聚类及预测引起了广泛关注,本文将以航空公司客户信息为对
象构建出k-means,BP神经网络模型,对航空用户进行聚类及预测,实现用户的精准营销。【方法/过程】首先,对航
空公司的客户信息进行预处理,并根据信息聚类和信息预测理论,构建出k-means客户聚类模型与BP神经网络的
流失预测模型。【结果/结论】实证结果表明,在聚类模型上,k-means算法将客户聚为五类,实现了不同价值客户的
差异化识别;在客户预测模型上,BP神经网络的准确性更高。【创新/局限】本次研究将LRFMC模型引入到用户聚
类模型的实验中,使得模型泛化能力上存在了一定的局限,但也为该问题的未来研究提供了新的方式。 相似文献
17.
【目的/意义】随着 IT设备数量和种类的不断增多,用户常常跨越智能手机、平板、电脑、电子阅读器、PC、
电视、可穿戴设备等多种屏幕进行信息的搜索与利用,用户跨屏在线信息搜索意愿的研究成为新的研究问题。【方
法/过程】本文以期望确认模型为基础,基于信息生态视角建立用户跨屏在线信息搜索意愿影响因素模型;以青年
群体跨屏健康信息搜索为研究样本,通过探索性因子和结构方程方法进行实证研究以验证模型的有效性。【结果/
结论】数据结果表明,外部变量对用户跨屏在线信息搜索意愿影响因素的大小依次为搜索满意度、搜索服务质量、
搜索系统质量。其中,搜索满意度、搜索系统质量对搜索意愿产生正向影响,搜索服务质量对搜索意愿产生负向影
响;在期望确认分析中,信息感知有用性、搜索环境安全性对搜索满意度产生正向影响。 相似文献
18.
【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
19.
【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
20.
【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