共查询到20条相似文献,搜索用时 62 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.
3.
【目的/意义】针对学术APP评论数据特征,挖掘用户评论语义关联关系,为平台运营者和开发者高效获取
用户需求和关注点提供思路和指导方法。【方法/过程】首先,基于LDA主题模型和GloVe 词向量模型构建学术APP
用户在线评论主题语义关联研究框架,然后,采集超星移动图书馆APP在线评论作为样本数据,通过主题识别获取
用户评论主题并基于词向量相似性得到主题语义关联,最后构建出语义关联主题图谱。【结果/结论】实验结果表明
运用文章提出的思路方法能够有效发现用户评论主题和主题间关联关系并得到主题关联图谱,从而为学术APP平
台运营者完善平台功能提供参考和借鉴。 相似文献
4.
【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
5.
【目的/意义】为高校图书馆网站门户改进与建设提供有效评价标准和参考依据。【方法/过程】通过因子分析对已初步构建的高校图书馆网站用户满意度评价指标体系加以验证,从而确立高校图书馆网站用户满意度评价指标体系,进而利用KANO模型、Better-Worse指数用户满意度前馈控制方法对调查数据进行处理和分析。【结果/结论】面向大连地区四所高校图书馆网站用户的满意度评价实证表明,高校图书馆网站的建设现状与用户的期望之间还存在不小的差距。【创新/局限】虽然研究同时结合了用户需求分类和优先排序工具开展高校图书馆网站的满意度评价实证研究,但在抽取样本的适应性和均衡性等方面还有待加强。 相似文献
6.
【目的/意义】目前,越来越多的消费者参与在线评论进行信息交互和需求表达。从丰富的在线产品评论中
识别并分析用户需求有助于企业有针对性地提升产品及服务质量,从而推动企业可持续发展。【方法/过程】本文利
用LDA模型对在线手机评论进行评论主题及产品特征挖掘,有效识别用户需求要素。基于Kano模型设置用户需
求调查问卷,结合用户满意指数分析各项需求对用户满意度的影响,确定各类用户需求重要度和供给优先级顺
序。【结果/结论】本文将24项用户需求要素划分为6项高魅力型需求、8项低魅力型需求、3项高期望型需求、3项高
必备型需求、2项低必备型需求、2项无差异型需求,进一步提出企业产品管理的优化策略。【创新/局限】本文利用文
本挖掘方法对真实的在线评论进行用户需求分析,有效克服传统用户需求调查方法中存在的需求来源滞后及可靠
性不足等问题。此外,本文所选产品的品牌相同,后续研究可向多平台及多品牌的产品需求分析进行改进和深化。 相似文献
7.
【目的/意义】分析幼儿群体的阅读需求,构建用户画像模型,为出版商及图书馆针对低幼儿用户群体提供
优质的产品和精准的服务提供支持。【方法/过程】以淘宝网上购买儿童绘本用户的在线评论为基础,通过低幼儿信
息属性、儿童绘本信息属性和购买者(家长)评论信息属性构建用户画像概念模型,并使用Protégé与OWL建立本
体,在OntoGraf插件中实现可视化,分析低幼儿阅读群体用户画像并呈现特征。【结果/结论】依据儿童绘本的三种
类型构建低幼儿阅读群体画像。【创新/局限】本文根据代理用户购买儿童绘本的在线评论数据,挖掘了用户的潜在
需求。不足之处在于,对低幼儿用户而言,仅依靠家长所提供的信息挖掘阅读需求,可能存在不全面等问题。针对
特定研究,还需要结合实验等方法对研究主体进行更深入地研究,完善研究结论。 相似文献
8.
【目的/意义】本文基于概念格构建了高校图书馆群体用户兴趣画像,揭示不同群体用户的行为需求,挖掘 潜在的行为规律,为高校图书馆不同群体用户的个性化服务提供参考。【方法/过程】以高校图书馆为服务主体,对 服务对象进行细化和分类,利用Con Exp1.3工具构建不同群体用户类别的细分标签,并生成Hasse图,深入挖掘用 户的行为属性和需求特征,通过概念格“Calculate Association Rule”对不同群体的用户行为进行关联规则挖掘,实现 群体兴趣画像的精准刻画。【结果/结论】借鉴概念格的方法,能够更加清晰和全面的展示层级关系,识别群体用户 的需求属性和行为特征,进而探索用户之间的关联,有助于提升高校图书馆的服务质量,提升服务效率。 相似文献
9.
【目的/意义】为了向在线医疗社区中的用户自动推荐符合其自身实际需求的医生,本文基于在线问诊文本
信息,提出了基于相似用户与相似医生的混合医生推荐算法。【方法/过程】首先从用户咨询问题出发,找到具有相
似咨询问题的用户,将其所选择的医生作为基于相似用户的推荐集合;然后从医生回答从发,通过LDA主题模型训
练,从医生回答文本集中挖掘出隐含的疾病主题,按主题查找具有相似疾病诊治经验的医生作为推荐集合;最后通
过混合相似度计算融合基于相似用户和相似医生的推荐结果,得到最终推荐列表。【结果/结论】通过对在线医疗社
区“39健康网”进行实证研究,结果表明,利用本文提出的方法进行推荐,能够有效降低数据维度,挖掘文本间的潜
在语义关联,有效缩小语义鸿沟,提升推荐质量,具有较好的推荐效果。【创新/局限】本文仅选取了针对科室的小样
本数据进行实验,且部分参数使用经验值,未来可深入探讨该方法在大规模医疗数据集上的应用。 相似文献
10.
【目的/意义】构建用户特征指标体系,对恐怖事件情境下微博信息与评论用户进行画像并比较有助于掌握参与恐怖事件讨论用户的特点,加强反恐舆论引导。【方法/过程】以"#巴塞罗那恐怖袭击#"话题下的所有微博及评论数据为例,使用基于相关性的LDA主题模型提取微博主题,从用户特征和文本特征两个角度构建指标体系,并采用两步聚类刻画微博用户特征,分析发布微博用户和评论用户的异同。【结果/结论】以往活跃度、影响力较高的用户在该事件中不一定拥有较高的影响力;原始微博用户的平均等级略低于评论用户,但其在该事件中的影响力高于评论用户;原始微博用户类型多于评论微博用户类型。 相似文献
11.
【目的/意义】基于网站历史文档对于揭示群体用户需求的重要价值,探索了一种面向群体用户需求的网站
信息更新模型及实现方法。【方法/过程】首先从网站历史文档中提炼特征词,并通过分析特征词之间的共现关系来
构建特征词共现网络;然后利用网络分析方法对特征词共现网络进行挖掘,以特征词集合的形式揭示群体用户的
现实需求和潜在需求;最后依据群体用户的现实需求视图和潜在需求视图,选择检索词并构造检索式,进而完成信
息检索与信息更新。【结果/结论】依托湖北科技创业在线进行实验分析,验证了方法的科学性与可行性。 相似文献
12.
【 目的/意义】在突发公共卫生事件情境下面向在线健康社区用户画像与分群,有助于提升社区服务质量,为
拓宽互联网疫情风险感知渠道作出贡献。【方法/过程】以“COVID-19”为例,结合社区数据特点从用户基本特征、
用户兴趣主题、情感倾向、用户问诊需求和用户交互网络角色五个角度出发构建画像标签并利用DBSCAN聚类实
现画像,根据画像结果呈现用户概貌;利用 AP算法在画像基础上实现用户分群,通过社会网络分析找到最具疫情
风险发现价值的用户类群。【结果/结论】实例分析表明,本文所构建的模型能够有效生成在线健康社区用户画像,
画像可以对社区用户进行概括、映射用户原貌;分群结果呈现出5类社区用户群:患者、疑似患者、医师、奉献者和社
区管理员;社会网络分析表明最具疫情风险发现价值的用户群体为疑似患者和奉献者。【创新/局限】实例分析数据
量尚达不到“大数据”标准,画像构建粒度仍有继续提升的空间。 相似文献
13.
【目的/意义】随着网络购物的普及,在线评论成为影响消费者、销售者和生产者决策的重要数据。大数据
时代,在线评论呈现出多源异构、爆发式增长的特点,难以为用户的购买决策和商家竞争提供有力的情报支撑。【方
法/过程】本文利用多源异构的在线评论数据构建知识图谱,提出了一种基于多源异构数据构建知识图谱的框架,
模式层构建围绕在线评论的信源、内容以及形式构建,最终形成知识图谱的概念框架,并运用word2vec从多源异构
文本中获取实体、关系和属性,并进行数据融合与知识图谱分析。【结果/结论】实验部分以手机商品在线评论为例,
验证了本文所构建的知识图谱对在线评论相关研究及挖掘的有效性,研究结果揭示了多源异构在线评论数据的特
点,为大数据环境下在线评论信息组织、展示和挖掘提供了新的研究视角。【创新/局限】运用知识图谱对在线评论
进行描述,有效解决信息过载、多源异构信息融合等问题。本文采用半自动化的方式构建知识图谱,未来考虑引入
无监督的方法提高构建效率。 相似文献
14.
【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
15.
【目的/意义】在线健康信息的有效组织对提升全民身体素质具有重要的社会价值。【方法/过程】在分析健
康信息主题、关联关系和资源标引的基础上,构建基于主题图的在线健康信息标签语义挖掘模型,从而构建了健康
信息标签主题图并实现了其可视化导航、浏览和检索等功能。【结果/结论】基于主题图的在线健康信息标签语义挖
掘模型能够准确的发现在线健康信息与信息标签间的深层关系,可以更好地揭示在线健康信息标签的语义关联,
为用户提供信息的可视化浏览和导航功能、提升健康信息的组织效果,帮助用户健康信息获取。【创新/局限】本文
将主题图与健康信息标签相结合,提高了健康信息的检索效率和利用效率,但本文也存在着不足,例如标签样本量
和样本范围较小,缺乏专业医学研究者的参与。 相似文献
16.
【目的/意义】从用户需求的角度,研究用户使用高校图书馆微信的情况,从而挖掘出影响用户使用高校图
书馆微信的主要因素。【方法/过程】在文献分析和深度访谈的基础上,对全国116所“211”大学的高校图书馆微信公
众平台进行调研,建立用户使用模型并进行问卷调查。【结果/结论】通过数据分析处理,并对模型进行构建与修正,
得出影响用户使用高校图书馆微信的关键因素是核心功能需求与技术需求。 相似文献
17.
【目的/意义】从用户心理活动自我卷入去探究在线学习信息搜寻行为,为高效培养者提供积极参考。【方
法/过程】基于信息搜寻行为理论和自我卷入理论,构建信息搜寻行为自我卷入研究模型,设计调查量表,利用统计
中的方差分析(ANOVA)方法,分析不同群体用户在线学习信息搜寻行为自我卷入情况。【结果/结论】通过分析探
讨高校用户在线学习信息搜寻行为中自我卷入不同群体的差异表现,提高用户素质,保证在线学习的持续动力,促
进高校图书馆功能提升和服务管理水平的提高。 相似文献
18.
【目的/意义】从大数据驱动角度出发,探索采用人工智能方法实现对政策文本协同性定量分析的可能性。
【方法/过程】以政策全文本数据为研究对象,使用知识图谱技术实现不同主题的本体构建,并应用数据挖掘中关联
规则构建推理模型,对图谱表示的政策文本进行协同性语义挖掘和推理。【结果/结论】围绕“开放数据”和“数据安
全”主题构建知识图谱,实现对政策文本的本体表示,在此基础上使用关联规则完成单文本和多文本在两个主题间
的协同性分析。【创新/局限】本文将知识图谱应用于政策文本分析领域,并完成协同性分析,为政策的全样本分析
提供可能性,后续需扩大样本规模,提升推理效率。 相似文献
19.
【目的/意义】为了改善传统评价的主观性和模糊性,更好地体现高校图书馆数字资源用户需求,在用户贡
献指标的基础上构建服务质量评价体系,基于灰色关联分析构建GA-BPNN模型用于高校图书馆数字资源服务质
量评价。【方法/过程】从用户需求的角度征询用户意见,提炼影响服务质量评价的关键要素,在实证分析的基础上
构建了一个相对科学、合理的初步评价模型。然后采集样本,以灰色关联度表征服务质量评价结果。最后应用
MATLAB 进行仿真实验,对比分析 GA-BPNN 模型及标准 BPNN 模型的表现优劣。【结果/结论】GA 优化后的
BPNN的性能得到改善,预测值更接近真实值,容错性高,稳定性好,期望对高校及其他图书馆数字资源建设、服务
质量评价及服务创新研究有参考作用。【创新/局限】提出一种基于用户需求的高校图书馆数字资源服务质量评价
方法,主要局限是调查数据覆盖范围不够全面。 相似文献
20.
【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