共查询到20条相似文献，搜索用时 15 毫秒
1.
以淘宝为例,通过对43万条评论语料进行分析以及乔装淘宝店主获取的事实数据,从在线商品虚假评论实际解决需要出发,为在线商品虚假评论界定了新的含义,归纳了在线商品虚假评论的影响,最后全面分析了由在线评论者、在线销售商家、在线商品交易平台、虚假评论中介四大主体所组成体系中在线商品虚假评论的六大形成路径、形成动因及特点.本文对下一步的在线商品虚假评论识别技术等相关研究有极强的理论和实践指导意义. 相似文献
2.
在线商品虚假评论信息不仅误导消费者购物决策与商家销售评估,而且严重干扰了在线商品交易平台的意见挖掘结果。本文针对国内外对在线商品虚假评论治理的研究现状,从法律监管和鉴别模型两个层面重新定位了其治理目标,指出应根据不同的治理对象,从监管虚假评论形成路径的基本要素、减弱虚假评论形成路径的促进因素、激励正常消费者作出真实有效的评论并优化虚假评论识别模型的鉴别准确率4个方面完善在线商品虚假评论信息的治理途径,并详细阐述了各治理途径的具体实施办法以及今后优化和完善的建议与对策。 相似文献
3.
[目的/意义]社会化在线评论与传统的专业性评论相比,具有更为显著的传播速度和影响力。文本评论中的情感因素并非单纯的数量化评分能够完全体现的。对本文评论中情感因素的测量与分析,能够有助于在线评论的全角度识别与揭示,更加客观准确地反映在线评论的价值。[过程/方法]通过提取用户发布的在线文本评论数据,采用有监督机器学习的算法,分别计算文本评论的情感分类得分、情感倾向得分、综合情感得分。从类型、地区、人数多个维度对情感得分与总评分进行交叉对比分析。[结果/结论]研究结果表明,文本评论蕴含的情感因素对总评分具有部分的影响作用。用户的认知偏好、社会文化背景和评论人数占比会对情感因素的有用性产生影响。 相似文献
4.
[目的/意义]对在线负面评论有用性影响因素分析，能够有助于揭示在线评论的作用机理，更加有效地发挥在线评论的应用价值。[过程/方法]以京东商城（jd.com）搜索型和体验型商品的在线负面评论为研究对象建立分层回归模型，从形式特征、内容特征、文本特征、反馈特征等4个维度出发，探索不同因素对在线负面评论有用性的影响，并采用主成分分析法对商品类型调节作用下的影响因素重要程度进行排序。[结果/结论]研究结果表明，在线负面评论的影响因素受商品类型调节，会对有用性产生非线性复杂影响，导致作用度存在差异。对于搜索型商品，在线负面评论中评论等级、回复次数和评论长度等影响因素的有用性明显；而对于体验型商品，在线负面评论中附加图片、详尽地客观描述能够促进消费者做出购买决策。 相似文献
5.
基于有用性排序的在线评论与销量的关系研究 总被引：1，自引：0，他引：1
[目的/意义]从海量的购物评价筛选出高效用的评论文本，既能为潜在用户的购买决策提供有价值的参考，也能为电子商务经营者提供巨大的商业价值。[方法/过程]通过量化在线评论的有用性指标，以模糊层次分析法确定属性权重，依据灰色关联分析法进行在线评论有用性排序，并基于有用性过滤评论，探究在线评论对销售绩效的影响。[结果/结论]差评的各项指标相比好评来说具有明显优势，有用性更高。评论总数、评论时效性显著促进产品销售。情感倾向对搜索型商品的销量的影响并不显著。 相似文献
6.
[目的/意义] 提出一种基于在线产品评论的竞争情报挖掘框架,为企业改进产品设计和制定竞争策略提供参考。[方法/过程] 利用Word2vec技术构建产品特征词集合,识别用户评论主题特征。然后使用情感分析方法对评论文本进行分类,得到特征维度的评论情感。最后从产品主题特征和情感态度特征两方面进行数据分析,并以可视化结果呈现。[结果/结论] 以汽车行业的评论数据为例进行实验,结果表明该方法能够有效提取产品情报信息,帮助企业有效识别自身品牌及竞争对手的优势和劣势,为大数据环境下的竞争情报挖掘提供方法指导。 相似文献
7.
[目的/意义]理解用户需求是企业管理实践中的重要一环,在线评论作为用户偏好表达的重要渠道,是企业发现用户需求的重要数据来源。因此,如何从在线评论中有效挖掘出用户需求,是一个重要的研究问题。[方法/过程]文章构建了一个基于KANO模型、面向在线评论的用户需求分析框架。首先利用LDA主题模型从在线评论中抽取商品属性,然后基于BERT模型标注出不同属性上的评论短句,并对其进行情感分析,最后依据不同属性上的评论短句与情感分析结果,通过KANO模型分析用户属性需求。以手机评论数据为例对模型进行验证。[结果/结论]将商品属性分为必备属性、期望属性、魅力属性与无差异属性四类,并以可视化结果呈现。实验结果表明面向在线评论的用户需求分析框架能够有效提取在线评论中用户的属性需求信息,为企业提供产品改进策略参考。[局限]样本数据集有限,存在不均衡状况。 相似文献
8.
[目的/意义]理解用户需求是企业管理实践中的重要一环,在线评论作为用户偏好表达的重要渠道,是企业发现用户需求的重要数据来源。因此,如何从在线评论中有效挖掘出用户需求,是一个重要的研究问题。[方法/过程]文章构建了一个基于KANO模型、面向在线评论的用户需求分析框架。首先利用LDA主题模型从在线评论中抽取商品属性,然后基于BERT模型标注出不同属性上的评论短句,并对其进行情感分析,最后依据不同属性上的评论短句与情感分析结果,通过KANO模型分析用户属性需求。以手机评论数据为例对模型进行验证。[结果/结论]将商品属性分为必备属性、期望属性、魅力属性与无差异属性四类,并以可视化结果呈现。实验结果表明面向在线评论的用户需求分析框架能够有效提取在线评论中用户的属性需求信息,为企业提供产品改进策略参考。[局限]样本数据集有限,存在不均衡状况。 相似文献
9.
【目的/意义】在线评论在消费者购买决策中的重要性日益凸显,探索电商平台消费者绿色产品在线评论信息采纳的影响因素,为进一步挖掘在线评论的商业价值、促进绿色产品的消费提供参考。【方法/过程】以TAM和ELM为理论基础,结合社会环境因素和消费者个体特质因素,构建电商平台消费者绿色产品在线评论信息采纳意愿的影响因素模型,运用结构方程模型进行实证检验。【结果/结论】结果表明评论质量和社会影响均对感知评论有用性产生正向影响,评论源可信度与感知评论有用性的关系不显著,感知评论有用性和社会影响又对评论采纳意愿产生正向影响,产品卷入度会调节消费者评论有用性的感知,而专业知识未能起到调节作用。 相似文献
10.
11.
12.
[目的/意义]在线评论是影响消费者购买决策的关键因素,其前因和后果已得到多学科领域密集关注,但对作为载体的在线评论系统的探究非常匮乏,文章在特性视域下对在线评论系统设计开展研究对于电商平台了解设计特性的用户关注、探明用户信息需求差异、有针对性地优化在线评论系统设计以满足用户决策需求、提升决策效率和用户体验具有重要意义,并预期为其他信息产品的优化设计提供理论和方法参考。[方法/过程]利用Kano模型与对应分析方法对在线评论系统设计特性非对称性进行研究:首先在特性视域下建构在线评论系统设计特性集,提出一种改进的设计特性分类与度量方法,以捕捉用户对在线评论系统设计特性的非对称质量感知,进而采用对应分析方法来识别不同用户群体对设计特性的非对称重要度感知,最后以酒店在线评论系统来例证所提出的非对称性分析方法及其有效性。[结果/结论]当前酒店在线评论系统中常见的16项设计特性被划分为期望质量(7项)、魅力质量(1项)、基本质量(1项)和无差异质量(7项)四类,并给出了各类设计特性的管理策略;根据用户类型与设计特性偏好的对应分析,平台可以针对不同类型用户偏好赋予设计特性不同的显示优先级,以满足各类用... 相似文献
13.
[目的/意义] 随着"互联网+"在医疗服务行业的应用与发展,积累了大量的医疗评价信息,利用情感分析技术可以对其进行有效地挖掘和利用,从而为医疗管理提供决策参考。[方法/过程] 基于框架语义理论建立医疗情感语义分类词典;采用词典和规则相结合的方法进行在线医疗评论的情感语义分析,标注情感类别、情感主题、极性和强度等信息。[结果/结论] 通过在线医疗评论数据测试,验证了研究方法的有效性和科学性,是情感分析向医疗健康领域纵深发展的一次有益探索。 相似文献
14.
【目的/意义】以用户的情感依恋为视角,探究情感驱动下用户生成在线评论信息的内容特征与行为规律,
为有效识别用户生成高质量在线评论,积极引导用户生成意愿以及优化社区评论质量管理提供理论依据与参考借
鉴。【方法/过程】在梳理已有研究基础上识别用户生成在线评论信息质量特征,深入分析用户情感依恋与高质量在
线评论信息的内在关联。结合依恋理论系统分析情感依恋驱动下用户生成在线评论信息的内容特征,并在此基础
上探索用户在线评论信息的生成路径。【结果/结论】情感依恋是用户生成高质量评论重要的动力来源、内容来源与
情感来源。情感依恋驱动下用户生成高质量在线评论信息具有三个“集合特征”。用户在情感依恋的驱动下存在
一条由“情感唤醒形成总体观点”到“心理情境确立评论主题”再到“情感语义表达引导评论内容”的评论信息生成
路径。 相似文献
15.
[目的/意义]作为获取创新信息的重要渠道,潜在用户需求的在线评论对精准识别未来产品的创新方案至关重要。文章依托多维技术创新地图提出一种基于在线评论考虑潜在用户需求的产品创新方案识别方法。[方法/过程]首先,利用STM从在线评论文本中提取潜在用户需求信息;其次,借助概率语义术语集将需求信息转化为面向产品技术模块的创新要素并进行权重排序;然后,运用多维技术创新地图对创新要素进行维度划分,与多个创新法则耦合迭代,生成系列产品创新方案;最后,以航拍无人机为例验证了该方法的可行性。[结果/结论]应用结果表明,提出的产品创新方案识别方法能够为企业精准高效开展产品创新活动提供科学的决策参考依据。 相似文献
16.
[目的/意义]旨在改善在线商品信息描述,降低用户认知负担,提升在线购物效率。采用框架描述法构建用户认知框架,在此基础上实现商品知识融合,以期解决在线商品信息的冲突矛盾和冗余问题。[方法/过程]采集数码相机在线评论信息,以框架法进行用户认知框架表示,利用规则融合方法构建商品知识融合模型,进行了用户认知框架的融合模型验证和效果分析。[结果/结论]知识融合能解决商品信息冗余问题,能填补空值型商品知识信息,减少电商平台商品信息描述流量成本,帮助用户理解商品知识矛盾问题,提升电商平台商品知识描述和呈现质量。 相似文献
17.
[目的/意义]在线评论在消费者网络购物决策过程中解决信息不对称的作用日益显著,探索在线评论有用性影响因素对消费者和商家都具有重要意义。[方法/过程]以信号传递理论为框架,从与评论内容、评论者和反馈有关的信号构建在线评论有用性影响因素模型,同时考虑商品类型的调节作用,并分析了信号环境的影响。[结果/结论]通过亚马逊中国网站获取客观数据进行实证研究,发现负面评论、评论字数越多、评论含有图片、评论者对信息有披露、评论者排名越靠前、评论回应数量越多则评论有用性越高,商品类型在评论情感倾向、评论图片对评论有用性影响中起到了显著的调节作用,并且信号影响评论有用性受到信号环境的影响。 相似文献
18.
【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
19.
[目的/意义]针对我国在线用户评论习惯，探索用户评论行为对评论时间的影响作用因素，对电子商务运营商探究用户评论行为规律及探索潜在用户评论时间偏好具有重要的潜在商业价值。[方法/过程]基于TAM模型抽取在线用户评论行为时间特征规律研究的影响因素并构建模型，通过抽取消费者购买行为和评论行为的时间间隔为时间序列，通过多元线性回归模型进行假设验证。[结果/结论]通过对在线评论数据的实例验证，本文所构模型能够很好地发现在线用户评论行为对评论时间的影响作用关系，对消费者评论行为的时间特征规律发现和预测具有辅助作用。 相似文献
20.
在线商品虚假评论的出现使消费者利益受到损害,而对于虚假评论识别的传统方法往往依赖于人工提取文本特征,专业领域知识的受限导致特征提取不全面、模型分类效果不理想。针对这些不足,本文提出基于卷积神经网络的学习框架,利用不同大小的卷积核学习评论更深层次的文本特征,同时减少了人为特征提取所需要的工作量。实验结果表明该方法在准确率和F值均取得了较好的效果。 相似文献