共查询到10条相似文献，搜索用时 171 毫秒
1.
2.
针对当前竞争情报分析算法无法有效地处理结构类型多样的Web评论信息,研究并设计了基于Web评论挖掘的动态竞争情报分析算法进行语义层面的情报分析,获取深层次的动态竞争情报。该算法主要由评论内容识别与抽取、语义关联挖掘、文本语义极性分析3个部分组成。实验结果表明,该算法能够显著地提高情报分析的准确率和效率,实现深层次的评论挖掘和情报知识发现。 相似文献
3.
[目的/意义] 研究政务微博评论中的情感极性分析方法,为政务微博情感倾向判断提供依据并为未来情感分析研究指出方向。[方法/过程] 基于字典的情感分析方法构建情感极性分析模型,以上海公安机构微博为实例,验证模型的可用性,并分析微博已有属性信息在情感分析中的作用。最后对微博的这些信息以及情感极性进行相关性分析。[结果/结论] 本文的情感极性分析模型具有可用性,微博评论量和转发量之间存在着显著正相关性,并且在转发量较低时,评论量与情感极性存在着显著负相关关系。且当微博点赞量大于评论量时,微博内容自身带有正向情感倾向。 相似文献
4.
采用文本倾向性分析技术对各类评价主体的主观评价意见进行分析,收集评价主体对受评教师的教学内容、课程进程,授课方法等教学情况的反馈意见,对其进行抽取和摘要,并且分析出意见是褒义、贬义还是中性.目的是得到一个意见三元组:<主题,教师,表达词>.其中"主题"表示该句的评价对象,如"讲解"、"课件"等;"教师"即是该段文本所评价的教师;"表达词"表示承载该意见的词语,如"精辟"、"拖沓无聊"等.从而根据表达词的倾向性量化语言信息,使得教学评价更确切、更具体. 相似文献
5.
在线评论中包含的用户对商品属性的偏好信息能够为企业制定商品研发和营销策略提供依据.提出了从在线评论中识别用户对商品属性偏好信息的框架和流程,结合现有的自然语言处理技术和数据挖掘方法,利用国内大型电子商务网站上用户对计算机商品的在线评论文本为研究对象,通过实例详细阐述了在线评论中用户对商品属性偏好信息的识别技术和方法,实证了本文提出的框架与流程的可行性和有效性. 相似文献
6.
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
7.
[研究目的]通过从评论文本和评论者两个维度对在线评论的特征进行挖掘,探究电商平台如何有效提高虚假评论识别的准确性,增加用户在线商品评论可信度,为消费决策提供参考。[研究方法]提出一种基于多维特征和SMOTE-RF模型的虚假评论识别方法。首先,通过识别商品虚假评论线索,构建多维特征向量,引入情感极性等特征并进行单调化处理;其次,在评分偏离度中添加了商品得分均值等统计指标来全面刻画虚假评论;最后,针对在线评论数据集中真实评论与虚假评论类不平衡问题,运用SMOTE算法优化随机森林分类模型,从而达到提高虚假评论识别准确性的目的。[研究结论]实验结果显示该方法在正负样本不平衡的虚假评论识别中具有更高的准确率、召回率及F1值。其中评分偏离度特征对虚假评论识别的影响最大,情感极性可作为识别的次要参考特征。因此,综合考虑在线评论多维特征和正负样本不平衡可帮助电商平台对虚假评论进行有效的过滤,为消费者提供更为可靠的评论数据。 相似文献
8.
9.
【目的/意义】围绕社会化商务社区中的信息搜索和信息处理,从认知心理学和神经学视角探究用户对商品
信息的偏好及关注程度,有助于帮助社区提供优质的信息服务,实现社区推荐智能化。【方法/过程】选取典型的社
会化商务社区为研究背景,通过眼动实验收集数据,挖掘社区中的信息呈现（客观事实型信息vs.主观评价型信息）
和商品类型（享乐型商品vs.实用型商品）对用户信息处理可能的影响规律。【结果/结论】用户对不同的信息在处理
上存在显著性差异,和客观事实型信息相比,用户在了解商品时更关注主观评价型信息;商品类型显著影响用户在
社区中的信息搜索和信息处理,用户更关注享乐型商品的主观评价型信息而关注实用型商品的客观事实型信息。
【创新/局限】现有研究多从社会环境、信息系统、用户特征等方面研究用户信息行为的影响因素,本研究从信息维
度出发借助眼动实验的方法为社会化商务社区中的用户信息行为提供新的研究视角。 相似文献