首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献，搜索用时 375 毫秒
1.
庞庆华  董显蔚  周斌  付眸 《情报科学》2022,40(5):111-117
【目的/意义】负面在线评论已成为商家重要的经营决策信息,对了解客户消费满意度、改善产品和服务质量 具有重要意义。【方法/过程】该文将情感分析和关键词抽取相结合,提出一种基于BiGRU-CNN 和 TextRank的在 线评论负面关键词抽取方法,即首先对在线评论文本数据进行清洗,然后构建 BiGRU- CNN 情感分类模型对在 线评论进行情感分析,最后采取TextRank 方法抽取情感分析得到的负面评论中的关键词。利用这种方法,对十个 产品与服务类别的6万余条消费者在线评论文本数据进行实证分析。【结果/结论】实验结果表明,该方法能准确判 别客户负面在线评论情感倾向,F1值达92.41%,并且负面在线评论关键词抽取结果能较好帮助商家完善产品质量 和服务。【创新/局限】提出一种结合双向GRU 和CNN 结合的情感分类模型,在此基础上基于TextRank 方法抽取 情感分析得到的负面评论中的关键词,进一步提升模型对于在线评论情感分析的准确性。  相似文献   

2.
吴应良  黄媛  王选飞 《情报科学》2017,35(6):159-163
【目的/意义】在电子商务服务中,用户评论对交易决策与用户行为的影响日益凸显,如何根据这一重要的 在线语料数据集来正确判断用户的情感倾向,正确理解消费者行为与交易决策机制,是一个重要并需要深入研究 的课题。【方法/过程】本文讨论了情感计算与用户评论的基本概念和内涵,提出了一个基于情感计算的在线中文用 户评论研究与应用的分析框架,其次基于这一分析框架,系统地分析阐述了本领域的研究与发展现状。【结果/结 论】指出未来需要关注的研究和发展方向,为未来的研究提供参考。  相似文献   

3.
林萍  吕健超 《情报科学》2023,41(2):135-142
【目的/意义】提出基于Stacking集成学习的问答信息采纳行为识别策略，促进在线健康社区问答的精准化推送、助推数字化医疗服务高质量发展。【方法/过程】构建以集成学习方法和非集成学习方法为基学习器、以逻辑回归算法（LR）为元学习器的Stacking集成学习模型，比较单预测模型、同类预测模型组合、不同类预测模型组合的Stacking集成学习模型预测精度，选取“寻医问药”平台的慢性病问答构建数据集验证模型的优越性，并选取“快速问医生有问必答120”平台数据验证模型的可移植性。【结果/结论】Stacking集成模型相比于单预测模型能够更精准识别被采纳问答信息，模型具有较强的泛化性，可以适用于不同的在线健康社区。【创新/局限】本文基于Stacking集成思想构建两阶段预测模型，并借助机器学习构建最佳预测模型组合，显著提高在线健康社区问答信息采纳识别精度，但伴随问答信息积累，在线健康社区问答模式不断发展变化，考虑结合历史数据和每日更新数据的动态预测方法是未来研究工作重点。  相似文献   

4.
【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   

5.
针对现有情感分类算法中存在的问题,本文提出了一种基于word2vec和自训练的无监督情感分类方法。该方法首先利用word2vec和词性标签构建领域情感词典,并在此基础上融合否定词和程度副词来计算评论的情感倾向值;其次,选取情感倾向强烈的评论作为已标注训练集,剩余部分作为待分类数据集;最后,采用机器学习方法生成分类器进行自训练学习,直到迭代结束。采用手机评论作为实验数据,结果证实了该方法的有效性。  相似文献   

6.
【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   

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】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   

9.
【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   

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】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   

12.
陈杰  马静  李晓峰  郭小宇 《情报科学》2022,40(3):117-125
【目的/意义】本文融合文本和图像的多模态信息进行情感识别,引入图片模态信息进行情感语义增强,旨在 解决单一文本模态信息无法准确判定情感极性的问题。【方法/过程】本文以网民在新浪微博发表的微博数据为实 验对象,提出了一种基于DR-Transformer模型的多模态情感识别算法,使用预训练的DenseNet和RoBERTa模型, 分别提取图片模态和文本模态的情感特征;通过引入Modal Embedding机制,达到标识不同模态特征来源的目的; 采用浅层Transformer Encoder对不同模态的情感特征进行融合,利用Self-Attention机制动态调整各模态信息特征 的权重。【结果/结论】在微博数据集上的实验表明：模型情感识别准确率为 79.84%;相较于基于单一文本、图片模 态的情感分类算法,本模型准确率分别提升了 4.74%、19.05%;相较于对不同模态特征向量进行直接拼接的特征融 合方法,本模型准确率提升了 1.12%。充分说明了本模型在情感识别的问题上具有科学性、合理性、有效性。【创 新/局限】利用 Modal Embedding 和 Self-Attention 机制能够有效的融合多模态信息。微博网络舆情数据集还需进 一步扩充。  相似文献   

13.
伏虎 《情报科学》2021,39(5):70-74
【目的/意义】针对当前网络舆情识别相关研究成果存在查准率、查全率较低的问题,提出基于情感词汇的 多媒体网络突发事件舆情语义识别方法。利用突发事件数据爬取、抽取等模块构建舆情处理和语义检索平台,将 该平台分为数据采集者、数据管理者和数据使用者三个模块,将最终所得信息数据构成的案例库等当作舆情语义 识别中的数据库。【方法/过程】基于舆情数据库,对舆情词汇情感倾向进行初步识别。以词汇情感倾向性为依据, 对舆情话题评论情感呈现出的强度值进行计算,最后综合评论语义模式权值与其情感倾向值获取话题评论集合最 终情感倾向,完成舆情语义识别。【结果/结论】实验结果表明,所提方法查准率与查全率均较高,具有显著可靠性。 并提出相应的网络突发事件危机响应策略。【创新/局限】在后续研究中应以基于情感语义的舆情监测为重点,以危 机响应预案为基础,不断提升应对舆情突发事件的预判能力和处置能力。  相似文献   

14.
叶佳鑫  熊回香  孟璇 《情报科学》2023,41(1):166-173
【目的/意义】通过深度学习方法对图书评论进行细粒度挖掘，并基于挖掘结果优化图书间相似度计算结果。【方法/过程】首先从在线书评网站上采集图书评论，对评论进行词性分析构建属性词表，随后基于属性词表对评论进行类型标注，通过BERT-BiLSTM模型对标注数据进行学习以实现评论自动分类，最后通过BERT对分类后的评论进行向量表示，通过余弦相似度计算评论间的相似度以表征图书相似度。【结果/结论】本文构造的BERT-BiLSTM评论分类模型准确率、召回率和F1值分别达到0.922、0.921和0.921，可以较好地实现评论分类。通过模型将评论划分为文笔、人物、情节、概要、读者态度5种类型来计算图书间相似度可以得到较为契合的相似度结果。【创新/局限】相较于其他类型的评论，通过人物与情节类评论计算图书相似度的效果有待提高。以后可对这两类评论进行更为细粒度的分析。  相似文献   

15.
由丽萍  白旭云 《情报科学》2017,35(10):13-17
【目的/意义】为解决服务质量评价难以量化、数据来源可信度低等问题,本文提出一种在线评论情感分析 和多属性法相结合的酒店服务质量测量模型。【方法/过程】以在线评论的情感语义分析作为服务质量测量的数据 来源,以TOPSIS多属性法作为测量方法。【结果/结论】通过实验分析,证明了研究方法的有效性和科学性。其研究 结果既作为情感分析研究走向应用的一次探索,也为服务质量评价的研究提供了一条可行的技术路线。  相似文献   

16.
【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   

17.
【目的/意义】数据分类是数据挖掘研究的重要内容之一。数据分类时,由于单一分类算法分类性能的差异 性,使其不能很好地解决大部分的分类问题,探讨一种基于多类型分类器装袋技术的数据分类方法具有重要理论 意义和应用价值。【方法/过程】基于分类性能评价的准确率,使用五种不同类型的分类算法作为分类器,随机抽取 训练集后分别训练得到若干个弱分类器,然后采用自动优化加权方式,组合构建一个强的分类器。通过实验对五 种分类算法和装袋算法的分类准确率均值和标准差分别进行对比,得出各分类算法在四种数据集上分类性能的优 劣和稳定性。【结果/结论】在四个UCI数据集上的实验结果表明,与五种不同类型的分类算法相比,装袋算法不仅 在大部分数据集上都表现出很好的稳定性,而且具有更好的泛化能力。  相似文献   

18.
【目的/意义】从用户对不同品牌声誉的感知角度,研究评论支持率、评论时效性、评论长度、图片数量、情感 强度和产品属性特征词对在线评论有用性的影响。【方法/过程】构建多元线性回归理论模型,通过亚马逊电子商务 平台不同品牌声誉感知的手机评论数据进行验证。【结果/结论】研究结果表明,不考虑品牌声誉差异而进行在线评 论的有用性研究具有一定的局限性,商品评论有用性研究需考虑不同品牌声誉感知影响的差异性。  相似文献   

19.
【目的/意义】从众多质量良莠不齐的在线评论中,将质量高、有用性强的评论呈现给消费者。【方法/过程】 为了比较好评、中评和差评的属性,本研究以京东商城的爬虫数据为研究对象,使用R3.4.3软件,根据不同产品类 型的评论,从评论长度、有用性投票和评论回复数三个维度比较好评、中评和差评。【结果/结论】产品类型和情感倾 向会显著影响评论长度,好评和差评的评论长度要多于中评;产品类型和评论长度对有用性投票和评论回复数都 存在显著的影响,情感倾向对有用性投票和评论回复数不存在显著影响。  相似文献   

20.
桂思思  徐健 《情报科学》2021,39(11):90-95
【 目的/意义】针对查询意图歧义性自动识别,探讨特征有效性及采用不同分类算法识别三类查询意图歧义 性的分类准确率,以期对后续研究提供借鉴与指导。【方法/过程】首先提出了一个面向查询意图歧义性的查询表达 式分类体系;随后,构建了查询表达式特征及相关文档特征共六类;最后,分别采用决策树算法、神经网络算法及k 最邻近算法,探讨采用不同特征组合的有效性及不同分类算法的分类准确率。【结果/结论】①分类准确率较基准实 验提升比例为49.5%;②使用查询表达式特征分类优于使用相关文档特征;③决策树的分类准确率略高于其他两类 分类算法。【创新/局限】构建了一个面向查询意图歧义性的查询分类体系;完成了面向三类查询意图歧义性的分类 任务;然限于数据集获取途径,仅对200数据验证。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号