在线评论对商品销售影响的实证研究

以淘宝网的护肤品为研究对象,收集实际数据,分析在线评论的评论数量、评论得分、好评率和差评率对护肤品销售情况的影响;研究结果表明:评论数量对护肤品销售的影响极为显著,评论得分对护肤品销售的影响较为显著,好评率和差评率对护肤品销售的影响则不显著;可为网络商品销售商的营销及用户评论处理提供依据基础及指导。     

C2C电子商务中信用评价对商品价格的影响研究

通过从淘宝网上收集的数码相机的销售数据,检验了卖家信用对最后成交价格的影响。结果显示,即好评数对成交价格有负面影响,而差评数对成交价格没有显著影响。即卖家得到的好评越多,其成交价格反而越低;卖家得到的差评无论多还是少,对成交价格都没有显著影响。     

融合多元评论信息的用户情感分类方法

随着电商经济发展迅猛,各类电商平台为提升服务品质非常重视对用户评论信息的收集、分析和利用.但各电商平台都存在"刷评论"现象,虚假评论、默认好评等因素导致平台无法获取用户的真实情感,严重影响服务质量的提升.为了更加准确地获取用户的真实情感,提出一种融合多元评论信息的用户情感分类方法.首先,对评论中的文本和图片进行分类,构...     

产品评论挖掘可视化实验平台的开发

针对目前研究人员已经提出多种中文评论挖掘方法,缺乏统一的评论实验数据集的现状,首先从知名网站上随机抽取手机评论,经过垃圾去除、手工标注,最终构造出手机领域的评论挖掘实验数据集.基于实验数据集构造出手机领域的情感词库,并利用模式匹配方法建立了产品特征粒度树,开发出一个可视化平台,研究人员可以直接用其检验挖掘方法的效果,也可以对不同的挖掘方法进行客观比较.     

基于LDA的冷链农产品电商在线评论的情感分析

为促进我国冷链农产品电商企业的发展,提高消费者对商品的满意度和购买欲望,本文从消费者的角度出发,对冷链农产品电商企业的用户评价进行了情感分析,首先依存句法关系制定3种规则提取情感单元,再结合词的词性和依存关系制定情感计算规则,将情感单元分为好评和差评,接着通过LDA主题模型分别对好评与差评进行聚类,根据评价指数S的最大值来确定主题数,最后对聚类的结果进行分析,找出消费者不满意的地方并加以改进。结果表明,提高用户体验、吸引更多消费者,需要从商品的分拣加工、冷链设施的改善、运输配送路程等方面进行优化。本文的研究为整个冷链农产品电商企业的进一步发展提供了借鉴意义。     

基于微博情感分析的电影票房预测研究

微博作为电子口碑的重要载体,极大影响了消费者的购买决策和商家的产品销售.为此,以新浪微博为平台,研究从微博中挖掘情感信息并利用这些信息对产品销售进行预测的方法.分析影响微博评论的因素,基于已构建的情感本体,建立微博中情感计算方法.然后在传统自回归模型的基础上融入情感因素,提出自回归情感预测模型用于产品销量的预测.对电影数据集进行了广泛地实验,分析参数选择,并与其它预测模型进行比较,实验证实我们提出的方法的有效性.     

事件收购《纽约时报》是草船借箭?简

近日，针对陈光标收购《纽约时报》的各种新闻以及评论不计其数。世界各地媒体纷纷进行报道，不少评论家还根据自己的分析对此事进行了解读。而各种社交平台上．针对此事，点赞的无数，给差评的也不计其数。     

基于ELECTRA商品评论文本情感分类

商品短评论的情感分析可有效地为用户和决策者提供产品选择的判断依据,但由于商品短评论文本特征呈现分散性和交错性的特点,因此难以有效地抽取短文本情感特征并作出分类。为解决这个问题,基于预训练模型提出一种商品短评论文本情感分类的新方法,便于用户决策。提出的基于ELECTRA的商品短评论文本情感分类方法包括三个过程,即嵌入层用Electra替换Bert进行向量映射和特征选择的过程,训练层神经网络模型的迭代优化过程,分类层进行商品短评情感分类过程。实验结果表明,所提出的模型在准确率上有明显的提高。     

平台型电子商务在线交易评价主体的信誉评估

针对平台型电子商务在线交易主体不真实地评价在线交易活动、甚至伪造好评或恶意差评等问题,分析影响电子商务在线交易评价主体信誉的相关因素,构建在线交易评价主体信誉的评价指标体系.利用层次分析法确定各评价指标的权重系统,并通过设计评价指标体系的计分标准,构造在线交易评价主体信誉评估模型.实验证明,本模型实现算法简单、高效,能够在现有的平台型电子商务信誉评价系统中推广应用.     

非遗题材电影观影者感知与传播研究——基于在线评论数据的实证分析

文章借助数据挖掘技术，以非遗电影《百鸟朝凤》为研究对象，在豆瓣和猫眼两个平台共抓取观影者评论数据56 645条，利用内容分析法对评论进行情感分类、词频分析和语义网络分析，从观影者感知视角探究利用电影进行非遗活态传播的实际效果.研究发现： 1) 观影者能够通过电影感知非遗，即电影感知的三个维度(电影角色、电影故事、电影主旨)与非遗感知的三个维度(非遗传承人、非遗空间、非遗价值)之间存在映射关系； 2) 引发观影者正面评价的主要因素是剧情、演技和电影传达的价值观，引发观影者负面评价的主要因素是题材、宣传方式和非遗的表现力； 3) 电影叙事的完整性和场景的原真性使观影者普遍对非遗产生了较深程度的感知，并引发了大量观影者对非遗价值问题的讨论和思考.文章揭示了观影者非遗感知的路径、内容、情感特征和影响因素，并对非遗电影的制作和传播提出了对策与建议.     

支持评价类问题与电影智能搜索的问答系统构建

基于互联网信息,构建了一款支持评价类问题与电影智能搜索的问答系统.通过特征词匹配、情感极性匹配以及句式分析等策略,系统能对评价类问题进行智能回答.借助聚合评论信息的灵活查询策略,利用tag信息查询扩展的用户个性化搜索技术,不仅解决了电影的泛性化搜索问题,并能挖掘用户的潜意识需求.实验证明,该系统在评价类问题回答与电影智能搜索领域,效果优于现有产品.     

电影《亚历山大大帝》中亚历山大的俄狄浦斯情结研究

本文的研究对象为2004年上映的奥利弗·斯通导演的史诗电影《亚历山大大帝》，所选的版本为2007年发售的最终剪辑版。这部电影因主题原因在上映当时并未得到好评，然而如果从多个角度去分析这部电影，可以发现其中蕴含的深意。本文选取的角度为亚历山大的俄狄浦斯情结研究，分析亚历山大与父母亲的情感纠葛，并以此解读片中亚历山大所为的深层原因。     

一种应用于博客的垃圾评论识别方法

针对博客垃圾评论泛滥的问题,提出了一种识别博客垃圾评论的新方法.利用网络常用语对短小评论先进行评论的识别,然后利用改进的相似度公式对评论进行了K轮评论的识别,在每轮识别之后,对主题词进行权重的调整和主题词扩展;待所有评论识别完毕,再利用网络常用语和主题词对识别出的垃圾评论进行第二次过滤,过滤出垃圾评论中的合法评论.实验结果表明,利用该方法进行评论识别在一定程度上提高了识别垃圾评论的准确率和召回率.     

论网络购物恶意差评的法律规制

网络购物在人们消费中的比重日益增加,成为流通领域的重要形式。而网络购物领域的不法行为也开始出现,恶意差评即是其中较为严重的一种。本文对恶意差评的行为特点进行了深入的分析,依照实施主体和目的对恶意差评行为进行了分类,并分别分析了其违法性质。在此基础上,针对恶意差评行为的法律规制难点提出了具有针对性的建议。     

基于机器学习的商品评论特征提取有用性研究

在线上购物商品销售预测问题上,由于受商品自身的款式、材料、买家的好评与差评以及商家好评返利等多种因素影响,一般的回归预测算法往往不能支持多种特征变量,导致预测准确率较低、鲁棒性差.本文采用一种主题-随机森林算法对口罩销售量进行多变量综合投票预测,并与多重线性回归（Multiple Linear Regression,MLR）算法和随机森林（Random Forest,RF）算法相比较得出最终结论 .实验结果表明,LDA-RF算法各项指标均优于MLR和RF算法,LDA-RF算法建模速度快,鲁棒性较强,受到离群点影响比较小,散点主要集中在线性回归附近,可以有效地提高口罩销量预测精度.     

融合高斯混合模型和深度学习的目标跟踪

目标跟踪是计算机视觉的关键技术,但快速运动所导致的目标运动模糊会影响跟踪的精度.提出融合高斯混合模型和深度学习的目标跟踪算法,利用高斯混合模型对目标视频进行建模,在卷积神经网络中提取浅层和深层的图像特征,将两个特征的响应值融合后实现跟踪目标的定位.首先,根据高斯混合模型建立样本数据集,利用概率密度函数筛选数据,依据正态分布获得对应的高斯分量;其次,在深度学习框架下对高斯混合后获得的样本数据提取浅层和深层特征;最后,将提取的浅层与深层特征响应值进行融合,并更新目标模型,实现目标跟踪定位.该算法在VOT-2016公开的数据集进行实验,与6个视频跟踪算法对比分析.实验表明,所提的算法表现出较好的性能,特别是在快速运动的评价指标中,该算法的抖动模糊精度比ECO算法提高6. 25%.     

基于主题-对立情感依赖模型的虚假评论检测方法

根据评论内容的特性,提出了一种基于主题-对立情感依赖模型(topic-opposite sentiment dependency model,TOSDM)的虚假评论检测方法。首先构建TOSDM模型,利用该模型提取评论的主题信息以及主题对应的情感信息;然后结合评论的主题以及情感信息,分析并提取6维评论内容特征;最后利用这些评论内容特征,采用有监督学习的分类器对虚假评论进行检测。在大众点评网获取的2009-2012年的5个领域的评论数据集上进行了实验,实验表明,提取评论主题信息以及主题对立情感信息能够提高虚假评论的检测效果,TOSDM的虚假评论检测效果优于其他模型。     

基于语境情感消岐的评论倾向性分析

研究评论倾向性分析中情感词的动态极性变化问题.用Apriori算法在语境基础上挖掘情感歧义词语搭配,构建出(情感对象,情感词,情感倾向性)三元组形式的情感歧义词搭配词典,利用条件随机场模型(CRFs)序列标注方法从评论文本中抽取出情感要素,在构建的情感歧义词搭配词典基础上对评论文本进行了细粒度情感倾向性分析.在手机和电脑两个领域的评论语料集上进行多组实验,与传统方法的对比实验表明了方法的可行性,较为明显地提高了情感倾向性分析的准确率.     

基于BERT模型的景区评论情感分析

随着旅游经济的到来,游客们更加关注旅游体验,本文采用BERT文本情感分析模型以及网络文本分析方法,以苏州拙政园景区为研究对象,爬取并整理携程网中游客对景区的评论信息.利用Python软件建立改进的BERT情感分析模型,训练集与测试集M值达0.94,同时针对负面评论信息使用社会和语义网络,分析游客的旅游体验特征,对景区存...     

基于Adaboost算法与规则匹配的垃圾评论识别

从评论的文本特征及元数据特征两个角度提取特征,避免特征向量过于稀疏.提出了基于随机森林的Adaboost算法,以减弱商品评论数据集不平衡性的影响.部分垃圾评论特征比较显著,采用规则匹配进一步提高垃圾评论识别的召回率.通过在COAE2015任务4提供的数据集上进行实验,取得较好的识别效果,验证了所提方法的有效性.