消费者危机感知风险对在线评论效果的影响

突发公共事件中在线评论的效果受到消费者对危机风险的感知程度的影响突显.构建消费者危机感知风险情景下的在线评论内容对消费者购买决策的影响模型,运用多元回归分析模型和Bootstrap分析进行验证,探讨评论长度、评论丰富度、评论回复等在线评论内容对消费者购买的影响,同时考虑评论有用性的中介作用以及外在感知风险和内在感知风险的调节作用.结果表明:评论有用性有中介作用,外在感知风险起正向调节作用,内在感知风险起负向调节作用,且外在感知风险对消费者购买的影响更大.突发公共事件会放大在线评论对消费者在线购买的影响,电商应加强在线交易服务和对在线评论的监管,降低消费者在线购物感知风险,促进电子商务稳定有序持续发展.     

负面在线评论文本特征对消费者购买意愿的影响 ——基于自我构建视角的分析

信息技术的发展变革了口碑传播方式,越来越多的消费者自发地在网络上分享有关产品正面或负面的文字或图片信息,消费者在分享负面在线评论时更加诚实,负面在线评论对消费者的决策影响更大。本文基于自我构建理论,采取3个情景实验探讨负面在线评论文本特征的内在说服机制。研究表明,自我构建影响着负面在线评论文本特征对消费者购买意愿的作用效果。就文本内容而言,负面在线产品质量评论对独立自我消费者购买意愿的影响强于负面在线服务水平评论;负面在线产品质量评论和负面在线服务水平评论对相依自我消费者购买意愿的影响无显著差异。就情感强度而言,强负面情感强度的负面在线评论对独立自我消费者购买意愿的影响最强;中负面情感强度的负面在线评论对相依自我消费者购买意愿的影响最强。据此,建议企业识别不同自我构建导向消费者的信息偏好,对负面在线评论进行差异化管理。     

基于word2vec的评论有用性研究

建立一个评论有用性模型,该模型能够对在线商品评论进行有用性预测.基于精心建立的情感词典,联合基于神经网络构建的商品属性词典.设计了合理的匹配算法,采用随机森林算法和五折交叉验证对评论有用性不同特征进行准确率、召回值和F指标的预测.结果显示评论有用性方差值能够很好地反应评论的有用性.评论有用性模型能够对评论进行准确的预测,所预测的结果可以为消费者提供有效的参考.     

图像信息对书籍产品在线评论有用性的影响研究

为了优化在线点评系统,探究在线评论有用性的影响机制,基于心理学中的解释水平理论,结合图书产品的特点,从图文叠加与图片特征的角度,探讨了图文并茂评论、图片的可诊断力及图片可信性对在线评论有用性的影响.研究结果显示:图文并茂的在线评论比文本评论更有用,图像信息分辨率对评论的有用性有积极的影响,图片的可信度对评论的有用性有积极的影响.     

负面在线评论内容和来源对消费者购买意愿的影响——产品类别的调节效应

采用实验研究的方法,研究检验了不同类别产品负面在线评论内容和来源对消费者购买意愿的影响。结果表明:负面在线评论从产品质量和服务水平两个方面影响消费者购买意愿,且负面在线产品质量评论对体验型产品购买意愿的影响更强,负面在线服务水平评论对不同类别产品购买意愿的影响无显著差异;消费者对不同来源负面在线评论的敏感度不同,相较来源于企业网站的负面在线评论,来源于第三方评论网站的负面在线评论对消费者购买意愿的影响更大,但这种效应并不是一成不变的。     

基于条件随机场模型的在线评论情感极性强度分析

为了辨别在线评论的情感倾向,了解大众舆情对某一事件或产品的看法,采用层叠CRFs模型,把在线评论语句进行主客观分类、极性分类以及评论语句的褒贬强度分类,充分利用极性分类和褒贬强度分类之间的层次关系来改善情感分类的冗余关系,以期借助改进的条件随机场模型实现文本情感倾向及强度的分析,实现篇章级文本集的情感分析.     

国内在线评论领域的研究热点可视化分析 ——以中国知网364篇中文论文为例

网上购物的蓬勃发展,伴随着在线评论数据爆炸式的增长,这些年来很多研究者就在线评论领域做过研究,但是研究热点是哪些还不明晰,也鲜有学者做过研究。因此,研究通过BibExcel,Ucinet和SPSS23.0等统计软件,将中国知网中文数据库中以在线评论为篇名中文论文提取的关键词进行社会网络分析,共词分析,聚类分析以及多维尺度分析。研究发现,在线评论研究领域中的在线评论的热点特征有评论有用性、评论效价、评论质量和评论极性等,研究热点理论有感知风险理论、感知价值理论和网络口碑理论,研究热点方法有数据挖掘、情感分析、结构方程模型和消费者行为实验,研究热点结果变量有购买意愿、购买决策、购买意向和购买行为。     

基于景点在线评论文本的游客关注度和情感分析

游客在线评论反映了游客实地旅行之后关于旅游景点和服务的真实感受,本文构建了一个基于景点在线评论文本的游客关注度和情感分析方法。该方法首先从主流旅游网站的评论专区中获取景点的评论文本并进行预处理,然后基于《知网》词汇语义相似度,结合词频分析,通过构建"旅游形象属性-触发词"词表,分别计算评论信息中旅游形象属性的游客关注度。最后建立褒贬义情感词典,对处理后的评论文本情感分析。该方法能够直观显示景点在线评论信息中旅游形象的游客评论关注点和总体情感倾向,为潜在游客的景点选择提供参考依据。以厦门市旅游景点的评论文本为例,验证了该方法的可行性。     

基于Sword2vect的中文在线商品评价情感分析

商品的在线评论情感分析已经成为一个热门的研究话题。为了更好地解决情感分析中词语的上下文信息和词语的情感信息缺失问题,提出了一种基于句子情感得分加权句向量的Sword2vect情感分析方法,对中文在线评价进行情感分析。首先用基于词典的方法计算出评论句子的情感得分并对其进行预处理保证所有正向评论句子的情感得分为正,负向评论情感得分为负,用word2vect算法得到含有上下文信息评论的句子向量,然后用情感得分对句子向量进行加权得到情感句向量Sword2vect,用支持向量机算法对训练数据集进行训练得到模型,最后调用训练好的模型对测试数据集进行情感分析。采用基于情感得分加权的Sword2vect算法和word2vect词向量算法以及tf_idf特征词向量算法分别对京东手机在线评价以及谭松波酒店评价这2个数据集进行情感分析,从精确度、时间等方面进行比较。实验结果表明:基于情感得分加权的Sword2vect算法精确度较word2vect词向量算法精确度提升了10%～20%,相比于tf_idf特征词向量精度提升了20%～30%,Sword2vect算法的时间效率较其他2个算法也得到了较大的提升。     

基于酒店评论大数据的游客评论主题挖掘与情感分析 ——以北京五星级酒店为例

分析酒店评论数据可以挖掘游客的关注点、意见、建议、情感倾向等有价值的信息.结合对酒店评论数据进行主题挖掘和情感分析的交叉研究,提出一个包含数据采集、数据预处理、主题挖掘、情感倾向研究及可视化分析的集成框架.以Tripadvisor网站上北京地区50家五星级酒店的5万余条中文评论数据为研究对象,进行LDA主题挖掘,同时基于酒店领域扩充情感词典,判定评论文本三元情感极性,并在此基础上实现主题和情感的交叉分析.研究结果可降低潜在游客购买决策的风险,也为酒店管理者制定针对性的管理和营销策略提供重要参考依据.研究方法同样适用于景区及餐饮领域的在线评论数据分析,拓展评论大数据与自然语言处理技术在旅游业的应用范畴.     

考虑品牌情感的汽车销量预测模型

现有汽车销量预测研究大多面向整体汽车市场而非单一汽车品牌,而且缺乏对用户口碑数据的深入挖掘,忽略了口碑因素对购买意愿的影响,从而导致预测模型预测精度较低。文章提出一种改进的考虑品牌情感的自回归模型(brand opinion aware autoregressive model,BOAR),对于单一品牌,在考虑该品牌不同时间窗历史销量基础上,结合用户在线评论中挖掘的用户情感值进行汽车销量预测。对多个汽车品牌的实验表明,该模型可以准确预测单一汽车品牌的销量,具有更好的稳定性。研究结果可以为汽车制造厂商生产规划和控制提供更有效的决策支持。     

基于语义分析的互联网产品评论挖掘

从语义分析角度出发,对产品评论文本进行情感倾向分析研究。首先在现有的情感词典的基础上整理并构建一个面向产品评论的情感词典;然后以句子为单位对评论文本进行语句分割,根据词频统计提取产品的主要特征词,并构建特征关联词词库,针对不同的特征分别进行情感倾向分析;最后对所有评论文本作加权计算获得其总体情感倾向。实验结果表明,基于语义分析的产品评论挖掘方法具有较好的情感分析效果。     

基于在线评论的消费者品牌转换意向模糊推理

依据消费者心理学及品牌行为理论,从消费者感知质量、感知价值、品牌声誉、期望达成度4个维度建立了品牌转换意向模型;通过对网络消费者在线评论中评价词、情感词的提取和语义分析,结合模糊情感语料库和品牌转换意向推理规则,模糊推理出消费者品牌转换意向,进而推理出消费者的品牌转换意向的转换类型。以淘宝网上4种化妆品为例进行消费者品牌转换意向研究,得到较合理的结论并给予营销性建议,验证了所提方法的有效性。     

基于BP神经网络的产品性能满意度预测分析

为了解决传统性能设计缺乏复杂场景要素、忽略用户个性化行为等问题,提出一种用户体验评论数据驱动的产品性能满意度预测分析模型.通过分析在线评论数据,获知用户使用产品后的体验满意程度,在此基础上构建由产品结构配置和实际使用工况向性能满意度映射的神经网络模型,分析使用工况作用下的性能满意度影响因素及其影响方式.首先,结合领域本体知识概念和产品使用说明书,整理影响产品性能的相关结构配置要素.之后,以用户感知产品属性后发布的在线评论为数据源,借助自然语言处理技术进行评论内容的细粒度识别,获取产品的实际使用工况,包括使用的环境条件及用户的行为习惯;利用情感分析技术对用户在线评论内容的情感正负倾向进行标定,叠加到用户主观选择的产品评分上,作为用户对该项性能的满意度评分.接着,构建由结构配置要素、使用环境条件和用户行为习惯向性能满意度评分映射的BP神经网络模型,训练后的模型具有较好的预测功能,可以给定新的配置方案,进行不同使用工况下的满意度评分预测.最后,对不同性能结构配置组合方案进行用户满意度预测,分析其中的关键因子及因子间的交互效应.以汽车产品动力性属性为例,进行模型验证,对汽车动力性指标设计和改进提供参考和帮助.     

面向本地和外地用户情感分析推荐模型

针对地理标签和评论信息的情感倾向对于推荐系统性能的影响,本文基于地理标签和用户评论情感分析提出有关兴趣点的推荐策略,并建立了一种基于内容的推荐模型.本系统首先对用户兴趣点信息进行有效的补充,并实现了用户兴趣点相似度度量.对无标签评论数据进行情感分析及挖掘,获取其情感倾向度.同时本系统结合了时间滑动窗口,更准确地把握用户...     

移动通信技术发展背景下的在线评论形式演进及价值挖掘

伴随着移动通信技术的发展,在线评论形式不断演进。信息海量增长,引发消费者对在线评论的真实性和可靠性存疑,决策成本上升。为探讨在线评论对消费者购买决策的影响,本文基于精细加工可能性模型,以在线评论可信度为中介变量,构建研究模型,进而开展问卷调查并进行实证分析。结果表明,网络环境认知、在线评论质量、在线评论数量、评论者资信度对在线评论可信度有显著性正向影响,在线评论效价对在线评论可信度有显著性负向影响。在线评论可信度对消费者购买决策有显著性正向影响,并发挥中介作用。基于此,本文提出了在5G时代深度挖掘在线评论价值可采取的相关举措。     

基于在线评论情感分析和模糊认知图的产品差异性研究

产品差异化问题是电子商务研究的重要方向之一。企业通过产品差异化分析,能够使其产品或服务脱颖而出,从而增强品牌忠诚度和竞争力。从品牌和品牌层级两个维度出发,提出了一种基于在线评论情感分析和模糊认知图的产品差异性分析模型。首先,利用LDA模型提取用户关注属性;其次,通过LSTM和概率语言术语集捕获用户对商品及其属性的情感倾向;然后,利用模糊认知图,进一步探索属性间的关系;最后,根据扩展Bonferroni平均算子对决策信息进行汇总,获得对不同品牌与层级的综合评价,提出相应的改进意见。实验结果表明,提出的模型可以有效地挖掘用户关注属性以及属性关联关系,并能提升产品差异性的分析效果。     

基于特征加权词向量的在线医疗评论情感分析

针对在线医疗评论文本具有行业专业性强、差异性大、不够规范等特点,提出一种基于特征加权词向量的在线医疗评论情感分析方法.利用Word2vec方法构建词向量模型,抽取情感词集合完善医疗服务领域情感词典,根据句法关系识别主题词与情感词的依存关系,引入期望交叉熵因子,建立特征加权词向量模型,分析在线医疗评论的情感倾向.实验结果表明扩充的医疗服务情感词典在分析性能上的准确率、召回率以及F₁值均高于基础情感词典,引入期望交叉熵因子后,基于特征加权词向量的情感分析方法在SVM分类上表现出更好的效果,体现了其在在线医疗评论挖掘领域的良好效用.      

基于在线评论情感分析的手机推荐方法

手机的普及为生活带来便利,但由于品牌多、定位不同等导致消费者难以快速准确的选择合适的机型。为解决这个问题,提出了一种基于在线评论情感分析的手机推荐方法,用于帮助消费者寻找符合购买意愿的手机。首先,集成基础情感词典,构建程度副词、否定词、手机领域评论用语等相关词典,再根据消费者需求对手机各项参数进行多属性组合,并计算每条手机评论的情感值,将评论文本的情感模糊值转换为准确值,最后结合手机属性和评论的情感值定义特征矩阵,进而使用余弦相似度的方法得到top-k款与消费者需求相似的手机推荐给用户。对比传统的使用单一情感词典的推荐方法,结果表明该推荐方法能够有效的提高推荐结果的采纳度。     

基于在线评论和网络搜索的汽车销量预测研究

使用情感分析算法获取在线评论的效价，并应用前景理论和熵值法对在线评论的效价进行调整，结合评论数量和网络搜索数据，建立了自回归分布滞后模型，并对不同价位档次汽车销量进行预测分析.研究发现，考虑了消费者受负面信息影响的在线评论的效价、数量和网络搜索数据的模型预测效果优于传统模型，更符合实际情况，但对不同价位档次汽车预测效果存在差异，低档汽车销量预测效果最佳，其次是中档汽车，最后为高档汽车.