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.     

用户研究和用户体验设计

从目前国内设计和设计研究的不均衡状态,提出、剖析了用户体验设计的涵义.从构建用户体验的模型和丰富扩大用户体验感知的范围和概念的层面出发,实现了对于设计对象的用户研究.通过这种方法,突破了工业设计只是狭隘的造型和外观设计的范畴,为设计做好充分的用户研究.     

用户研究和用户体验设计

从目前国内设计和设计研究的不均衡状态,提出、剖析了用户体验设计的涵义.从构建用户体验的模型和丰富扩大用户体验感知的范围和概念的层面出发,实现了对于设计对象的用户研究.通过这种方法,突破了工业设计只是狭隘的造型和外观设计的范畴,为设计做好充分的用户研究.     

我国评论挖掘与情感分析领域研究现状

以中国知网(CNKI)数据库中2003—2018年间2 857篇主题为评论挖掘或情感分析的文献为数据源,综合运用文献计量、科学计量和数据可视化等研究方法,借助CiteSpace、SPSS和Ucinet等分析工具,深入考察我国评论挖掘与情感分析研究领域的发展现状和研究热点.结果表明,当前该领域的研究内容主要集中在舆情监控与事件监测、技术方法和商业智能等主题;同时存在基于本体的相关研究欠缺和忽略用户评论表达方式的改变、语料词库尚不规范等不足;今后该领域的发展将会聚焦于短文本、跨学科应用和在线评论的经济价值等方向.     

基于情感依存元组的新闻文本主题情感分析

以情感依存元组(EDT)作为中文情感表达的基本结构,把新闻文本主题情感倾向性判别任务分成主题识别、情感倾向性分析和主客观分类三个逐层递进的子任务。在主题识别前先对TF-IDF方法进行改进,再结合基于交叉熵方法提取主题特征词,同时考虑了新闻文章标题的主题表征作用,将标题词纳入主题特征集;然后基于空间向量模型计算句子与主题特征向量的相似度,在此基础上考虑句子位置、长度及句子与标题的相似度,计算句子的主题相关度以抽取主题句;最后建立情感依存元组判别模型计算主题句的情感,采用主、客观分类规则筛选出新闻倾向关键句。本方法在COAE 2014评测中各项指标皆逼近最好成绩,表明基于情感依存元组的分类方法具有较高的分类性能。     

基于用户体验的网络体验模型的构建与应用研究

用户体验在提高产品和服务价值方面有重要应用。在现有用户体验模型的基础上,结合网络应用的用户体验特征,对用户体验蜂窝模型进行了适当补充和细化,总结构建了以价值为核心,包含可用性、易寻性、可获取性、有用性、可靠性、满意度、交互性和智能性8个网络体验主特征和23个子特征的网络体验模型,为解决网络应用中用户体验的相关问题提供了理论参考。同时,也提出了网络体验模型在有关网络应用的使用调查研究方面具有很高的应用价值。     

基于DWLMS模型的分布式Web用户访问模式挖掘

大型网站为了提高访问效率,通常建立多个镜像站点,这导致获取网站全局的用户访问模式知识变得困难.该文提出一种分布式Web日志挖掘模型DWLMS,并以路径分析技术为例,提出了基于DWLMS的局部频繁路的更新算法LFP和全局频繁路径的更新算法GFP,解决了Web访问信息的异地存储、实时增长、分布式算法通讯量等因素给模式分析过程带来的困难.对提出的算法进行了实现和实际日志数据的测试,结果证明了算法的有效性.     

WEB数据挖掘中用户兴趣模型设计

通过跟踪用户的兴趣与行为提出一种采用显示和隐式相结合的方式创建用户兴趣模型的方法.对用户浏览的WEB页面和用户浏览网页的浏览行为进行分析,得到用户兴趣模型.     

基于用户体验的图书情报服务

从用户体验与图书情报关系入手,分析了图书情报服务中用户体验的要素,并提出了建立基于用户体验的图书情报服务体系的策略。     

基于Web挖掘的用户个性化服务研究

随着WWW的广泛应用及相应的Web技术的出现．使数据挖掘的研究进入了一个新的阶段。Web日志挖掘就是运用数据挖掘的思想来对服务器日志进行分析处理，解决网络用户的个性化服务问题。论文主要论述了一个更新的频繁路径集的Web挖掘算法在网络用户个性化服务中的应用。     

基于认知心理差异的用户体验量化方法研究

针对食品包装用户体验的度量方法,提出了基于认知心理差异的用户体验度量模型.将食品包装的用户体验作为一个流动变化的系统过程,最终的度量结果由认知结果与差异结果构成,认知结果反映用户对食品包装的实际认知,差异结果反映用户期望与实际感知之间的差距.通过度量模型找出造成用户认知差异的主要影响因素,为食品包装后期改进提供帮助.     

用户序列行为分析研究与应用综述

随着信息技术的高速发展,各行业的信息系统近年来收集了海量数据,这些海量数据中包含大量与用户行为相关的信息,且数据量还在以指数级增长.及时、精确地从这些海量信息中发现有用的知识,挖掘出用户行为数据背后隐含的模式,能够帮助企业制定市场战略,留住已有的用户或者吸引新的用户,进而帮助企业在市场竞争中取得先机.而用户的行为数据往往都是具有序列性质的,用户的兴趣爱好也会随着时间不断变化.因此,综合序列特点的用户行为分析成为一个重要的研究课题.论文对近些年来基于用户序列行为分析的研究与应用进展进行综述,并对其数据格式、问题定义、关键技术、应用场景等进行详细介绍、比较和分析.最后,对基于用户序列行为分析的研究与应用在未来的发展趋势进行探讨和展望.     

关于实现Web内容挖掘方法的研究

在分析Web文本挖掘关键技术的基础上，以Web内容挖掘的实现方法为研究重点，提出了Web内容挖掘系统的模型，并对其各个处理步骤进行了详细分析。     

技术视角下的高校信息化应用用户体验研究

互联网技术的迅猛发展为高校信息化应用的用户体验水平提出了更高要求.对于信息化部门而言,通过技术手段提升应用的用户体验水平已迫在眉睫.本文主要围绕与技术相关的用户体验问题展开研究,通过调研分析某校公共数据库平台的现状,指出应用中普遍存在的用户体验问题,探讨如何通过技术手段改进和提升其用户体验水平,并通过参考优秀的社会化网站个例,提出相应的用户体验设计策略.     

音乐评论中情感的挖掘

音乐评论在培养大众的消费品位和情趣,以建立一个有序的文化消费系统中扮演着重要的角色,具有积极的推动作用。本文从音乐评论的角度,对音乐所表达的情感进行深层次挖掘。     

Web挖掘研究与应用

本文从web挖掘的角度研究如何更好的利用web挖掘,从互联网海量的数据中寻找有用的信息,从而为企业和个人的发展提供决有力的策依据。     

用户浏览偏爱模式挖掘算法的研究

针对当前的挖掘算法只是简单地把频繁访问路径作为用户浏览的兴趣路径的问题，充分地考虑了用户在页面上的浏览时间和在路径选择上表现出来的浏览偏爱，提出了基于远程代理数据收集的浏览偏爱模式挖掘算法。该算法先利用客户端的远程代理收集用户浏览信息，然后划分成用户事务，最后利用一个递归过程找出用户浏览偏爱模式。实验证明：该算法比当前的频繁访问路径算法在用户浏览兴趣度量上更准确。     

基于主题情感混合模型的无监督文本情感分析

针对有监督、半监督的文本情感分析存在标注样本不容易获取的问题, 通过在LDA模型中融入情感模型, 提出一种无监督的主题情感混合模型(UTSU模型)。UTSU模型对每个句子采样情感标签, 对每个词采样主题标签, 无须对样本进行标注, 就可以得到各个主题的主题情感词, 从而对文档集进行情感分类。情感分类实验对比表明, UTSU模型的分类性能比有监督情感分类方法稍差, 但在无监督的情感分类方法中效果最好, 情感分类综合指标比ASUM模型提高了约2%, 比JST模型提高了约16%。     

校园网 Web日志挖掘研究与实现

web日志挖掘是web挖掘中的一个重要的分支,通过web日志挖掘可以获得用户的访问模式和用户感兴趣的信息及关注的内容,从而为用户提供个性化的服务。另外通过对大量的web日志文件进行分析,可以获取大部分用户同时感兴趣的信息和内容,从而获得关联度高的网页,以便更好地优化和改善网站的布局。