基于在线评论的产品竞争力分析方法

随着电子商务的发展,在线评论已成为企业分析其产品竞争力的重要数据资源.通过评论文本提取消费者最关注的产品特征维度,采用情感词典法对评论文本进行情感分析得到特征-情感分数对.计算特征维度的重要度和满意度以确定特征维度的机会得分,并绘制机会景观图,分析目标产品自身的竞争力.依据特征维度的满意度,比较目标产品与其竞争产品的竞...     

基于情感词汇的在线评论产品个性化推荐方法研究

针对网络在线产品评论,利用Apriori算法从在线产品评论中挖掘出产品的热门属性,提取情感词汇并确定词汇和属性的搭配关系;对情感词汇进行模糊化表示,通过构建产品属性与推荐度的模糊推理规则,实现个性化产品推荐计算.以京东商城网站手机产品评论为例进行了实际计算,结果表明,该方法较传统的按销量排序方法更具个性化和针对性.     

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。     

基于卷积神经网络的在线评论情感分析模型

针对标准卷积神经网络在文本情感分析过程中忽略了句子的整体结构信息的缺陷,本次研究在卷积神经网络的输入端加入注意力机制,提出了基于双通道输入的分段池化卷积神经网络模型(AF_CNN模型),该模型既能够有效提取文本局部最优特征,又能够捕捉到上下文词语之间的相关性。针对体育新闻评论情感分析的实验结果表明,与标准的卷积神经网络模型相比,本次研究提出的AF_CNN模型在分类准确率、召回率和F_1值等评价指标上,分别提升了3.40%,0.47%,1.96%。     

采用在线评论的景点个性化推荐

通过对旅游网站的景点评论进行情感分析,综合利用自然语言处理技术和领域本体构建技术,准确把握游客对旅游目的地的满意度和需求;将群体智慧和个人偏好有效地结合,为游客出行制定合理的个性化推荐策略.实验结果表明:所提出的推荐策略能够有效地将碎片化的游客评论数据转化为对其他游客出行地选择的辅助信息,提高了游客获取旅游知识的效率,真实地反映游客的旅游感受,为游客景点选择提供参考.     

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.     

基于评论大数据的顾客感知产品质量评价

随着消费方式的升级，消费者对产品质量的要求提高，且对产品的诉求变化迅速，企业需要更及时地了解消费者对产品质量的态度，而通过传统的问卷方式获取消费者对产品的感知质量已经不能满足这一需求。为更及时地获取消费者对产品的感知质量，本文提出一种基于用户评论数据的消费者感知质量评价方法。该方法不仅能够缩减调研的时间和人工成本，还能帮助企业更快地找到消费者关注的产品质量属性，获得消费者对产品质量属性层面满意或不满意的程度。     

用于在线产品评论质量分析的Co-training算法

在线评论广泛存在于电子商务网站平台, 其中包含着客户对产品的评价及偏好. 高效分析在线评论数据并满足客户需求, 对许多谋求立足于竞争激烈的国际化市场的企业来说至关重要. 但因在线评论的质量不一, 使得如何分析在线评论的质量成为一项重要工作. 从两个方面提取特征对在线评论进行描述, 并构建了一种Co-training算法来判断评论的质量. 通过对比实验验证了该算法相对于单一分类算法的优势.     

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.      

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。     

修正中文评论挖掘中产品特征词序的实验研究

目前互联网已经成为信息和观点的交换主要媒介,因此也成为了手机用户对于产品观点的最佳来源.但是目前为止研究中文文本的评论挖掘问题的研究还比较少.为了进一步发展这一领域的研究,旨在从中文客户评论中得到用户关心的产品特征.方法基于关联规则理论中的Apriori算法.主要通过计算频繁特征项的各分量在文本中出现位置的概率,从而确定挖掘到的候选产品特征中词汇的语序,使挖掘结果满足中文的正规语法要求.采用因特网上的评论数据作为语料,通过实验结果表明所提出的方法使得中文评论中的产品特征挖掘性能有所提高.     

基于产品特征的领域情感本体构建

研究构建领域情感本体,显式描述产品与产品部件、产品与产品属性之间的语义关系;设计词性模式匹配方法提取特征词和情感词的固定搭配,并采用评论句的极性标签结合否定词典,逆向推测搭配组合的情感极性,建立特征词与情感词的关联关系;进一步设计本体节点匹配规则进行情感分析,提高对电商网站评论文本情感分析的性能. 实验结果表明,领域情感本体的构建有利于消除情感词的领域依赖性及识别评论中的隐性特征.      

基于ASP的毕业生在线选题管理系统的设计

介绍了基于ASP的毕业生在线选题管理系统的设计目标和主要功能,探讨了其中的关键技术。