在线商品评论信息内容影响因素的实证研究

在线商品评论作为在线口碑的一种重要形式,是电子商务交易活动中的一类关键信息资源。研究和识别影响评论信息内容的因素,对于消费者做出正确有效的购买决策和促进电子商务平台完善自身建设等具有重要作用。该文从用户、商家/平台、在线商品这三个层面出发,采用问卷调查和统计分析法,对评论用户群体进行在线商品评论信息内容影响因素实证分析。研究发现:用户的情感分享、专业程度、与商家/平台的关系强度正向影响在线商品评论信息内容;商家/平台的态度负向影响在线商品评论信息内容。     

面向产品垃圾评论识别的特征工程

特征工程是产品垃圾评论识别研究中的关键技术之一,绝大多数现有的垃圾评论检测方法都是根据先验知识进行特征选择与指标定义,这类方法主观性过强从而难以应用推广.以电子商务平台"天猫"热销产品评论为研究对象,提出基于评论数据预分析的垃圾评论识别特征工程,然后运用决策树进行垃圾评论检测.实验表明,与其它基于先验的特征工程相比较,该方法能有效提升垃圾评论分类的效果.     

好评奖励的有限理性经济策略与演化博弈分析

以好评奖励获取用户推介并鼓励二次消费,是在线商家广泛采用的一种营销手段,但不当的奖励策略不仅会降低在线评论的参考价值,亦有损正当的网购经营环境。研究信息不完全和参与人有限理性情况下商家不同的诱导评论策略对消费者在线评论行为的影响,可以为政府监管和消费者购买决策提供参考。基于策略演化的视角构建商家与消费者群体间的博弈模型...     

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...     

基于隐含语义分析的电商虚假评论识别

针对目前虚假评论识别都是通过评论者或评论文本的显式特征来进行的,但是没有考虑评论文本的语义信息,分析结果不够准确,因此提出基于隐含语义分析的电商虚假评论识别方法.该方法在基于用户行为特征分析的基础上增加了评论文本的语义分析信息,能在文本语义层次上识别虚假评论,提升了识别准确性.方法中给出了评论文本的可信度度量并针对有序的可信度度量提出了一种新的错位级别评估方法.     

微博垃圾评论检测与预处理技术

针对发表在微博上评论信息的特点,尤其是那些广大网民用户不愿看到的垃圾评论信息进行了深入研究．归纳了网络上垃圾评论的存在形式和类型,将垃圾评论分为社会网络垃圾评论和普通垃圾评论．为了有效地检测与过滤微博中评论垃圾,提出了一种微博垃圾评论数据预处理的过程和方法,将预处理后的评论信息作为分类和检测的基础．     

基于评论者关系的垃圾评论者识别研究

垃圾评论者在很大程度上误导潜在消费者和观点挖掘系统。目前检测垃圾评论者的方法主要是基于评论、评论者和商店之间的关系,忽略了评论者之间的关系。针对上述问题,提出了基于评论者多边图的产品垃圾评论者检测方法。首先,以每个评论者为节点,评论者之间的关系为边,构建评论者之间的关系图模型;其次,根据多边图模型,提出了一种基于PageRank的评论者互评估可信度模型来检测垃圾评论者;最后,采用卓越亚马逊和Resellerrating.com平台上的数据进行验证。结果表明:该模型能够更有效地识别出垃圾评论者,在一定程度上解决了难识别仅发表一条评论的评论者的可信度问题。     

基于情感信息预处理和Bi-GRU的虚假评论识别模型

虚假评论识别在电子商务、社交媒体等领域具有重要的应用价值。尽管现有虚假评论识别模型融合了文本的情感信息,但在预训练过程中忽视了对情感信息的提取,导致准确率不高。针对此问题,本文提出一种基于情感信息预处理和双向门控循环单元(Bidirectional Gated Recurrent Unit, Bi-GRU)的虚假评论识别模型(FR-SG),用于提高虚假评论识别的准确率。首先,通过Albert模型获取文本的语义向量;然后,使用词频-逆文本频率(Term Frequency-Inverse Document Frequency, TF-IDF)和K-均值(K-means++)聚类的方法从评论中挖掘情感种子词,基于种子词对文本中的属性词和情感词进行掩码(mask);接着,使用面向情感的目标优化函数,将情感信息嵌入到语义表示中,生成情感向量;最后,将这两组向量的拼接结果输入虚假评论识别网络中,得到文本的分类结果。实验结果表明,相较于Bi-GRU+Attention模型,FR-SG提高了虚假评论识别的准确率。     

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.     

基于回复支持的关键评论提取方法

当前网络中充斥着大量的虚假评论,准确识别出代表用户真实感受的关键评论成为评论分析领域研究的热点问题。为此,提出一种基于回复支持的关键评论提取方法,该方法从用户对评论的反馈行为出发,重点考量评论点赞和评论回复两个指标,通过计算评论点赞率和回复率获取评论的回复支持情况,仅对回复支持度高的评论进行提取,从而剔除了大量虚假或无用的评论,提升了关键评论提取的准确性。最后,通过与现有主流方法进行实验对比,验证了该方法具有较高的正确率和召回率。     

图文决策融合的多模态电商垃圾评价检测

现有的电商垃圾评价检测方法大多基于对评价文本信息进行分析,难以有效检测带有图片的多模态垃圾评价,为充分利用评价的图片和文本内容,提出了基于Transformer双向编码表示(bidirectional encoder representa-tions from transformer,BERT)和宽残差网络(wide residual networks,WRN)的图文融合决策检测方法.该方法利用评价文本对经过预训练的BERT模型进行微调训练,经过表示学习分类得到文本评价类别向量,使用宽残差网络对评价图片进行特征提取和分类并输出图片类别向量,将得到的对应评价图文类别向量共同输入启发式决策融合分类器,对多模态评价整体进行预测分类.使用真实电商评价数据集进行实验表明,相比面向评价文本的分类方法,图文融合决策检测方法对多模态评价分类的精准率提高4.44％,召回率提高2.12％,Micro-F1提高3.67％,结果证实该方法能够对多模态垃圾评价进行有效检测.     

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.     

基于双层堆叠分类模型的水军评论检测

对于水军评论检测问题,已有方法在提取用户行为关系以及通过神经网络提取特征时复杂度过大,同时由于网络评论属于短文本类,其书写的不规范会导致训练过程中文本特征提取困难;另外,已有方法对数据集不平衡分布情况考虑不足。为此,提出了一种基于双层堆叠分类模型的水军评论检测方法。首先通过三元组形式构造矩阵表示用户间关系,并通过主成分分析得到低维用户关系表示,以此刻画用户在评论数据中的行为差异并且降低计算的复杂度;然后,通过评论的段落向量表示以及计算离散型特征(包括文本相似度、信息熵等)解决文本特征难以提取的问题;最后将三者相联结作为融合文本与行为特征的整体特征表示。利用集成学习的方法构造双层堆叠分类模型对评论分类,以提升模型在非平衡数据集下的检测性能。实验采用Yelp2013评论数据集,结果表明,与目前最好的基准方法对比, F₁值提高了1.7%~5.2%,在非平衡数据集中提升尤为明显。     

基于网页结构与语言特征的垃圾网页链接检测方法

现有的垃圾网站检测方法主要针对自建的垃圾网站，对于通过入侵正常网站注入垃圾网络链接的检测效率不高.本文提出一种基于网页结构与文本多维特征的检测框架，该框架将网页进行分块处理.通过计算优势率的方法提取内容特征，根据标签数、属性键和属性值利用独热率的方法提取结构特征.使用机器学习算法进行训练并得到检测模型，进而有效地检测垃圾网站链接.同时，将本文的检测方法与基于内容分析的检测算法和黑名单匹配算法进行对比，本文提出的方法检测准确率最高有13%的提高.     

面向汽车领域的软文识别研究

针对面向汽车领域的软文识别问题,将软文识别分为顶贴识别、无关帖识别、广告帖识别和伪造帖识别4个子任务,并分别使用基于规则的方法和基于机器学习的方法对4类软文进行识别。基于规则的方法综合考虑汽车领域专业信息、极性词信息、作者级别信息等因素;基于机器学习的方法结合网帖内容特征和作者信息特征,使用最大熵分类器进行模型训练。实验结果表明,对于领域特征明显、具有数值化反馈信息和明确标注数据的领域,适合使用机器学习的方法进行软文识别。     

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.     

团购网站服务质量对顾客再购意愿的影响研究

基于已有的电子商务理论研究,着重对影响团购网站服务质量的两个因素即团购产品属性和商家服务质量进行了对比分析,并针对团购情境下的团购网站服务质量对顾客再购意愿的影响进行实证研究。结果表明:团购产品属性和商家服务质量均对团购网站服务质量有正向显著影响,但前者影响更大;服务质量正向显著影响感知价值和满意度,满意度正向影响顾客再购意愿,但是服务质量和感知价值对再购意愿的影响不显著。对于不显著的假设,进行解释并给出网络团购行业的管理启示。     

C2C环境下感知在线评论与初始信任的调节因素

对网上卖家缺乏初始信任已经成为顾客选择网上购物的一个主要障碍.通过对C2C网上购物环境下的顾客进行问卷调查,探讨感知在线客户评论与顾客初始信任之间的影响因素,挖掘顾客专业能力和产品参与的调节效应.研究发现顾客专业能力对评论质量与顾客初始信任,以及评论者专业能力与顾客初始信任之间的关系具有调节作用;产品参与对评论质量、评论数量和评论者专业能力与初始信任之间的关系具有调节作用.     

An Laboratory Experiment for Comparing Effectiveness of Three Types of Online Recommendations

The widespread use of Internet accelerates the rapid development of business to customer electronic commerce. To reduce information overload and help their customers to make better purchase decisions, e-commerce websites are beginning to use online recommendations. This paper compares the effectiveness of three types of online recommendations, the personalized recommendation, best sellers, and consumers’ reviews, which are widely used in e-commerce. This research used a laboratory experiment combined with a questionnaire. This paper also establishes an integrated model of the facts that influence recommendation effectiveness.     

内蒙古旅游网用户满意度实证研究

互联网对于旅游业发展的重要作用已毋庸置疑,这使得旅游地都积极运用旅游网站开展营销活动。内蒙古旅游网,作为当地旅游景区推广和营销的重要渠道,对内蒙古旅游业的发展具有积极的推动作用。本文以内蒙古旅游网为例,以网站体验、网站信息、电子商务、网站交互性四个维度为基础,运用实证研究方法,辅之以SPSS专业统计软件,调查并分析了网站用户满意度情况。研究结果表明,内蒙古旅游网网站在信息维度下用户满意度较高,其他三个维度用户满意度有待提高。针对网站存在的问题,提出了改进和完善的意见,以促进内蒙古旅游网网站建设,提高网站的用户满意度。