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。     

基于在线评论的产品选择方法

随着大数据时代的到来,电子商务网站规模迅速扩大,产品的种类和数量已成海量规模,消费者需要高效的产品选择方法帮助他们做出决策.为了提出基于在线评论的产品选择方法,首先,确定在线评论的效用,并对产品属性进行提取得到属性集合,在考虑评论效用的情况下确定属性权重;然后,对在线评论中的情感词进行分析,将消费者情感倾向表示为关于评价标度的概率分布;再依据随机占优准则得到两两产品关于每个属性的占优关系;进一步,通过PROMETHEE II方法对备选产品进行排序.最后,通过一个产品选择的实例说明该方法的可行性和实用性.     

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。     

基于评论的影片个性化推荐方法

针对影片数量较大, 观众选择喜欢的影片较难的问题, 提出一种基于评论的影片个性化推荐方法. 该方法先把电影标签作为主题对观众评论进行分类, 再根据主题评估函数计算主题的满意度, 然后根据观众喜好为主题设定权重, 获得关于影片的个性化评价, 最后根据评估结果, 为观众提供一个可供选择的影片序列. 实验结果表明, 该基于评论的影片分析方法有效.     

基于在线评论的品牌再购意向模糊推理方法

以计划行为理论为基础,从品牌态度、品牌声誉和感知价格三个维度,建立了消费者品牌再购意向模糊推理模型:构建了针对化妆品的评价词语料库和消费者品牌再购意向模糊推理规则库,通过对网络消费者在线评论中评价词的提取和语义分析,进行消费者品牌态度、感知价格、品牌声誉的计算和消费者再购意向的模糊推理:结合消费者的消费总额,构建“品牌再购意向-消费总额”消费者分类矩阵。以聚美优品网站的3款面膜为例进行品牌再购意向的实例计算,结果验证了所提方法的合理性和可行性。     

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...     

PORSC:融合用户个性化特征的在线评论情感分类模型

针对传统在线评论情感分类忽视了用户个性化的问题,提出了一种融合用户个性化特征的在线评论情感分类(PORSC)方法,该方法为每一类型用户构建一个在线评论情感分类器.PORSC模型由2部分构成:一部分是具有学习评论中常见情感信息的全局情感分类模型;另一部分是能捕捉每种类型用户的个性化特征的特定用户类型分类模型.为解决PORSC模型在训练中的数据稀疏问题,引入多任务学习方法,以协同方式训练分类器,以并行方式解决了PORSC模型中参数的优化问题.通过在2个实际中文产品评论数据集和一个公开的英文评论数据集上实验,并与已有基线方法进行比较与综合分析,结果表明PORSC模型在一定程度上提高了在线评论情感分类的精度.     

基于产品属性及用户偏好的个性化产品推荐方法

个性化推荐系统中应用得最广泛的是协同过滤算法,而相似度的计算是协同过滤算法的核心。针对传统相似性度量方法中将用户对单个产品与单类产品的喜好未加以区分的不足,提出了一种基于用户兴趣与喜好的相似性计算方法。该方法根据用户兴趣与喜好,将对某个产品与某类产品的喜好程度区分开来,再通过加权的方式形成最终计算同类产品不同用户间的相似性。最后,采用Movie Lens数据集进行算法测试,测试实验结果表明,该计算方法的计算质量有明显提高。     

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%。     

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.      

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.     

基于多属性在线评价信息的商品购买推荐排序方法

针对支持消费者购买决策,提出了一种基于多属性在线评价信息的商品购买推荐排序方法.在该方法中,首先将消费者关注的备选商品各属性在线评价信息转化为关于属性评价标度的概率分布,并确定备选商品各属性在线评价结果的累积分布函数,进而构建加权累积分布函数决策矩阵;然后,依据该决策矩阵,确定正、负理想商品加权累积分布向量,并计算各备选商品与正、负理想商品的加权累积分布向量的距离以及相应的贴近度;进一步地,依据贴近度的大小,可确定备选商品的推荐排序结果.最后,以一个支持消费者购买轿车决策为例说明了该方法的可行性和有效性.     

产品评论情感倾向性分类系统的设计与实现

针对消费者网上购物时选择商品的用户体验不足等问题,设计了产品评论情感倾向性分类系统。系统首先对评论进行了分词,然后根据停用词表去停用词,分别采用CHI、IG进行特征选择,最后比较了使用不同的特征选择算法对文本情感分类结果产生的影响。系统采用了Java Web相关技术实现了可视化,并对产品评论的分类过程进行了展示。实验结果表明,有效的特征选择方法有助于提升推荐系统的性能。     

基于协同过滤的在线教学视频推荐方法

在目前的在线教学系统中,用户对教学视频的选择具有一定的盲目性,根据这一特点,提出了一种基于协同过滤的在线教学视频推荐方法,可以将用户可能感兴趣的教学视频＂推＂给用户;首先将用户的观看视频纪录整理并保存至数据库中,依据各用户历史播放纪录以及用户的基本信息的兴趣差异来查询邻居用户,然后利用这些邻居用户的视频观看记录基于协同过滤的方法进行教学视频的推荐;改进了传统协同过滤推荐方法中普遍存在的稀疏性（Sparse）和冷启始（Cold Start）等问题,因此能使推荐更为精确;另外,通过用户是否观看所推荐的视频,可以对系统做出隐性评价以修正系统的参数,以提高推荐的准确性。     

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。