中文社会媒体环境下汽车质量问题发现方法研究

摘要

国内汽车产业的不断发展以及相关汽车法规环境的不断完善，对汽车产品的质量水平提出了更高的要求，同时汽车质量问题的出现在多方面都会给企业带来巨大损失。随着Web2.0的普及，社会媒体中涌现出了大量用户所发表的关于汽车质量问题的内容，给企业提供了一种新的获取用户质量反馈的方式。但现有关于社会媒体的研究较少涉及社会媒体产品质量问题发现领域，特别是缺乏中文社会媒体下汽车质量问题发现的研究。对此，该文针对现有研究缺乏中文社会媒体环境下的产品质量问题发现框架的问题，以及在汽车质量问题内容的文本分类和汽车质量问题的主题聚类整理上面临的挑战，提出了中文社会媒体环境下汽车质量问题发现的方法，主要完成了以下工作:
　　(1)分析了现有的常用文本特征以及汽车领域中文社会媒体的特点，对中文媒体环境下的汽车质量问题发现过程进行了梳理，识别了汽车质量问题发现的主要任务和关键科学问题，构建了中文社会媒体环境下汽车质量问题发现的框架。
　　(2)根据中文社会媒体环境以及汽车质量问题的特点，构建了文本特征集。并在协同训练的改进算法Tri-training的基础上，构建了面向汽车质量问题的半监督文本分类模型。
　　(3)针对现有的文本分类或文本聚类算法在对这些识别出的帖子进行归类整理过程中所存在的不足，提出了基于LDA的汽车质量问题话题建模方法以及话题聚类方法。
　　(4)设计了以现实的质量问题事件为背景的实验，验证了基于半监督学习的中文社会媒体的汽车质量问题分类模型以及基于LDA的汽车质量问题话题建模方法以及话题聚类方法的实际效果。
　　在实际应用层面，该文的研究成果能够帮助企业在生产控制、市场营销与售后服务等环节针对用户的质量问题反馈进行快速决策。在理论层面，该文在拓展了社会媒体挖掘研究范围的同时，为产品创新需求发现等同类型研究打下了基础。

目录

声明

致谢

摘要

第一章 绪论

1．1 研究背景与研究意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外研究现状

1．2．1 传统质量管理方式中的产品质量问题发现

1．2．2 社会媒体环境下的产品质量问题发现

1．2．3 情感分析

1．2．4 文本分类

1．2．5 研究评述

1．3 本文的研究内容与结构安排

第二章 中文社会媒体环境下汽车质量问题发现相关理论与方法

2．1 中文文本处理相关方法

2．1．1 向量空间模型

2．1．2 中文分词

2．1．3 去停用词

2．2 文本特征提取与选择

2．2．1 特征提取

2．2．2 特征选择

2．3 文本分类方法

2．3．1 监督学习

2．3．2 半监督学习

2．4 本章小结

第三章 中文社会媒体环境下汽车质量问题发现框架构建

3．1 社会媒体对汽车质量问题发现的影响

3．2 中文社会媒体环境下汽车质量问题发现框架

3．3 中文社会媒体环境下汽车质量问题发现关键任务

3．4 本章小结

第四章 中文社会媒体环境下面向汽车质量问题的文本分类

4．1 面向汽车质量问题的文本特征集构建

4．2 面向汽车质量问题的半监督文本分类模型构建

4．3 半监督文本分类模型的算法实现

4．4 本章小结

第五章 基于主题模型的汽车质量问题主题聚类

5．1 汽车质量问题主题聚类流程

5．2 基于LDA模型的汽车质量问题主题建模

5．3 汽车质量问题主题聚类

5．4 本章小结

第六章 实验研究

6．1 实验对象与背景

6．2 实验数据采集

6．3 人工标注与预处理

6．4 基于半监督学习的汽车质量问题分类实验

6．4．1 实验设置与评估指标

6．4．2 实验结果与分析

6．5 基于LDA的汽车质量问题主题聚类实验

6．5．1 实验工具与设置

6．5．2 实验结果与分析

6．6 本章小结

第七章 结论与展望

7．1 本文结论

7．2 未来研究展望

参考文献

攻读硕士学位期间的学术活动及成果情况