在线评论

摘要： 随着网络信息化的普及,eWOM已经成为潜在消费者获取所需信息的重要渠道,并进一步影响其主观选择行为.选取携程网上哈尔滨市23家五星级酒店为研究对象,爬取各酒店57368条在线评论,基于高频词分析和情感分析对评论数据进行处理.结果表明:哈尔滨市五星级酒店的顾客满意度总体水平较高,酒店顾客满意度的影响因素包括七个方面,且各影响因素的满意度均值均在4分以上,排序为环境、位置、卫生、价格、服务、餐饮及设施.研究为提升酒店顾客满意度,进而加强酒店形象、维系客户关系提供了有益借鉴.

摘要： 在线评论在消费者选购产品时能够提供意见参考,企业也对在线平台的评论十分重视.当一款新产品推出市场时,口碑对其生命周期的影响至关重要,而在线评论作为口碑的重要组成部分,研究消费者选购时对新品评论的关注度和关注点就具有实践意义.文章研究消费者购买新品时对在线评论的关注度和关注内容,并与常规购买产品进行对比,期望给企业新品推广带来些许建议.

摘要： 随着互联网交互性的增强,企业和消费者之间的互动也逐渐增多,商家的在线回复管理在电子商务交易中发挥着越来越重要的作用.本研究结合以往文献资料,构建了商家在线回复对消费者满意度的研究模型,并通过实证研究的方法对研究假设进行验证,结果表明:商家在线回复的信息质量、策略选择和情绪表现对消费者感知服务价值有显著的正向影响,消费者感知服务价值对消费者满意度有显著的正向影响,并结合研究结论提出了提升商家在线回复质量的对策建议,希望通过在线回复正向促进消费者满意度.

摘要： 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.

摘要： 从精细加工可能性模型(Elaboration Likelihood Model,ELM)和服务质量的理论视角出发,采用在线医疗社区的真实数据,构建模型进行实证研究,探究不同路径下的患者择医行为的影响因素和疾病风险的调节作用。结果表明,ELM理论的中心路径和边缘路径的因素会影响患者的在线择医行为意向。疾病风险起到了重要的调节作用,低疾病风险的患者主要受到边缘路径的影响因素,包括医生的服务口碑和服务资历披露,而高疾病风险的患者主要受到中心路径的影响因素,包括技术质量和评论质量。研究结果为改善在线医疗服务提供了理论依据,为医疗服务供给方提供了管理启示。

摘要： 以海南省海口市、三亚市为例,基于182家高档酒店的近39万条在线评论数据,运用聚类分析、LDA主题分析等方法,从生产力布局的微观层面探讨了游客视角下商务型和度假型旅游城市酒店业与免税业的集聚现状,量化产业联结强度,分析服务生产力的关键要素。结果表明:(1)两类旅游城市两个产业的联结强度均遵循距离递减定律。(2)消费者需求市场与竞争市场差异影响了两个产业的联结效应。(3)酒店业服务态度与区位环境是其服务生产力的关键因素。(4)两个产业联结有助于提升旅游城市服务生产力,并刺激衍生出以免税购物为主要出游动机的新型消费者。

摘要： 随着互联网科技的迅速发展,如何利用在线评论信息辅助旅游产品设计越来越受到企业和学术界的关注。本文探讨了利用在线评论信息辅助旅游产品设计的必要性和旅游产品设计面临的主要问题,在此基础上,给出了推动辽宁省旅游业发展的对策建议,为有关部门提供借鉴与参考。

摘要： 互联网时代背景下,在线评论对消费者行为的影响日益增强。以青岛国际啤酒节为例,构建在线评论对青岛国际啤酒节游客参与意愿影响的模型,并运用结构方程模型进行实证研究。研究结果表明:评论者的资信度、在线评论的质量和卷入度对游客参与意愿具有显著的正向相关关系,而在线评论的效价对游客参与意向影响不显著。可以通过邀请达人参加节事活动,提高评论者的资信度;搭建高效在线评论系统,提高评论质量;扩大宣传途径,提高游客对活动的卷入度等方式增强青岛国际啤酒节游客参与意愿。

摘要： 目的:满足茶叶消费者和生产商对包装设计的系统性需求。方法:基于网络评论研究法,利用后羿采集器抓取京东平台茶叶包装网购评价数据,通过清洗获得5 560条评论共280 876字,对评论文本进行文本预处理、构建语义分析,包括提取中文分词、提取关键词汇、构建核心语义等步骤,并在此基础上利用扎根理论对有效评论进行文本编码、开放性编码、主轴编码、选择性编码,以此构建茶叶包装优化设计理论模型,并进行理论饱和度检验。结果:包装特点、容量大小、包装材质、做工品质是茶叶包装设计过程中的重要要素。结论:该理论模型的核心范畴要素能够适用于白茶及乌龙茶类的包装设计,有效满足消费者及生产商的系统性需求,且具有良好的应用价值。

摘要： 电子商务的快速发展使人们的购买形式发生了转变,在线评论逐渐成为消费者在购买决策过程中重要的参考依据。面对数量众多的评论信息,如何快速发现有价值的信息,并做出购买决策,成为近年研究的热点。本文对国内外有关在线评论有用性的论文进行梳理,总结了在线评论有用性的定义和量化体系,从评论内容的特征、评论者的特征、阅读者的特征以及调节变量等四个方面对在线评论有用性影响因素进行了分析研究。

摘要： 本文在大数据时代背景下,以中关村在线平台的10款手机产品在线评论为研究对象,通过自然语言处理相关技术和机器学习相关方法挖掘高频产品属性词.通过情感分析获得属性特征情感得分,并将其与电商平台的原始打分数据融合.采用多元线性回归模型获得产品属性偏好排序,进行消费者偏好分析.研究表明,消费者最关注的五类手机产品属性分别为"外观"、“拍照”、“性能”、“解锁”、“性价比”,其中,用户最关注的是“性价比”这一属性.最后,对企业在产品改进和市场营销方面提出相关建议,使其在把握消费者偏好的基础上提高综合竞争力.

摘要： 在线评论作为网络口碑的一种重要形式,已然成为人们消费决策的重要参考来源.本文通过软件在豆瓣网抓取数据研究豆瓣文化类节目的在线评论有用性的影响因素,结果显示评论长度和评论可读性对评论有用性的影响显著,评论效价和评论极端性的影响不显著.研究结果可为社交平台如何向用户提供更优质的评论提供参考.

摘要： 现今,在线评论作为网络口碑的一种重要形式,已然成为人们消费决策的重要参考来源.本文围绕“什么样的在线评论最有用”这一问题,主要研究了豆瓣文化类节目下的在线评论有用性的影响因素,希望能够帮助豆瓣用户迅速获取到高质量和高价值的评论信息,降低用户的搜索成本,促使更多的潜在用户通过社交平台来寻找有用评论.

摘要： 在线评论子集的提取已成为解决消费者在线购物过程中信息过载问题的有效方法,但现有方法在提取过程中均没有考虑评论特征之间的差异所导致的权重不同.本文针对这一问题提出了一种考虑评论特征权重的在线评论提取方法.该方法通过将评论特征权重的计算转化为分类问题中的区分度计算,并通过随机森林的Gini指数计算出评论特征的权重.基于此,本文从评论特征分布一致性的角度构造了评论子集提取模型以及相应的提取算法,并通过真实数据实验验证了这一提取方法的有效性.

摘要： 伴随电子商务的蓬勃发展,在线评论的数量极速增长,人们在信息过载下开始寻求在线评论的自动解读,并且人们越来越追求个性化,需要获得更细化的信息,因此评论文本情感倾向的整体分析已不能满足用户,需要进行在线评论的细粒度情感分析.本文抓取京东商城某品牌农产品大量在线评论文本,以细粒度情感分析为切入点,通过划分产品属性、建立领域情感词表,研究产品属性与情感词相匹配时的细粒度情感对消费者决策时的态度的影响,并根据计算情感极性对细粒度情感进行分析.

摘要： 顾客对酒店环境品质的主观感受对于酒店管理和室内环境品质研究都十分重要.本文采用一种基于在线评论文本分析的新方法,根据顾客在旅游网站上的文本评论,分析其对酒店室内环境品质的主观感受.笔者首先从携程网站上搜集了70家五星级酒店的16万条评论,然后利用文本挖掘技术从中提取出与室内环境品质相关的文本内容.本文提出了一种根据在线评论中环境品质的抱怨率来评估顾客对室内环境品质的不满意程度的方法.结果表明,平均有4％的在线评论提到了对室内环境品质的抱怨.其中,空调、噪声和湿度是影响顾客对室内环境品质满意度的三个首要因素,其影响程度分别占39％、23％和19％.此外,顾客对酒店环境品质的抱怨率越高,酒店在网站上的综合评分越低.

摘要： 线上评论信息快速膨胀,消费者如何从众多评论内容中甄别出有效信息?本文在信息采纳理论基础上,构建了在线评论有用性模型,运用淘宝网的海量在线评论数据,考察了信息质量对评论有用性的作用机制.研究结果表明,有效评论数、中差评、上传图片对评论有用性具有显著的正向影响作用.在体验品中,中差评和上传图片对评论有用性的作用更强.有效评论数、中差评、上传图片会正向影响卖家回复,卖家回复又会对评论有用性产生积极作用.这些结论拓展了信息采纳模型的应用领域,有助于电商平台在线评论系统的完善,有助于消费者有效甄别评论内容.

摘要： 本研究在跨境网络购物情境下研究在线评论和网站来源国对“价格——感知质量”关系的影响.基于马来西亚消费者的研究表明,(1)价格或评论数对消费者的感知质量影响非常有限;(2)当在线评论数和网站来源国相一致时,价格不会对感知质量产生显著影响(3)当在线评论数和网站来源国不相一致时,价格会对感知质量产生显著影响.

摘要： 目的:大规模文本的观点挖掘已成为研究热点,基于机器学习技术的情感分析应运而生,特征降维是其中的关键环节.方法:常见的特征降维方法有DF、IG、MI和CHI,这些方法运用了统计的思想,没有考虑特征词之间的语义关系,在一定程度上影响了分类效果.针对中文产品评论的特点,采用依存关系对句子进行句法分析,并结合常见的降维方法进行情感属性降维.最后,采用SVM分类器进行文本分类实验.结果:降维后的特征词能更好的表示文本.结论:基于依存句法关系的情感属性降维方法能够有效提高情感分类的效果.

摘要： 本文以电子商务平台中的农产品在线评论为对象,研究其情感标签的抽取方法.首先通过中文分词软件对农产品评论进行分词和词性标注,其次采用TF-IDF特征抽取方法对评价对象和评价词进行关键词过滤再利用PMI计算出各个关联词的共现性,根据用户评分建立规则判断情感词倾向性,从而最终获得情感标签集合.最后利用网络抓取的农产品评论语料作为测试数据对情感标签集进行测试,获得较高的抽取准确率和召回率,说明这种方法具有较好的领域适应性.

摘要： 本发明公开了一种基于在线用户评论的产品功能特征重要性分析方法，包括(1)基于用户评论文本，标注每条评论语句的产品需求类别；(2)计算每一条评论语句的用户评分和每项需求的总体评分；(3)分析用户对每项需求的总体评分的差异度和评分区间的分布均匀性；(4)使用模糊推理，获取用户对每项需求的满意度；(5)根据用户满意度、被用户提及的频率、及产品QFD矩阵，计算产品各项功能对于满足用户需求的重要性。本发明提供的方法可以自动从海量用户评论中挖掘出用户的需求偏好，直接将用户需求偏好映射为产品功能重要性的分析方法，具有最高重要性的功能特征成为产品开发过程中需要重点考虑和设计的功能，为用户驱动的产品设计指明了方向。

摘要： 本发明公开了在线课程平台评论数据处理系统，涉及数据处理技术领域，包括数据集采集模块、数据处理模块、数据标注模块、特征库挖掘模块、框架设计模块和工具部署模块，所述数据集采集模块通过信号线与数据处理模块相连接，所述数据处理模块通过信号线与数据标注模块相连接，所述数据标注模块通过信号线与特征库挖掘模块相连接，所述特征库挖掘模块通过信号线与框架设计模块相连接，所述框架设计模块通过信号线与工具部署模块相连接。本发明不同的在线课程平台独立同分布，每门课程之间设有关联，不会进行相互影响，提高了评论数据的处理效率。

摘要： 一种基于评论树的在线社交媒体新闻争议性检测方法，包括：1)预设主题的新闻及评论收集，收集一段时间内每个主题中的所有新闻及其所有评论，解析为可读模式并进行整理，得到在线社交媒体新闻及评论数据集；2)提取评论树的多维度特征，对每一个新闻构建评论树，并提取评论树的多维度特征作为训练数据集；3)训练新闻争议性检测模型，将上述的训练数据集中，对于每个维度特征使用一个弱分类器进行训练，对弱分类器通过Boosting方法训练强分类器，得到新闻争议性检测模型；4)模型预测，获取待检测新闻及评论，解析为可读模式，构建评论树，提取评论树多维度特征作为输入，通过新闻争议性检测模型，得到待检测新闻的争议性检测结果。

摘要： 本发明公开了一种基于深度语义匹配的在线评论自动回复方法，结合句向量余弦相似度和多维度情感匹配度，找到数据库中与输入评论语义最为接近的在线评论。具体做法是利用Canopy+Kmeans聚类获取不同主题的特征词，在此基础上利用基于先验知识的主题模型CorEx进行主题特征词扩充。同时，构建BERT‑BiLSTM情感分析模型，根据聚类得到的主题特征词，并利用依存句法分析，对在线评论进行多维度情感分析。结合句向量余弦相似度和多维度情感分析结果来匹配数据库中语义最为接近的在线评论，将该评论的商家回复进行数据增强EDA操作，选取与原句句向量余弦相似度最高的句子作为自动回复内容。本发明能方便、高效、精准地为商家提供自动回复在线评论。

摘要： 本发明公开了一种基于生成对抗网络的在线评论商品特征观点提取方法，涉及在线评论文本挖掘领域。本发明包括步骤：1)用网络爬虫爬取商品评论数据和电商平台已有的对评论数据进行分类的标签数据；2)将标签数据人工标注为特征观点词形式；3)建立生成对抗网络，包含一个生成网络和一个判别网络；4)建立演员——评论家强化学习模型的评论家网络；5)交替训练生成网络，判别网络和评论家网络，直到收敛；6)用所得生成网络对商品在线评论进行特征及观点提取。本发明应用生成对抗网络实现在线评论商品特征和观点的自动提取，不依赖于语法规则，无需特征处理，人工干预少，领域扩展性好。

摘要： 本发明公开了一种去除在线评论呈现顺序对评论帮助性干扰的纠偏方法及应用，通过构建包括呈现顺序和评论帮助性的面板数据集，并进行赋值；进行多期横截面数据收集并对相同评论进行评论关联；计算评论的新增投票，形成面板数据集；计算评论留存率和顺序稳定率；判断评论留存率和顺序稳定率是否满足要求；计算评论呈现顺序的系数；根据顺序偏误的影响作用大小，对评论帮助性进行误差纠正。本发明适用于在线平台对评论帮助性分析的改进，通过分析呈现顺序的信息，定量的刻画了来自浏览者的评论帮助性存在的系统偏误，通过偏误纠正有效的识别出高质量评论，从而降低消费者的信息过载。

摘要： 本发明公开了一种基于在线评论情感识别的多分类器产品排序方法及系统，方法包括如下步骤：步骤1：采集消费者备选产品的相关数据；步骤2：对步骤1采集的数据进行预处理；步骤3：构建基于支持向量机的情感识别分类器组并计算情感得分；步骤4：构建产品排序方法，得到备选产品排序结果。本发明在建立多分类器的情感识别模型的基础上，进行了在线评论的各属性情感得分计算，通过消费者给出的属性权重，比较各个消费者备选产品的得分从而形成产品排序结果。

摘要： 本发明公开了一种基于背景增强的LSTM‑CNN在线评论情感分类方法及系统，将预处理后的在线评论文本进行词转化得到在线评论文本的词向量表示，利用融合词性与位置信息的TF‑IDF算法提取新闻文本特征，使用卷积神经网络提取出评论文本的局部特征，将新闻文本特征提取通道所得的新闻文本特征与在线评论文本特征提取通道所得的评论文本特征拼接得到基于背景增强的评论文本特征向量，将评论文本作为语言背景，将其作为评论文本情感分析的特征，加入到情感分类模型中，提高了模型在不同背景下情感分析判断能力，使用TF‑IDF结合词性与位置信息进行新闻文本特征提取，融合特征向量然后进入全连接层分类训练得到新闻评论情感分类模型，能够提高新闻评论情感分类的准确率。

摘要： 本发明实施例提供一种基于在线评论的旅游消费者市场细分分析方法，属于旅游分析领域。所述方法包括：获取在线数据评论；对所述在线数据评论进行分词处理，以将所述在线数据评论中的每个语句评论分为多个词语；获取所述词语中的名词词语；获取所述在线数据评论中的新词词语。该方法可以通过获取网上的在线数据评论，并对在线数据评论进行进一步的分析和归纳，以将旅游消费者划分为不同细分市场，进而可以对消费者进行更加精细化的分析。

摘要： 本发明公开了一种融合可拓学与在线评论的产品需求挖掘方法及系统，该方法包括：获取产品评论数据集并进行分析，构建三元组模型；将三元组模型进行层次划分，构建物元模型；基于SO‑PMI算法对产品评论数据集进行计算和分析，构建事元模型；基于可拓学拓展分析方法对物元模型和事元模型进行分析，得到产品改进需求。该系统包括：三元组构建模块、物元构建模块、事元构建模块和分析模块。通过使用本发明，能够实现产品的分层表达和需求挖掘。本发明作为一种融合可拓学与在线评论的产品需求挖掘方法及系统，可广泛应用于产品需求挖掘领域。