Exploration of Dimensions of the Online Hotel Reputation Based on Customers＇ Text Comments and Corpus

以携程网上消费者对酒店的文本评论为研究对象,通过对文本评论中的词语进行聚类,得到其中隐含的消费者最关注的酒店评价维度。为保证词语聚类的效果,引入语料库作为对比文档,通过分词、特征项表示、特征词编码标注、词义相似度计算以及基于DBSCAN的文本聚类过程,得到最后的评价维度,并以实例详细说明每个过程中所采用的方法及步骤。     

基于文本聚类的电子零售商信誉维度发现研究

信誉管理系统在促进顾客对电子零售商的信任过程中起着越来越重要的作用,它是电子零售商取得成功的重要因素和保证。顾客的文本评论是信誉管理系统的一个重要组成部分,其中蕴含了大量的零售商的实际交易和信誉信息。本文从顾客文本评论的视角,采用文本挖掘技术对大量的顾客评论进行文本聚类,通过分类整理和知识提取,以期找出顾客最关注的电子零售商的信誉维度。本研究选取国内最大的IT专业网站——中关村在线作为研究对象,通过一个应用实例详细说明了通过文本聚类发现电子零售商信誉维度的方法和过程。本研究对电子零售商的信誉维度知识发现具有重要意义,也能为电子零售商提高服务质量提供参考。     

基于顾客评论的生活服务商信誉影响因素研究

以口碑网的顾客文本评论为研究对象,针对从网上收集的大量的顾客文本评论,采用文本聚类挖掘出顾客最关注的信誉维度,利用内容分析法对顾客评论进行编码,通过回归分析发现各个信誉维度对生活服务商信誉的影响及边际影响程度,并据此提出相关的经营对策。     

电子商务在线评论质量的维度及其研究方法探析

电子商务等类别的网站聚集了大量用户关于产品的评论信息,这些信息具有潜在的价值和效用.当前在线评论质量是相关研究领域和行业实践所关注的一个重要问题.文章首先对在线评论的有用性和质量进行了界定和分析;其次,对在线评论的研究进行述评,在此基础上探讨了在线评论质量的维度及其主要研究方法,期望为相关研究领域和行业实践提供参考.     

用户在线评论省级公共图书馆内容挖掘与情感分析

用户在社交网络的评论内容反映了其对公共图书馆的观点和情感,是公共图书馆创新服务模式、提高服务质量的重要依据.基于Python采集用户在大众点评、携程网上对31家省级公共图书馆的评论内容,利用词频分析、高频词语义网络构建、LDA主题聚类、情感倾向分析等挖掘文本内容,分析评论内容特点及用户情感.研究发现,完善基础设施配套、...     

基于多层次细粒度评论挖掘的图书影响力评价研究

海量的在线评论表达了用户对于图书整体及其内容、印刷等属性的观点与态度,能够反映图书的影响力。文章对图书在线评论进行多层次细粒度挖掘从而评价图书影响力。首先获取图书的在线评论数据,然后细粒度挖掘图书评论以获取评价指标,并且通过比较多个文本表示方法及构建领域情感词典提高指标挖掘的性能,最后整合评价指标获取图书影响力结果。实验结果表明,虽然存在学科差异,但是图书的在线评论可以作为图书影响力评价的有效资源。此外,在研究语料中,基于One-hot文本表示方法的评论情感判断性能优于基于主题模型与基于深度学习的方法,同时,考虑模糊情感词的情感词典能够有效提升情感判断的性能。     

基于文本挖掘的不同购物网站商品评论一致性研究

基于文本挖掘的理论,提出不同购物网站商品评论对比分析的方法,对不同购物网站同一商品评论是否一致进行研究。首先对商品单个特征的评论进行对比分析,然后衍生到商品的整体特征对比。研究发现,不同购物网站对同一商品的评论并不完全一致,这种不一致主要体现在商品特征上面,这说明商品评论会因为购物网站的不同而有所差异。     

基于中文分词和词频统计的图书在线评论文本分析

网上书店除了提供品类繁多的图书外,还为读者呈现出丰富的在线评论。如何从海量书评中提取对网上书店、出版社或消费者有用的信息成为一个亟待研究的问题。通过自然语言处理的工具之一中文分词技术对图书在线评论的文本内容进行处理,基于词频统计结果提取文本关键词,从而发现读者阅读特征、评论关键要素等有价值的信息。进而以当当网的14197条图书在线评论为例,运用该文本分析方法,以评论标题和评论正文内容、图书种类、所有评论和有用评论三个维度对文本进行了比较分析。     

基于情感倾向识别的汽车评论挖掘系统构建

文本情感识别是一个具有广泛应用前景的研究领域,它在信息检索、文本过滤、产品在线跟踪评价、民情民意调查分析、智能教学系统中都有着广泛应用。而汽车情感识别正在成为人们日益关注的研究热点。本文利用文本分类技术,采用分步骤分模型的设计方法,构建出汽车情感倾向识别系统,通过对汽车评论进行挖掘和分析,识别其情感倾向和演化规律,并以可视化的界面将结果展现给用户,从而向汽车生产商提供反馈信息,同时可以为汽车消费者提供购车指导。另外本文还就汽车语料库的建立,分类模型的构建以及本系统构建过程中的一些关键问题进行了分析和探讨。     

基于DOC视角的在线客户评论加工模型研究

互联网和信息技术的发展,为客户在线分享他人的购物经历提供了新机会.在线客户评论(OCR)对消费者的购买决策和企业的声誉管理都有着十分重要的价值,然而,如何聚合利用OCR是个很大的挑战.论文引入Kano模型、全信息理论和离散事件系统理论,从需求、序化和中心化的三维视角,探讨性地研究OCR的加工问题,并提出了OCR的加工模型.进一步地,对OCR三维加工模型的形式化进行了研究.实例分析证明,电子商务网站现有的OCR加工方式只能满足用户的基本需求,必须改进加工方式以提高用户满意度.本文所提出的模型能为进一步改进OCR加工方式提供很好的可行思路和方法.     

基于在线评论的政府数据开放平台用户增量需求研究

深入研究政府数据开放平台用户需求特征,更有效地为用户提供数据服务,让开放数据创造更大的经济和社会价值具有重要意义。本文采集9个省（市、自治区）级政府数据开放平台的用户评论数据,首先运用LDA模型挖掘平台初建期和发展期用户需求主题,分析其需求热点;其次选取朴素贝叶斯算法研究用户需求主题的情感倾向;最后计算两个时期的平台用户需求主题相似度,揭示用户增量需求的动态演进路径。研究结果表明,“数据改进”“社会保障”“公共安全”等需求主题是用户持续关注的领域,其中“社会保障”主题的情感倾向概率为0.75,用户情感倾向积极,“数据改进”主题的情感倾向概率为0.22,用户情感倾向消极。本文研究平台用户需求主题、情感诉求以及需求变化,促进政府数据开放平台根据用户增量需求不断持续改进,为平台建设发展提供有力支持。     

基于Word2vec与K-means的高校图书馆在线评论主题分析

基于Python采集大众点评网上5所高校图书馆的在线评论,将预处理的在线评论文本通过Word2vec获得在线文本内容的词义向量,通过K-means算法实现文本主题的聚类,得到反映高校图书馆服务质量的5类主题,包括基础服务、自动化与数字化建设服务、面向读者服务、科研创新服务及文化传承服务。在分析5类主题特征的基础上,提出改进高校图书馆服务质量的策略。     

基于细粒度评论挖掘的书评自动摘要研究

挖掘图书评论不仅有助于用户了解图书内容,还可帮助出版社优化营销策略。图书评论摘要能够大幅提升用户获取信息的效率,用户只需简短阅读摘要即可了解评论的重点内容。如何为用户提供简洁、准确的图书评论摘要具有重要研究意义。目前的评论摘要研究多是采用句子抽取式的方法,忽视了评论中细粒度的情感信息。此外,不同的图书评论平台在评论内容方面存在较大的差异,仅基于单一平台的评论构建摘要,用户难以通过评论摘要全面了解图书。本文提出了一种包含属性信息和内容信息的图书评论摘要模型,并设计了基于细粒度评论挖掘的书评摘要方法。实证结果表明,本文提出的评论自动摘要方法,生成的评论摘要能够提供细粒度、多维度的图书评价信息。     

从客户评论中识别命名实体——基于最大熵模型的实现

介绍命名实体识别的基本概念,分析两种命名实体识别的基本方法:基于规则的命名实体识别方法和基于统计的命名实体识别方法,并以最大熵模型为理论基础,对中文菜名识别进行实证研究。根据中文命名实体的特点,设计6种特征模板。实验结果表明,在简单特征模板的基础上增加标注特征能有效提高命名实体的识别效果。对改进识别效果有用的特征依次为:标注特征、词性组合特征、后向词性依赖特征和词形特征。     

基于关键词和摘要相关度的文献聚类研究

现有的文献聚类方法都是通过文献关键词来进行的.本文在研究大量文献聚类方法的基础上,提出了一种通过文献关键词和摘要进行加权的新的文献聚类算法.首先,改进了传统相似度计算的方法,设计出基于关键词和摘要词加权的相似度公式,使文献相似度计算更加精确.其次,基于"文献距离越大,聚为一类的概率越小"的思想,提出了一种"最大距离聚类法",并给出了算法的详细步骤.最后,实现算法并进行了大量的实验仿真.通过改进相似度计算公式,调整关键词和摘要词的权重,提高了聚类的质量.结果表明,本文提出的文献聚类算法是一种行之有效的方法.     

在线商品评论有用性影响因素研究：基于文本语义视角

针对在线商品评论总体质量不高、缺乏有效评论引导机制的问题,以亚马逊商品在线评论为研究对象,结合文本挖掘技术和实证研究,探究基于文本内容评论有用性的影响因素。通过以手机这一典型商品为例,发现消费者关注手机系统反应、音质、导航、打字体验,希望了解电池、充电器等配件细节,重视商家的配送、退换货、保修、发票等服务,评论文本包含这些信息会提高其有用性。     

基于模糊TOPSIS分析的在线评论有用性排序过滤模型研究——以亚马逊手机评论为例

[目的/意义] 针对中文网络客户评论,提出一种在线评论有用性排序模型,辅助消费者做出购买决策。[方法/过程] 从在线评论的形式特征和内容特征两个方面,提取影响在线评论有用性的7个指标属性进行量化计算,采用模糊层次分析法进行指标赋权,结合并改进TOPSIS分析法进行在线评论有用性计算和排序,构建在线评论有用性指标体系和排序模型。[结果/结论] 通过比较分析,发现本文模型获得的评论有用性排序具有更好的信度与效度,为中文网络客户评论提供一种兼顾评论客观信息和语义特性的有用性排序方法。     

基于概念向量的文本语义相似度方法探索CSSCISSCI

在对概念语义相似度方法调研的基础上,本文提出基于概念向量的文本语义相似度测度方法,借助MetaMap工具抽取文本中的概念术语,将概念术语通过词表层级结构转化为概念向量,通过计算两文本中概念向量的语义相似度来测度两文本的语义相似度。为验证基于概念向量文本语义相似度方法的准确性,选取TREC-05 genomics track数据进行实验,实验结果表明,本文提出的方法较常用的余弦方法更优,与专家评估方法更接近,在测度文本语义相似度上具有一定的可行性和有效性。