基于LDA模型的评论热点挖掘:原理与实现

本文提出了潜在狄利克雷分布模型与自然语言处理技术相结合的一种挖掘用户评论热点的方法。为验证该方法的有效性,以22157篇餐馆评论为样本,利用Gibbs抽样计算模型参数,获取了评论热点及相应的热点词语。实验获得的9个主题内容较好地反映了餐馆评论中的热点,与现实生活中用户所关心的餐饮热点基本吻合,表明该模型具有较好的热点识别效果。     

基于情感分析的评论挖掘模型研究

在社会化网络环境下,关于产品的评论成为企业竞争情报分析重要的数据源.这些评论中包含用户对产品各个方面的情感倾向,对其进行情感分析可以帮助商家了解产品的优缺点.针对现有情感分析的不足,本文在构建评论挖掘模型时综合采用了共词分析和基于句法分析的极性传递法.共词分析可定量确定用户关心的产品维度;极性传递算法考虑句子结构特点,在对句子级文本做情感分析时相较传统情感分类算法有更好的分析效果.同时,引入极性值和强度值计算情感词和主题词的情感强度.     

面向在线评论的用户需求分析框架与实证研究--基于KANO模型

[目的/意义]理解用户需求是企业管理实践中的重要一环,在线评论作为用户偏好表达的重要渠道,是企业发现用户需求的重要数据来源。因此,如何从在线评论中有效挖掘出用户需求,是一个重要的研究问题。[方法/过程]文章构建了一个基于KANO模型、面向在线评论的用户需求分析框架。首先利用LDA主题模型从在线评论中抽取商品属性,然后基于BERT模型标注出不同属性上的评论短句,并对其进行情感分析,最后依据不同属性上的评论短句与情感分析结果,通过KANO模型分析用户属性需求。以手机评论数据为例对模型进行验证。[结果/结论]将商品属性分为必备属性、期望属性、魅力属性与无差异属性四类,并以可视化结果呈现。实验结果表明面向在线评论的用户需求分析框架能够有效提取在线评论中用户的属性需求信息,为企业提供产品改进策略参考。[局限]样本数据集有限,存在不均衡状况。     

面向在线评论的用户需求分析框架与实证研究--基于KANO模型

[目的/意义]理解用户需求是企业管理实践中的重要一环,在线评论作为用户偏好表达的重要渠道,是企业发现用户需求的重要数据来源。因此,如何从在线评论中有效挖掘出用户需求,是一个重要的研究问题。[方法/过程]文章构建了一个基于KANO模型、面向在线评论的用户需求分析框架。首先利用LDA主题模型从在线评论中抽取商品属性,然后基于BERT模型标注出不同属性上的评论短句,并对其进行情感分析,最后依据不同属性上的评论短句与情感分析结果,通过KANO模型分析用户属性需求。以手机评论数据为例对模型进行验证。[结果/结论]将商品属性分为必备属性、期望属性、魅力属性与无差异属性四类,并以可视化结果呈现。实验结果表明面向在线评论的用户需求分析框架能够有效提取在线评论中用户的属性需求信息,为企业提供产品改进策略参考。[局限]样本数据集有限,存在不均衡状况。     

微博产品评论挖掘模型研究

微博平台上的产品评论是用户表达其产品需求和情感倾向的重要渠道。结合微博的社会性特点构建了一个微博产品评论挖掘模型,该模型在对产品评论进行情感极性分析的基础上,把不同极性的评论进行分类研究,通过统计分析的方法,挖掘用户关注的产品特征优缺点,并将对应观点的用户感知程度进行可视化;再根据微博产品评论的特点,通过共词网络分析方法实现了对产品竞争对象的识别与分析。最后,通过实证分析,验证了该模型的可行性。     

基于Web评论挖掘的动态竞争情报分析研究(上)——问题分析与模型构建

面对网络中日益丰富的用户评论信息,利用评论挖掘技术对其进行智能化的自动分析,获取非传统意义上的动态竞争情报,对于企业竞争战略的制定和竞争优势的保持具有重要意义。文章在详细分析Web评价挖掘技术研究现状和当前竞争情报分析存在问题的基础上,将Web评论挖掘融入企业竞争情报分析之中,构建了基于Web评论挖掘的动态竞争情报分析模型,阐述了模型中各个模块的主要功能及其实现策略。     

读者在线评论信息挖掘研究

对读者在线评论信息进行挖掘,具有重要的价值。基于Web文本挖掘原理,构建了读者在线评论信息挖掘模型,并对评论属性识别、主观性内容识别、读者态度提取、观点极性判断、挖掘结果可视化等5个子任务的工作内容及其应用的技术手段进行了分析,还提出了图书馆利用读者在线评论挖掘信息的辅助性措施。     

基于评论挖掘的用户购买行为因果事理图谱分析

【目的/意义】互联网数据中隐藏着的消费心理、消费需求等消费者情报对提升企业竞争力意义重大。对用 户购买行为产生及演进机制的发掘,不仅能让企业掌握更多自身产品和服务中的具体细节信息,还能从本质上发 现用户的需求偏好,推进企业实施科学经营决策。【方法/过程】本文提出一种利用因果事理图谱的消费者情报获取 方法,以京东平台手机在线评论数据源为例,首先通过利用基于规则和依存句法分析结合的自然语言处理技术对 数据源之间的因果关系变量进行识别和事件知识抽取,再结合LDA模型进行事件聚类,最后利用Gephi可视化等 方法实现对用户购买行为的起源与发展机制等特征的识别与呈现,探测用户潜在需求偏好。【结果/结论】结果显 示,用户购买手机的行为是一系列严密的因果事理逻辑演进过程,包括买前需求、购买决策、买后评价三个递进阶 段,用户经历产生购买需求;多维需求驱动购买决策演化;最后是否获得对应需求服务的过程影响满意度的评价。 【创新/局限】采用事理图谱的用户购买行为分析,为拓展大数据情报挖掘方法提供了借鉴。但基于规则的事件知 识抽取受数据库限制,导致该方法实施效率受到一定程度影响。     

中文在线产品评论有用性评估实证研究--基于文本挖掘视角

Web2.0时代,阅读在线产品评论已经成为人们购物前的一种习惯。然而,网络上的评论数量巨大且观点不一,消费者很难获取到真正对其有用的评论。本文从研究中文在线产品评论的有用性评估入手,结合中文在线评论的特点,构建了评论有用性评估特征体系。以二分类思想为中心,基于文本挖掘的基本流程,实现对中文产品评论的分类,并考察了评论内容各特征对分类效果的影响。结果表明,本文提出的评估方法能有效识别出有用评论,并且发现浅层句法特征在分类中的贡献度较高,语义特征与情感特征则会因语料类型的不同而有不同的分类贡献度。     

面向用户需求分析的产品评论用例提取研究

[目的/意义]实现海量产品评论数据的快速分析,帮助产品设计人员高效地获取用户需求,在新产品设计的决策中提供参考。[方法/过程]在特征提取和情感分析的基础上,构造了包括"词+词性+词干+位置+依存关系"等节点特征的条件随机场模型,按照"产品特征、谁、在何种情境下、遇到了什么问题"4个要素,以描述手机屏幕和电池的负面评论为例,从产品评论中提取用例。[结果/结论]模型评估和实证研究表明,所构造的模型可以有效地从评论文本中识别产品特征、使用主体、使用情景和遇到的问题,从而快速构造用例,获取用户需求。     

基于情感分析的评论数据用户满意度影响因素研究

通过对用户的满意度影响因素的分析,能够帮助商家挖据用户需求、提升用户满意度、从而提高商品销量。本文使用商业智能软件Power BI对用户评论文本进行数据挖掘,通过提取评论数据中的质量、物流、尺码、价格、颜色等影响用户满意度影响的因素,利用情感分析法进行赋值,然后统计各影响因素的样本得分,识别出价格和质量是最重要的影响因素。     

《情报理论与实践》近五年论文热点主题综述——祝贺《情报理论与实践》创刊45周年

为了纪念<情报理论与实践>创刊45周年,我们依据信息资源管理、信息技术、信息服务、知识管理、情报学、竞争情报、数字图书馆、用户研究八大主题,对<情报理论与实践>2004-2008年的论文进行了分类统计,并作了热点追踪.