基于CRP模型的评论热点挖掘研究修正版

鉴于现在人们习惯在网络上表达自己的产品情感,网络评论变得繁多而杂乱,文章提出应用中餐馆模型(CRP)来挖掘用户评论热点,此方法克服了应用LDA模型挖掘用户评论热点方法不能自动确定热点话题的数目的问题,CRP模型不仅能自主发现评论热点及其更新的评论,还能准确确定出热点评论。以26 157篇餐馆评论为数据样本,实验证明该方法能得到了较好的效果。     

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.     

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。     

基于文本挖掘的京东商品评论分析

以京东的笔记本电脑商品为研究对象,通过爬取笔记本电脑的商品信息来了解京东的商品供应商、价格等现状,通过爬取具体的一个笔记本电脑的页面中的评论文本,通过结巴来分词,基于构建的词云图对评论进行了情感极性分析,希望通过结果可视化的分析,能够帮助电子商务的商家们来优化商品属性,更好地满足消费者的需求,并指引用户制定合理的购买决策。     

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。     

基于产品评论挖掘的消费者偏好分析

【目的/意义】消费者评论数量巨大且充满随意性,因此需要对评论信息进行分析,信息分析可以给潜在消 费者提供有价值参考,可以给商家提供消费者对产品的反馈意见,也可以给平台改善服务提供参考,从而实现消费 者、商家和平台的共赢。【方法/过程】以从京东商城爬取的部分产品评论文本为研究对象,使用词频、词云分析的方 法对评论中的产品特征进行抽取,分析消费者对产品属性的偏好,通过情感倾向计算方法,对五种不同类别的产品 评论进行情感倾向分析,并研究消费者对产品属性的偏好和情感倾向间的关系。【结果/结论】研究结果表明,对于 不同类型的产品,消费者有不同的属性偏好,且关注的产品特征数量也不同。在此基础上,分别对商家、电商平台 和消费者提出了有针对性的建议。【创新/局限】使用评论挖掘的方法,从消费者、商家和平台三个视角进行研究,提 出应对方法。但对数据的处理仍然不够精确,有待进一步研究。     

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。     

基于LDA模型的电商用户评价分析

随着电子商务迅速发展,商品在线评论服务的重要性日益凸显。评论蕴含了众多消费者对特定产品和相关服务的真实感受,反映出了许多消费者的态度、立场和意见,具有非常宝贵的调研价值。以某电商平台的某款手机产生的评论为实验数据,对其进行了分词、词性标注和评论文本信息的预处理。基于预处理后的用户数据进行客户情感分析,使用LDA主题模型来分析用户评论,了解其潜在目标用户的需求、意见、购买原因,以及产品的优缺点,提出全面改善产品交互体验的相关建议。     

从产品评论中挖掘观点:原理与算法分析

本文首先对产品评论中的观点挖掘进行了形式化的描述,给出了基本的研究思路;接着分析了从产品评论中识别产品属性的原理,并对基于词汇共现的方法和基于机器学习的方法进行了比较;然后分析了对相关属性进行极性判断的原理,并对各种现行方法进行了比较;最后对观点挖掘在未来的发展热点进行了展望.     

基于LDA模型的钢铁材料专利技术主题演化研究

为明确钢铁材料及其技术发展态势,实现新科技革命与钢铁产业高质量发展的深度耦合,研究从主题演化角度出发,借助LDA模型全面挖掘钢铁材料领域技术主题,深入考虑主题在强度、内容方面的动态演化过程,最终提炼钢铁材料发展特征及未来发展方向,并结合我国工业化发展阶段绘制相关路线图。研究表明:我国钢铁材料及技术多集中于基础性研究;材料性能将以高性能、长寿命、复合化、低维化、智能化为重点,材料类型呈现出由结构性材料向功能性材料延伸的趋势;未来我国将立足于钢铁材料的需求、研发和应用,分别从市场、技术、资源角度出发,进入钢铁材料智慧设计、智慧生产与智慧服务的新时代。     

数据挖掘技术与用户知识获取

1　数据挖掘技术概述随着信息技术的迅速发展 ,数据库的规模不断扩大 ,从而产生了大量的数据。为给决策者提供一个统一的全局视角 ,在许多领域建立了数据仓库。但大量的数据往往使人们无法辨别隐藏在其中的能对决策提供支持的信息 ,而传统的查询、报表工具无法满足挖掘这些信息的需求。因此 ,需要一种新的数据分析技术处理大量数据 ,并从中抽取有价值的潜在知识 ,数据挖掘 (ＤａｔａＭｉｎｉｎｇ)技术由此应运而生。数据挖掘技术也正是伴随着数据仓库技术的发展而逐步完善起来的。数据挖掘是指从数据集合中自动抽取隐藏在数据中的那些有用信…     

基于泊松分布和伽马分布的网络舆情热点发现

本文提出了一种基于泊松分布和伽马分布的网络舆情热点实时识别方法。该方法使用话题的人气和时间间隔特征两方面来识别舆情热点,发现单位时间内（如1小时）参与话题讨论的人数成泊松分布,回帖的时间间隔服从伽马分布。本研究用历史数据证明了该方法具有良好的识别效果。     

基于用户评论分析的网络学术信息资源评价体系模型研究

[目的/意义]从用户角度,通过用户评价内容挖掘构建形成网络学术信息资源评价模型,为网络学术信息资源评价提供一个新的视角,并为其更进一步深入研究奠定基础。[方法/过程]文章在利用爬虫工作自动抓取三个知名学术网站用户评论的语料库基础上,运用数据挖掘研究方法对评论数据进行分词、聚类,根据词间与词对关系,构建形成评价体系模型。[结果/结论]基于用户评论挖掘构建形成涵盖资源内容属性、资源外部特征、网络功能属性、获取过程、用户体验五个维度的网络学术信息资源评价体系模型。该体系模型反映出科学用户在利用新兴网络学术信息资源过程中对资源自身属性和平台规范性的关切,是用户与利用正式学术信息资源的本质区别。     

基于LDA主题模型的标签推荐方法研究

针对现有的标签推荐方法存在的推荐准确率不高与效果不理想等问题,本文提出了基于LDA主题模型的社会化标签推荐方法。该方法利用LDA主题建模技术将传统的基于对象间关系的推荐方法扩展到融合对象间关系与资源内容特征的统一推荐。实验结果表明,该方法取得了理想的预期效果,能够显著提高标签推荐的质量与效果。     

基于文本挖掘的5G技术研究热点分析

针对5G技术,提出一种基于文本挖掘的研究热点识别的新方法。从web of science数据库中检索2013至2018年间以5G技术为主题的11 429篇科研论文,基于文本关联规则挖掘构建关键词网络,以信息熵和组合力作为指标对论文的高频关键词进行聚类分析,在此基础上识别出5G领域的三类热点技术。     

《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.     

基于半结构化分割的Web热点数据挖掘算法

随着大数据信息技术的发展,数据在线监测和数据挖掘成为计算机信息领域研究的热点。通过对Web热点数据分割挖掘,提高信息热点追踪和Web数据分类能力。传统算法采用非结构化数据挖掘算法,无法有效对Web热点数据进行准确定位和分层挖掘。提出一种基于半结构化分割的Web热点数据挖掘算法。采用半结构化数据进行特征分割,基于优秀基因位进行差分进化,使寻优曲线不断趋于平缓,在多个节点上并行的运行比较脚本,采用半结构化分割,使得Web热点特征挖掘实现自适应寻优,得到Web热点数据的分配因子,提高了挖掘性能。仿真结果表明,该算法获得了良好的效率和精度,提高了Web热点数据挖掘的自适应寻优能力。