基于Python的商品信息及评论研究

文章设计了一种根据简单关键词从电商平台获取同类商品基本信息及其评论的爬虫模型,基于Python语言丰富而强大的标准库和第三方库,通过多种爬虫技术相互配合,从爬取技术、爬取流程、反爬机制3个方面综述了该模型的实现过程。     

消费者学习视角下用户问答对消费者购买行为的影响研究

[目的/意义]旨在通过问答功能为电商平台以及各个商家的管理提供指导性建议。[方法/过程]爬取京东商城中搜索型商品的在线评论与用户问答数据,从消费者学习视角出发,基于S-O-R模型,构建用户问答相关变量和消费者购买行为影响模型,采用SPSS软件通过逐步回归分析法来验证假设。[结果/结论]用户提问数量、回答长度以及回答及时性对消费者购买行为有显著影响;用户提问数量对消费者购买行为的积极影响大于在线评论的数量对消费者购买行为的积极影响。     

电子商务中基于深度学习的虚假交易识别研究

为了解决电子商务平台中存在的虚假交易问题,本文依据商品的销售记录以及商家的基本信息,提出了一种结合深度置信网络和多层感知器的虚假交易识别方法,通过识别出以通过刷单增加销量的商品来识别虚假交易。首先利用深度置信网络对交易特征进行学习,得到更高层次的抽象特征;然后利用多层感知器进行分类任务,从而识别出虚假交易。从淘宝中爬取商品的交易记录和评论数据进行实验验证,与其他机器学习模型的实验结果进行对比,其性能有明显的提升。     

商品在线评论数据对消费者购买的影响

<正>随着线上销售的发展,各电商平台产生了大量的用户对商品的在线评论数据。如何利用这些评论数据获取有价值的信息,不论是对消费者还是对销售商而言都具有重要意义。本文利用八爪鱼采集器收集京东和淘宝这两大平台的在线评论数据,然后对这些数据进行Rost情感分析,从而得到数据的情绪分析,并结合MATLAB建立基于情绪分析的购买预测模型,从而从数学的角度分析商品在线评论数据对消费者的购买影响,并依据相应的结论分别给消费者和经营者提出建议。     

基于文本挖掘的网易云音乐评论分析

通过Python网络爬虫对网易云音乐新歌榜上,歌手花粥的《四月变成一座桥》进行评论爬取;使用Pyecharts可视化得到统计图表,获取歌曲评论者和发表评论的一些信息;使用Python进行文本挖掘,利用Wordart绘制热门评论的词云图。Python内置强大功能的数据库,还可以使用优秀的第三方库,并且调用其他接口也非常方便,得到的数据和可视化分析易理解。     

基于在线评论的消费者网购地理标志农产品满意度测评研究

[目的/意义]旨在增强地理标志农产品的竞争力,更好地发挥地理标志农产品扶农助农的重要作用。[方法/过程]通过爬取电商平台地理标志农产品商品的在线评论作为研究数据,利用LDA模型提取影响消费者满意度的因素,进而利用情感分析和TF-IDF权重结合的方法测算消费者满意度。[结果/结论]消费者网购地理标志农产品的总体满意度较高,消费者对于产品品质和商家服务的满意度较高,对配送服务的满意度较低;消费者较为关注产品品质、发货及运输速度。     

移动端儿童数字阅读行为采集与可视化研究

本文主要设计利用爬虫技术爬取移动端儿童数字阅读类APP的评论区中家长以及儿童对数字阅读的评论。通过对移动端使用抓包工具截获APP数据包,并利用爬虫程序模拟浏览器访问网页,获取文字、音频两种格式的数据,借助图形化手段将清洗后的数据可视化,从而得到有价值的结论,以此分析数字化阅读对于人们的意义和价值,帮助儿童数字化阅读更健康地发展和优化。     

信息视角下网络商品评论国内外研究综述

网络商品评论对于消费者决策以及商家收集反馈信息有着非常重要的价值和现实意义,如何对现有文献进行梳理是深化网络商品评论的关键问题。对近年来发表的国际权威文献进行梳理,通过关键词聚类以“数据流”、“信息流”、“知识流”为主线,深入解析网络商品评论的研究进展,并提炼出网络商品评论研究的焦点和重心,归纳出“评论传播”、“评论挖掘”、“评论使用”、“评论评估”四个层面的研究单元,并提出未来可在弹幕评论、图片挖掘、协同购物、评估分类等领域展开更多的研究。     

基于ELM的在线评论有用性研究——商品类型的调节影响

本研究以ELM模型为研究框架,从用户处理评论信息过程的视角,探究对于不同属性的商品,用户感知评论有用性的行为和结果是否存在差异。利用Amazon.com上的5 420条有效评论样本进行实验,研究发现:商品类型会影响用户感知在线评论有用性的方式,进而对在线评论有用性产生调节影响;用户更偏向通过中心路径来感知搜索类商品评论信息有用性大小,而在感知体验类商品评论信息有用性时,需结合中心和边缘两条路径。     

在线商品虚假评论形成路径研究

以淘宝为例,通过对43万条评论语料进行分析以及乔装淘宝店主获取的事实数据,从在线商品虚假评论实际解决需要出发,为在线商品虚假评论界定了新的含义,归纳了在线商品虚假评论的影响,最后全面分析了由在线评论者、在线销售商家、在线商品交易平台、虚假评论中介四大主体所组成体系中在线商品虚假评论的六大形成路径、形成动因及特点.本文对下一步的在线商品虚假评论识别技术等相关研究有极强的理论和实践指导意义.     

在线商品负面评价有用性影响因素研究

[目的/意义]旨在数量众多的评价中为消费者和商家以及平台筛选出有用的评价,发挥负面评价的价值.[方法/过程]采用爬虫爬取京东商城数据,以京东商城体验型和搜索型商品在线负面评价为主要研究对象,从内容质量、互动性和内容形式三个维度进行多元回归分析,对在线商品负面评价有用性的影响因素进行分析.[结果/结论]极端负评、商品类型...     

基于模糊神经网络的在线评论效用分类过滤模型研究

【目的/意义】通过挖掘电子商务平台冗杂的在线评论信息,对在线评论进行效用过滤,将质量高、有用性强 的评论呈献给消费者。【方法/过程】从Spearman相关性分析影响在线评论效用高相关因素入手,构建基于模糊神经 网络（FNN）的在线商品评论效用模型,提出一种在线评论效用分类方法。【结果/结论】通过对亚马逊电子商务平台 手机评论的实例验证,证明本文模型方法能够对在线商品评论效用进行有效区分,提出的在线商品评论分类过滤模 型具有较高的准确度和有效性。     

基于文本挖掘的共享单车发展现状分析

通过Python语言来构造网络爬虫,从搜狗搜索引擎中爬取与共享单车相关的新闻数据,再利用R语言对新闻数据进行词频统计与处理,进行文本挖掘,分析共享单车发展现状。     

商品评论信息可信度研究

网络商品评论信息的可信度对用户的购买行为有重要影响。对国内外网络商品评论信息可信度的研究现状和研究成果进行了分析总结,提出了基于文本挖掘的商品评论信息可信度测评模型,详细分析了商品评论信息的可信度特征,并对研究中的关键问题进行了探索,提出了解决方法。     

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。     

商品在线评论有用性——基于品牌的调节作用分析

商品的在线评论已经成为影响顾客进行在线购买的重要因素。本文以亚马逊（中国）网站为例,研究了在线评论、评论者的数字特征对评论有用性的影响。通过对五种在线商品的1 845条在线评论进行实证分析,研究发现：在线评论的评论长度和评论者排名对评论有用性具有正向影响,同时评论长度对有用性的影响受到品牌的调节作用。另外,评论星级对评论有用性的影响也受到品牌的调节作用,并且对于大品牌产品而言,评论的极端性与评论有用性呈"U"形关系。     

基于SMOTE-RF与多维特征向量的在线商品虚假评论识别研究

[研究目的]通过从评论文本和评论者两个维度对在线评论的特征进行挖掘,探究电商平台如何有效提高虚假评论识别的准确性,增加用户在线商品评论可信度,为消费决策提供参考。[研究方法]提出一种基于多维特征和SMOTE-RF模型的虚假评论识别方法。首先,通过识别商品虚假评论线索,构建多维特征向量,引入情感极性等特征并进行单调化处理;其次,在评分偏离度中添加了商品得分均值等统计指标来全面刻画虚假评论;最后,针对在线评论数据集中真实评论与虚假评论类不平衡问题,运用SMOTE算法优化随机森林分类模型,从而达到提高虚假评论识别准确性的目的。[研究结论]实验结果显示该方法在正负样本不平衡的虚假评论识别中具有更高的准确率、召回率及F1值。其中评分偏离度特征对虚假评论识别的影响最大,情感极性可作为识别的次要参考特征。因此,综合考虑在线评论多维特征和正负样本不平衡可帮助电商平台对虚假评论进行有效的过滤,为消费者提供更为可靠的评论数据。     

在线评论中用户商品属性偏好识别方法研究

在线评论中包含的用户对商品属性的偏好信息能够为企业制定商品研发和营销策略提供依据.提出了从在线评论中识别用户对商品属性偏好信息的框架和流程,结合现有的自然语言处理技术和数据挖掘方法,利用国内大型电子商务网站上用户对计算机商品的在线评论文本为研究对象,通过实例详细阐述了在线评论中用户对商品属性偏好信息的识别技术和方法,实证了本文提出的框架与流程的可行性和有效性.     

基于网络评论文本挖掘的技术预见方法研究

在网络社区兴起的背景下,鉴于网络社区的海量评论数据中蕴含着大量专家用户群体智慧,本文提出基于网络评论文本挖掘的技术预见新型方法,以促进技术预见活动顺利实施并取得准确可信的最终结果。首先从多源数据中获得种子科技主题,并将其投放至开放网络社区,吸引专家用户进行充分讨论形成交互数据,经过数据爬取、清洗、存储等环节得到网络评论数据集,再利用情感分析、主题模型等方法对网络评论中蕴含的隐性知识进行显性化挖掘,并结合相关领域专家的研判,最终得到辅助技术预见决策的有价值信息。通过新型方法,可以使技术预见活动大幅降低成本、打破时空限制,便于大规模专家参与其中,并最大限度降低少数专家主观色彩浓厚的负面影响。     

商品主观评论信息的倾向性分析综述

商品主观评论信息中用户对产品的性能或功能等方面持有的肯定/否定态度,会很大地影响购买者的决策.因此,对中文商品主观评论信息的倾向性分析就成为学术研究的一个热点和难点.首先对商品主观评论信息的倾向性分析进行了定义,然后阐述了其研究目的,从商品主观评论信息的4个方面即:商品特征词的抽取、意见词的抽取、商品评论情感极性判断和极性强度计算,综述了近5年国内外该项研究所使用技术和方法的研究现状,总结了在该研究领域中仍待解决的问题,并在将来的工作中提出了一些新的研究思路.