技术创新信息源新探：领先用户研究

在技术创新管理过程中，迅速而经济地获取创新思路是技术创新取得成功的关键因素，本文首先对技术创新的来源进行探讨，认为市场需求是创新的主要来源。然后，文章详细讨论了技术创新的信息来源，认为用户是重要的外部信息源。领先用户研究的运用可以使企业快速获取市场与用户中的创新信息，文章最后对领先用户研究方法进行了较深入的探讨，并就它在我国企业技术创新中的应用提出可操作化对策与建议。     

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。     

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。     

基于用户网络评论信息的产品创新研究

以小米手机产品改进过程为分析对象,以中关村在线网站作为信息源,通过对小米品牌三款旗舰手机在线用户评论信息进行中文分词、词频统计等处理,研究用户对产品各属性评论信息与产品改进之间的关系。研究发现:手机改进方向和程度与用户评论变化之间存在很强的关联性,公司可以根据前一款手机的评论信息决定后一款手机的改进内容,确定研发方向。实证结果表明:利用网络评论信息进行产品改进是可行的、有效的,借助网络挖掘工具获取网络评论信息是易于操作的。     

低健康信息素养用户婴幼儿健康信息源选择影响因素研究

[目的/意义] 丰富的健康信息源拓宽人们健康信息获取途径,但也给用户选择健康信息源提出要求。现有研究围绕用户和健康信息内容特征展开,较少考虑健康信息素养的影响。[方法/过程] 通过文献梳理得到健康信息源、健康信息源选择主体、任务、外部环境构成的影响因素模型。本研究首先设计健康信息素养测评问卷,识别低健康信息素养人群,接着通过访谈构建模型。最后设计问卷验证模型的适用性。[结果/结论] 健康信息内容和健康信息源平台是影响用户健康信息源选择的两个主要维度。权威性、时效性、相关性、实用性、一致性和可靠性几个影响因素间存在相互影响关系。教育水平会显著影响低健康信息素养用户的健康信息源选择。     

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.     

网络用户评论在企业竞争情报研究中的应用

文章介绍网络用户评论的产生背景,概述其基本形式与特点,论述其应用于企业竞争情报的必要性与可行性,重点分析其在企业自身剖析、竞争对手分析、竞争战略制定及客户关系管理与竞争策略中的应用。     

基于网络购物平台的在线评论研究综述

[目的/意义]围绕网络购物平台在线评论的研究进展进行分析和总结,为日后研究在线评论提供借鉴.[方法/过程]通过分析国内外相关文献,从概念内涵、研究意义、研究内容分类等三个方面对网络购物平台在线评论的研究现状进行梳理,分析了当前研究中存在的主要问题.[结果/结论]总结提出了完善研究体系、规范分析方法和拓展多元创新的三点研...     

网络参考信息源评价问题研究

文章论述了网络参考信息源评价的意义,分析了网络参考信息资源评价的17项指标因素,指出了网络参考信息源评价注意的问题。     

网络参考信息源特点与类型研究

论述了网络参考信息源的十大特点。分析了网络参考信息源的六种类型。     

不同网络平台用户情感表达特征对比分析

[目的/意义]网络用户主要通过购物类、社交类和点评类三种常见网络类型平台发表带有情感倾向的评论,但是由于用户群体、可评论时间、可评论次数以及评论方式等的不同,使得这三种网站类型中的用户对于同一主题的情感表达存在较大差异。文章从用户情感表达特征角度对比评测购物类、社交类和点评类三种主流网络平台中用户情感评论特点,为情感分析数据源选择提供借鉴。[方法/过程]在情感分析的基础上,通过对评论特点、用户情感特征和用户痛点等的对比分析和实证分析,探索三种平台的情感表达特点。[结果/结论]实验结果表明,不同类型网络平台评论的主要内容、情感特征以及痛点表现方面均存在明显差异,进而对情感分析信息源选择提供依据。     

基于情感依恋的用户高质量在线评论信息生成模式

【目的/意义】以用户的情感依恋为视角,探究情感驱动下用户生成在线评论信息的内容特征与行为规律, 为有效识别用户生成高质量在线评论,积极引导用户生成意愿以及优化社区评论质量管理提供理论依据与参考借 鉴。【方法/过程】在梳理已有研究基础上识别用户生成在线评论信息质量特征,深入分析用户情感依恋与高质量在 线评论信息的内在关联。结合依恋理论系统分析情感依恋驱动下用户生成在线评论信息的内容特征,并在此基础 上探索用户在线评论信息的生成路径。【结果/结论】情感依恋是用户生成高质量评论重要的动力来源、内容来源与 情感来源。情感依恋驱动下用户生成高质量在线评论信息具有三个“集合特征”。用户在情感依恋的驱动下存在 一条由“情感唤醒形成总体观点”到“心理情境确立评论主题”再到“情感语义表达引导评论内容”的评论信息生成 路径。     

网络参考信息源评价主体研究

论述了网络参考信息源评价主体的意义,分析了网络参考信息源评价主体的类型。     

信息源及其分类研究

信息源是信息的来源.文章阐述了信息源的概念及其特性,对信息源的分类标准进行了系统的研究,从信息源的分布规律及系统结构中我们认识到信息源在信息工作中的重要地位,因而我们要重视对信息源的开发和利用,充分发挥信息源在信息工作中的重要作用.     

在线教育视频用户评论行为比较研究——以Bilibili网站视频评论为例

[目的/意义] 视频评论是在线教育视频中用户交互的重要途径。分析在线视频不同评论方式中用户的行为差异对于理解用户行为规律,并促进视频平台评论功能的设计与优化具有重要意义。[方法/过程] 文章搜集Bilibili网站200个在线教育视频的弹幕与传统评论数据,结合定量统计分析和定性内容分析方法,从视频特征、用户特征和评论内容特征三方面比较用户弹幕与传统评论行为的异同。[结果/结论] 弹幕有利于提升用户的参与感,增长活跃周期,能更好地支持用户与视频内容的实时互动;传统评论可有效支持用户之间的直接互动,并帮助其开展深层次的知识交流。二者应充分结合,相互补充,提高用户在线学习的互动性和参与感。     

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Alexa排名系统的节能网信息源确定方案研究

根据节能信息的特点,利用Alexa网站排名系统,制定出一套确定节能网站信息源的方案,并以此方案确定节能网站的信息源。